图像的艺术风格渲染目的是合成一幅图像，在保留原始内容图像内容和结构的同时，具有参考风格图像的风格特征。以数字内容为基础的动漫制作和影视作品制作的产业等，利用图像渲染技术可以实现某些无法通过真实拍摄得到的影视效果，降低制作成本并且提高产出效率。中国水墨画不同与其他艺术绘画，同一幅画作里，描绘的物体在尺寸和细致程度上相距甚远。通常以墨和水作为调色剂表达颜色和阴影，只呈现灰度特征。因此，将中国水墨画渲染成其他不同的彩色艺术风格具有一定挑战性。
　　本文针对中国水墨画的特点，提出高效的艺术风格渲染算法。分析了中国水墨画艺术渲染过程的两个关键难点。一是水墨画中细致的内容结构难以重建；二是水墨画单调的灰度表现使得渲染过程的缺少颜色先验信息。本文所提出的水墨画渲染算法以图像的局部方差量化水墨画内容结构的细致程度。首先根据图像的局部方差，将原始水墨画自适应分块，内容结构越细致则分成的块尺寸越小，使得在风格渲染的过程中原始水墨画的细节内容结构得以重建，同时保留参考图像的风格特征。然后，依据参考风格图像的颜色对原始水墨画进行局部着色预处理，得到颜色参考图。接着，依据水墨画和风格图像的分块构建马尔科夫随机场（MRF）模型，在纹理迁移阶段考虑色差信息，通过修正MRF模型中的惩罚函数，以避免无用的纹理合成，使重建图像更加符合原图的语义理解。
　　仿真实验结果验证了所提出的渲染方法不仅能完整地重建原始水墨画的细致结构，同时风格图像的纹理特征及颜色得以完整迁移，克服了水墨画风格渲染的两个难点。对比实验结果证明了本文所提出的自适应分块相比于固定分块能更好地重建水墨画的细致内容。根据参考风格的颜色对水墨画进行着色预处理，并修正MRF的惩罚函数寻找最佳匹配纹理块，考虑了色差信息，能得到符合原图语义理解的渲染结果，有效地避免了无用纹理的出现。除此之外，与基于深度卷积神经网络（CNN）方法的实验结果证明了对于中国水墨画的渲染，本文提出的方法比CNN方法渲染的颜色更接近参考风格，纹理特征的迁移更加细致和完整。最主要的原因是，本文提出的算法，直接从参考图像中选取纹理块生成渲染图像，渲染过程保留了风格图像完整的像素级信息，并且通过着色预处理增加颜色先验信息，而CNN算法提取图像的抽象特征的同时，丢失了图像原本的像素级信息。