Nous proposons une méthode universelle de reconstruction d'images pour représenter des images détaillées à partir de contours binaires épars et de domaines de couleur plate. Inspirés par les procédures de peinture, notre cadre, basé sur un réseau génératif adversarial (GAN), se compose de trois phases : la phase d'Imitation vise à initialiser les réseaux, suivie par la phase de Génération pour reconstruire des images préliminaires. De plus, la phase de Raffinement est utilisée pour affiner ces images préliminaires en sorties finales avec des détails. Ce cadre permet à notre modèle de générer une abondance de détails à haute fréquence à partir d'informations d'entrée éparse. Nous explorons également les défauts du désentrelacement implicite de l'espace latent stylistique à partir des images et montrons que le domaine de couleur explicite dans notre modèle offre une meilleure contrôlabilité et interprétabilité. Dans nos expériences, nous obtenons des résultats exceptionnels en termes de reconstruction d'images réalistes et de traduction de croquis manuscrits en peintures satisfaisantes. En outre, dans le domaine de la traduction contour-image, notre modèle PI-REC surpasse les méthodes existantes les plus avancées en matière d'évaluation du réalisme et de la précision, tant quantitativement que qualitativement.