CN102930521A - 一种镶嵌图片的生成方法 - Google Patents
一种镶嵌图片的生成方法 Download PDFInfo
- Publication number
- CN102930521A CN102930521A CN2012103891102A CN201210389110A CN102930521A CN 102930521 A CN102930521 A CN 102930521A CN 2012103891102 A CN2012103891102 A CN 2012103891102A CN 201210389110 A CN201210389110 A CN 201210389110A CN 102930521 A CN102930521 A CN 102930521A
- Authority
- CN
- China
- Prior art keywords
- picture
- section
- database
- feature
- gray
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种镶嵌图片的生成方法，包括数据库图片预处理、目标图片分割处理、任取一切片，选定数据库图片中与之待镶嵌图片、将所述待镶嵌图片进行缩放处理、镶嵌处理、完成镶嵌图片等多个步骤，有效解决现有技术存在的图片数据库过大、目标图镶嵌后的视觉效果差、镶嵌图片的细节易失真等技术问题。本发明以计算机为工具，基于不同的数据库图片，自动、快速地产生与目标图片对应的镶嵌画。本发明不改变数据库图片的色彩，无失真，且对数据库的大小无严格要求，可以用较小的图片数据库完成镶嵌图片。
Description
技术领域
本发明涉及数字图像处理领域，特别涉及一种镶嵌图片的生成方法。
背景技术
图像镶嵌技术是指将多幅小图像（照片、数字图案、字母图案、色块等等）排列拼接成一幅大图像，图像观赏者与图像的距离不同，该图片的视觉效果也不同。当距离较近时，观赏者看到的是一幅幅小的图像排列在一起，甚至可以看到其中各个小图像的细节；当距离较远时，观赏者更注意大图像的整体视觉效果，原来的小图像成为大图像的一部分色块，即使观赏者能分辨清楚小图像的局部细节，但大图像的整体视觉效果更明显，更引人注意。
现有的图像镶嵌技术，主要包括如下步骤：（1）将一张大图片（以下或称目标图片）分割为多个小块区域；（2）对每个小块区域，在图片数据库中寻找与之最为相似的图片；（3）替换该小块区域，得到一幅镶嵌的目标图片。这种方法的缺点在于，为了得到很好的镶嵌效果，需要一个很大的图片数据库。上述技术进一步还可以包括如下步骤，目标图片分割为多个小块区域之后，对于各个小块区域，将数据库图片的色彩做趋向于小块区域色彩的变换，以达到色彩相似的效果。这种方法的缺点在于，数据库图片的色彩变换虽然提升了目标图片的镶嵌色彩效果，但是数据库图片色彩的改变却降低了各个镶嵌小图片的视觉效果。
此外，日本佩特媒体株式会社于2009年1月7日申请的发明专利《镶嵌图片生成装置、方法及程序》（申请号：200980102230.6）是目前该领域中比较进步的技术。在该专利申请文件中记载的技术方案中，在分割目标图片之后，计算各个小块区域的颜色基本浓度值作为目标浓度值，再根据素材库（图片数据库）中的图片的基本颜色的平均浓度值进行颜色校正：在保持基本色彩浓度分布的情况下向目标浓度值调整。该技术的不足之处在于：由于色彩的校正，虽然增加了目标图片整体镶嵌的视觉效果，但是数据库图片的色彩已经改变了，因此镶嵌图片的细节（填充各个分割小块区域的数据库图片）已经失真了。
发明内容
本发明的目的在于，提供一种镶嵌图片的生成方法，有效解决现有技术存在的所需的图片数据库过大、目标图镶嵌后的视觉效果差、镶嵌图片的细节易失真等技术问题。
为实现上述目的，本发明提供如下技术方案：
本发明包括一种镶嵌图片的生成方法，包括如下步骤：
（1） 对数据库图片进行预处理，获得每一组数据库图片的代表特征；
（2） 将目标图片进行迭代分割处理，将所述目标图片平均分割成4个以上的多个矩形区域，每一矩形区域内的图片为切片，计算所述切片的特征；
（3） 任取一未镶嵌的切片，将其特征与每一组数据库图片的代表特征分别作对比，找到特征距离最小的一组数据库图片；
（4） 将所述切片特征与所述特征距离最小的一组数据库图片中每一张图片的代表特征分别作对比，选定特征距离最小的一张数据库图片作为替换图片；
（5） 将所述替代图片进行缩放处理，使得处理后的图片与所述切片大小一致；
（6） 将缩放处理后的所述替换图片镶嵌在所述目标图片上，其镶嵌区域即为与步骤（3）所述切片对应的矩形区域；记录该切片为已镶嵌的切片；
（7） 判断所述目标图片的矩形区域是否全部被替换图片镶嵌完毕，若是，执行步骤（8）；若否，返回步骤（3）；
（8） 生成镶嵌图片。
所述预处理包括如下步骤：
（101） 在数据库中储备彩色图片和灰度图片；
（102） 将每一数据库图片平均分割为4个或9个大小、形状相同的矩形区域，每一矩形区域内的图片为数据库切片；
（103） 计算每一彩色图片内的4个或9个数据库切片的R、G、B三色强度平均值，得到该彩色图片的12个或者27个彩色图片特征；
（104） 将所述彩色图片转为灰度图片；
（105） 计算每一灰度图片内的4个或9个数据库切片的灰度平均值，得到该灰度图片的4个或9个灰度图片特征；
（106） 对所有的数据库图片根据其彩色图片特征和灰度图片特征进行聚类方法处理或分类方法处理，使得所述数据库图片按照所述彩色图片特征或灰度图片特征分组，获得每一组数据库图片的代表特征。
所述聚类方法为不必指定类别数的自组织映射的聚类处理方法。
所述分类方法为指定类别数的K均值分类处理方法。
所述分割处理包括如下步骤：
（201） 判断待处理图片是彩色图还是灰度图：如果是彩色图，执行步骤（202）；若为灰度图，执行步骤（203）；
（202） 将所述彩色图片转为灰度图片；
（203） 判断是否存在可分割的待处理图片；若是，执行步骤（204），若否，执行步骤（205）；
（204） 将所述待处理图片平均分割成4个大小、形状相同的矩形区域，每一矩形区域内的图片为新的待处理图片，返回步骤（203）；
（205） 确认每一矩形区域内的图片为切片，计算所述切片的特征。
判断是否存在可分割的待处理图片，包括如下步骤：
（301）判断待处理图片区域内灰度值的最大值与最小值之差是否大于预设差值阈值，若是，执行步骤（302）；若否，执行步骤（303）；
（302）确定存在可分割的待处理图片；
（303）确定不存在可分割的待处理图片。
所述步骤（301）还可以为：判断待处理图片区域内熵值是否大于熵值阈值，若是，执行步骤（302）；若否，执行步骤（303）。
计算所述切片的特征，包括如下步骤：
（401）将每一切片平均分割为4个或9个大小、形状相同的矩形区域，每一矩形区域内的图片为微切片；
（402）判断所述切片为灰度图片还是彩色图片，若为彩色图片，执行步骤（403）；若为灰度图片，执行步骤（404）；
（403）计算每一切片内的4个或9个所述微切片的R、G、B三色强度平均值，得到该微切片的12个或者27个彩色切片特征；
（404）计算每一切片内的4个或9个微切片的灰度平均值，得到该切片的4个或9个灰度切片特征；
（405）记录所述切片的代表特征，所述切片的代表特征即为其灰度平均值或R、G、B三色强度平均值。
所述切片的特征是指所述切片的一维特征向量。
所述彩色图片的彩色强度特征向量包含12个或者27个特征值，所述灰度图片的灰度图片特征向量包含4个或者9个特征值，当待镶嵌目标图片是灰度图像时，用4个或9个切片灰度图片特征与数据库图片灰度图片特征进行匹配；当待镶嵌目标图片是彩色图像时，用12个或27个切片彩色图片特征与数据库图片彩色图片特征进行匹配。
本发明优点在于，提供一种镶嵌图片的生成方法，以计算机为工具，基于不同的数据库图片，自动、快速地产生与目标图片对应的镶嵌画。本发明不改变数据库图片的色彩，无失真，且对数据库的大小无严格要求，可以用较小的图片数据库完成镶嵌图片。
附图说明
图1所示为本发明中镶嵌图片生成方法的流程图；
图2所示为本发明中预处理方法的流程图；
图3所示为本发明中分割处理方法的流程图；
图4所示为本发明中判断待处理图片是否需要分割的方法的流程图；
图5所示为本发明中计算切片特征的方法的流程图。
具体实施方式
以下结合附图详细说明本发明的具体实施方式，使本领域的技术人员更清楚地理解如何实践本发明。应当理解，尽管结合其优选的具体实施方案描述了本发明，但这些实施方案拟阐述，而不是限制本发明的范围。
实施例1
如图1所示，图中所示为一种以一个图片数据库来镶嵌目标图片的生成方法，包括步骤（1）—（8）。在实施例1中，目标图片为灰度图片。
本发明包括一种镶嵌图片的生成方法，包括如下步骤：
步骤（1），对数据库图片进行预处理，获得每一组数据库图片的代表特征。
所述数据库保存有大量照片、数字图案、字母图案、色块等图片，也是用来填充目标图片各个区域的候选图片，也可以称之为素材库，包括彩色图片和灰度图片，本实施例中，至少包括灰度图片。在镶嵌之前就计算出数据库图片的特征，可以随时调用，避免在镶嵌过程中重复计算数据库图片的特征，从而减少镶嵌图片的整体运算时间，提升工作效率。
如图2所示，图中所示为本发明中一种预处理方法，即对数据库图片进行预处理，包括如下步骤：
（101） 在数据库中储备灰度图片，也可以包括彩色图片；
（102） 将每一数据库图片平均分割为4个大小、形状相同的矩形区域，每一矩形区域内的图片为数据库切片；
（103） 计算每一彩色图片内的4个数据库切片的R、G、B三色强度平均值，得到该彩色图片的12个彩色图片特征；
（104） 将所述彩色图片转为灰度图片；
（105） 计算数据库每一灰度图片的4个切片的灰度平均值，得到该灰度图片的4个灰度图片特征；
（106） 对所有的数据库图片根据其彩色图片特征和灰度图片特征向量进行聚类处理或分类处理，使得所述数据库图片按照所述彩色图片特征和灰度图片特征分组，获得每一组数据库图片的代表特征。
其中，所述聚类处理为不必指定类别数的自组织映射（Self-Organizing Map，SOM）的聚类处理方法，所述分类处理为指定类别数的K均值分类处理方法。代表特征的产生可以是在SOM方法中自动产生，或是在K均值分类之后通过计算组内特征的均值得到。经聚类或分类方法处理数据库图片的特征之后，各个数据库图片附属于不同的特征组。对于某一固定数量的图片数据库，聚类或分类的特征组别数量越多，附属于各个特征组的图片数量越少；聚类或分类的特征组别数量越少，附属于各个特征组的图片数量越多。
其中，步骤（102）中也可以将每一数据库图片平均分割为9个大小、形状相同的矩形区域，形成9个切片；相应地，在步骤（105）中，计算数据库每一灰度图片的9个切片的灰度平均值，得到该灰度图片的9个灰度图片特征。
在本实施例中，目标图片为灰度图片，因此需要依次执行步骤（101）、（102）、（105）、（106），计算所述切片的4个特征，获得每一组数据库图片的代表特征。
步骤（2），将目标图片进行分割处理，将所述目标图片平均分割成多个矩形区域，每一矩形区域内的图片为切片，计算所述每一切片的特征。此处的目标图片，是指未被处理的完整图片，也可以称为初始图片。所述切片是指目标图片被切割到最后形成的矩形图片。此处的分割处理，也可以称为迭代分割法，每次分割后，形成若干形状、大小相同的待处理图片，若该待处理图片不能继续分割，将其改称为切片；若该待处理图片还可以继续分割，则将其继续分割，形成新的待处理图片，直至所有待处理图片都形成不能继续分割的切片为止。
如图3所示，图中所示为本发明中一种分割处理方法，即将目标图片分割成4个以上的矩形目标图片，包括如下步骤：
（201）判断待处理图片是彩色图还是灰度图：如果是彩色图，执行步骤（202）；若为灰度图，执行步骤（203）
（202）将所述彩色图片转为灰度图片；
（203） 判断是否存在可分割的待处理图片；若是，执行步骤（204），若否，执行步骤（205）；
（204）将所述待处理图片平均分割成4个矩形区域，每一矩形区域内的图片为新的待处理图片，返回步骤（203）；
（205） 确认每一矩形区域内的图片为切片，计算所述切片的特征。
在本实施例中，目标图片为灰度图片，因此需要依次执行步骤（201）、（203）、（204）、（205），计算所述切片的4个特征。此处计算切片特征的方法与前述计算数据库切片的特征方法（101）—（106）相同。
如图4所示，图中所示为此处步骤（203）所述的判断是否存在可分割的待处理图片的方法，包括如下步骤：
（301）判断待处理图片区域内灰度值的最大值与最小值之差是否大于预设差值阈值，若是，执行步骤（302）；若否，执行步骤（303）。预设差值阈值指的是灰度值的最大值与最小值之差的预设阈值。
（302）确定存在可分割的待处理图片，所述待处理图片需要分割。
（303）确定不存在可分割的待处理图片，所述待处理图片不需要分割。
其中，所述步骤（301）还可以为：
（304）判断待处理图片区域内熵值是否大于熵值阈值，若是，执行步骤（302）；若否，执行步骤（303）。熵值指的是预设熵值。
目标图片是否需要分割的判断标准为预定的分割准则，预定的分割准则是指判断能否继续分割某一图片区域的规则或方法。准则制定的依据需要考虑当前待分割图片区域的灰度值或者熵值，即准则应该依赖于待分割图片区域的灰度和熵信息。
具体地说，对于本实施例中的灰度图片来说，若初始图片所处区域内灰度值的最大值与最小值之差大于灰度值的阈值，或者，图片区域内灰度值的熵值大于熵值阈值，则可以确定图片需要继续被分割。
对于灰度图片来说，判断图片区域内灰度值的最大值与最小值之差是否大于其阈值，假设当前图片区域内灰度值的最大值是A，最小值是B，阈值为T，如果A-B>T，那么就平均分割当前图片区域；否则不分割当前图片区域。假设灰度值以0～255表示，即 0<=A<=255，0<=B<=255，那么阈值T为T=A-B，阈值范围根据图片灰度分布情况设置范围为0<=T<=127。对于灰度图片来说，判断图片区域内灰度值的熵值是否大于其预设阈值，假设灰度值以0～255表示，该待分割区域的熵值表示为E=-∑ (pi*log2(pi))，其中pi（i＝0～255）为在当前待分割区域中，各个灰度值（0～255）出现的概率值，那么阈值范围根据图片灰度分布情况设置范围为0<=T<=3。对于灰度图片来说，若初始图片所处区域内灰度值的最大值与最小值之差小于或等于其阈值，或者，图片区域内灰度值的熵值小于或等于其阈值，则可以确定图片不需要继续被分割。
如图5所示，图中所示为此处步骤（205）所述的“计算所述切片的特征” 的方法，包括如下步骤：
（401）将每一切片平均分割为4个大小、形状相同的矩形区域，每一矩形区域内的图片为微切片；
（402）判断所述切片为灰度图片还是彩色图片，若为彩色图片，执行步骤（403）；若为灰度图片，执行步骤（404）；
（403）计算每一切片内的4个所述微切片的R、G、B三色强度的平均值，得到该微切片的12个彩色切片特征；
（404）计算每一切片内的4个微切片的灰度平均值，得到该切片的4个灰度切片特征；
（405）记录所述切片的代表特征，所述切片的代表特征即为其灰度平均值或R、G、B三色强度平均值。
在本实施例中，目标图片为灰度图片，因此需要依次执行步骤（401）、（402）、（404）、（405），来计算所述切片的4个特征。
将每一切片平均分割为4个相同的矩形区域，每一矩形区域内的图片为微切片；计算每一切片内的4个所述微切片的灰度平均值，得到关于该切片的4个灰度切片特征；
记录所述切片的代表特征，所述切片的代表特征即为其灰度平均值。
此时，所述切片的特征是指所述切片的包含4个特征值的一维特征向量，用4个切片灰度图片特征与4个数据库图片灰度图片特征进行匹配。所述切片与所述数据库图片的特征对比，实际上就是同维数特征向量的距离比较，匹配切片时计算的特征数量应该与数据库预处理时提取的特征数量一致，如果数据库预处理时采用的是4个特征（平均分成4个区域），那么切片也计算其4个特征。这样，同样长度的特征才可以计算距离来匹配。
若在上述的步骤（401）中将每一切片平均分割为9个大小、形状相同的矩形区域，形成9个微切片；在上述的步骤（404）中，计算每一切片内的9个微切片的灰度平均值，得到该切片的9个灰度切片特征。相应地，步骤（401）、（404）、（405）中，微切片的数量为9个，计算每一切片内的9个所述微切片的的灰度平均值，得到关于该切片的9个灰度切片特征。
步骤（3），任取一未镶嵌的切片，将其特征与每一组数据库图片的代表特征分别作对比，找到特征距离最小的一组数据库图片。
步骤（4），将所述切片特征与所述特征距离最小的一组数据库图片中每一张图片的代表特征分别作对比，选定特征距离最小的一张数据库图片作为替换图片。
步骤（3）—（4），在数据库中找到与选取到的切片特征距离最小（最相似的）一张替换图片。所述距离，是指描述两个向量的量度，常用的是明可夫斯基距离中的欧氏距离和曼哈顿距离。数据库中选取的图片与所述切片大小不一定相同，替换图片与所对应的切片相比，图中的特征距离最小，图片的特征向量最为接近，这两张图片的相似度最高。
步骤（5），将所述替代图片进行缩放处理，使得处理后的图片与所述切片大小一致。
步骤（6），将缩放处理后的所述替换图片镶嵌在所述目标图片上，其镶嵌区域即为与步骤（3）所述切片对应的矩形区域；记录该切片为已镶嵌的切片。
步骤（7），判断所述目标图片的矩形区域是否全部被替换图片镶嵌完毕，若是，执行步骤（8）；若否，返回步骤（3）。
所述目标图片被分成多个切片，先将每个切片与数据库中的图片作对比，找出与该矩形目标图片特征距离最小的（最相似的）图片，再将该图片经缩放处理后镶嵌在该切片对应的区域，每一矩形目标图片上都镶嵌一张在数据库中与该矩形目标图片最相似的图片。多次重复上述过程，直至将初始图片所对应的区域均被数据库图片镶嵌完整为止。
步骤（3）只会找到未镶嵌的切片，并对其进行操作处理，在步骤（6）中已经被记录为已镶嵌的切片，不会被重复镶嵌。当所有的切片都被标记为已镶嵌切片时，所述目标图片的矩形区域就全部被替换图片镶嵌完毕。
步骤（8）， 生成镶嵌图片。
实施例2
如图1所示，图中所示为一种以一个图片数据库来镶嵌目标图片的生成方法，包括步骤（1）—（8）。在实施例2中，目标图片为彩色图片。
本发明包括一种镶嵌图片的生成方法，包括如下步骤：
步骤（1），对数据库图片进行预处理，获得每一组数据库图片的代表特征。
所述数据库保存有大量照片、数字图案、字母图案、色块等图片，也是用来填充目标图片各个区域的候选图片，也可以称之为素材库，包括彩色图片和灰度图片，本实施例中，至少包括彩色图片。在镶嵌之前就计算出数据库图片的特征，可以随时调用，避免在镶嵌过程中重复计算数据库图片的特征，从而减少镶嵌图片的整体运算时间，提升工作效率。
如图2所示，图中所示为本发明中一种预处理方法，即对数据库图片进行预处理，包括如下步骤：
（101）在数据库中储备彩色图片，也可以包括灰度图片；
（102）将每一数据库图片平均分割为4个大小、形状相同的矩形区域，每一矩形区域内的图片为数据库切片；
（103）计算数据库每一彩色图片的4个切片的R、G、B三色强度的平均值，得到该彩色图片的12个彩色图片特征；
（104）将所述彩色图片转为灰度图片；将彩色图片的 R、G、B三个色彩通道的数据加权平均即可将其变为灰度图片；
（105）计算每一灰度图片内的4个数据库切片的灰度平均值，得到该灰度图片的4个灰度图片特征；
（106）对所有的数据库图片根据其彩色图片特征向量和灰度图片进行聚类处理或分类处理，使得所述数据库图片按照所述彩色图片特征和灰度图片特征分组，获得每一组数据库图片的代表特征。
其中，所述聚类处理为不必指定类别数的自组织映射（Self-Organizing Map，SOM）的聚类处理方法，所述分类处理为指定类别数的K均值分类处理方法。代表特征的产生可以是在SOM方法中自动产生，或是在K均值分类之后通过计算组内特征的均值得到。经聚类或分类方法处理数据库图片的特征之后，各个数据库图片附属于不同的特征组。对于某一固定数量的图片数据库，聚类或分类的特征组别数量越多，附属于各个特征组的图片数量越少；聚类或分类的特征组别数量越少，附属于各个特征组的图片数量越多。
步骤（2），将目标图片进行分割处理，将所述目标图片平均迭代分割成多个矩形区域，每一矩形区域内的图片为切片，计算所述每一切片的特征。此处的目标图片，是指未被处理的完整图片，也可以称为初始图片。所述切片是指目标图片被切割到最后形成的矩形图片。
如图3所示，图中所示为本发明中一种分割处理方法，即将目标图片分割成4个以上的矩形目标图片，包括如下步骤：
（201）判断待处理图片是彩色图还是灰度图：如果是彩色图，执行步骤（202）；若为灰度图，执行步骤（203）；
（202） 将所述彩色图片转为灰度图片；
（203）判断是否存在可分割的待处理图片；若是，执行步骤（204），若否，执行步骤（205）；
（204）将所述待处理图片平均分割成4个矩形区域，每一矩形区域内的图片为新的待处理图片，返回步骤（203）；
（205）确认每一矩形区域内的图片为切片，计算所述切片的特征。
在本实施例中，目标图片为彩色图片，因此需要依次执行步骤（201）—（205），将其转为灰度图片，计算所述切片的4个特征。此处计算切片特征的方法与前述计算数据库切片的特征方法（101）—（106）相同。
如图4所示，图中所示为此处步骤（203）所述的判断是否存在可分割的待处理图片的方法，包括如下步骤：
（301）判断待处理图片区域内灰度值的最大值与最小值之差是否大于预设差值阈值，若是，执行步骤（302）；若否，执行步骤（303）。预设差值阈值指的是灰度值的最大值与最小值之差的预设阈值；
（302）确定存在可分割的待处理图片，所述待处理图片需要分割；
（303）确定不存在可分割的待处理图片，所述待处理图片不需要分割。
其中，所述步骤（301）还可以为
（304）判断待处理图片区域内熵值是否大于熵值阈值，若是，执行步骤（302）；若否，执行步骤（303）。熵值指的是预设熵值。
目标图片是否需要分割的判断标准为预定的分割准则，预定的分割准则是指判断能否继续分割某一图片区域的规则或方法。准则制定的依据需要考虑当前待分割图片区域的灰度值或者熵值，即准则应该依赖于待分割图片区域的灰度和熵信息。具体地说，对于本实施例中的彩色图片来说，先将其R、G、B三通道的数据加权平均，即可将其转化为灰度图片，再按照上述步骤（301）—（304）加以判断。若初始图片所处区域内灰度值的最大值与最小值之差大于灰度值的阈值，或者，图片区域内灰度值的熵值大于熵值阈值，则可以确定图片需要继续被分割。
对于灰度图片来说，判断图片区域内灰度值的最大值与最小值之差是否大于其阈值，假设当前图片区域内灰度值的最大值是A，最小值是B，阈值为T，如果A-B>T，那么就平均分割当前图片区域；否则不分割当前图片区域。假设灰度值以0～255表示，即 0<=A<=255，0<=B<=255，那么阈值T为T=A-B，阈值范围根据图片灰度分布情况设置范围为0<=T<=127。对于灰度图片来说，判断图片区域内灰度值的熵值是否大于其预设阈值，假设灰度值以0～255表示，该待分割区域的熵值表示为E=-∑ (pi*log2(pi))，其中pi（i＝0～255）为在当前待分割区域中，各个灰度值（0～255）出现的概率值，那么阈值范围根据图片灰度分布情况设置范围为0<=T<=3。对于灰度图片来说，若初始图片所处区域内灰度值的最大值与最小值之差小于或等于其阈值，或者，图片区域内灰度值的熵值小于或等于其阈值，则可以确定图片不需要继续被分割。
如图5所示，图中所示为此处步骤（205）所述的“计算所述切片的特征” 的方法，包括如下步骤：
（401）将每一切片平均分割为4个大小、形状相同的矩形区域，每一矩形区域内的图片为微切片；
（402）判断所述切片为灰度图片还是彩色图片，若为彩色图片，执行步骤（403）；若为灰度图片，执行步骤（404）；
（403）计算每一切片内的4个所述微切片的R、G、B三色强度的平均值，得到该微切片的12个彩色切片特征；
（404）计算每一切片内的4个微切片的灰度平均值，得到该切片的4个灰度切片特征；
（405）记录所述切片的代表特征，所述切片的代表特征即为其灰度平均值或R、G、B三色强度平均值。
在本实施例中，目标图片为彩色图片，因此需要依次执行步骤（401）、（402）、（403）、（405），来计算所述切片的12个彩色切片特征。
将每一切片平均分割为4个相同的矩形区域，每一矩形区域内的图片为微切片；
计算每一切片内的4个所述微切片的R、G、B三色 强度的平均值，得到该微切片的12个彩色切片特征；
记录所述切片的代表特征，所述切片的代表特征即为其R、G、B三色强度平均值。
此时，所述切片的特征是指所述切片的包含12个特征的一维特征向量，用12个切片灰度图片特征与12个数据库图片灰度图片特征进行匹配。所述切片与所述数据库图片的特征对比，实际上就是同维数特征向量的距离比较，匹配切片时计算的特征数量应该与数据库预处理时提取的特征数量一致，比如如果数据库预处理时采用的是12个特征（彩色，平均分成4个区域），那么切片也计算其12个特征。这样，同样长度的特征才可以计算距离来匹配。
若在上述的步骤（401）中将每一切片平均分割为9个大小、形状相同的矩形区域，形成9个微切片；在上述的步骤（403）中，计算每一切片内的9个微切片的R、G、B三色强度的平均值，得到该切片的27个彩色切片特征。相应地，步骤（401）、（403）、（405）中，微切片的数量为9个，计算每一切片内的27个微切片的R、G、B三色强度的平均值，得到关于该切片的27个彩色切片特征。
步骤（3），任取一未镶嵌的切片，将其特征与每一组数据库图片的代表特征分别作对比，找到特征距离最小的一组数据库图片；
步骤（4），将所述切片特征与所述特征距离最小的一组数据库图片中每一张图片的代表特征分别作对比，选定特征距离最小的一张数据库图片作为替换图片。
步骤（3）—（4），在数据库中找到与选取到的切片特征距离最小（最相似的）一张替换图片。所述距离，是指描述两个向量的量度，常用的是明可夫斯基距离中的欧氏距离和曼哈顿距离。数据库中选取的图片与所述切片大小不一定相同，替换图片与所对应的切片相比，图中的特征距离最小，图片的特征向量最为接近，这两张图片的相似度最高。
步骤（5），将所述替代图片进行缩放处理，使得处理后的图片与所述切片大小一致。
步骤（6），将缩放处理后的所述替换图片镶嵌在所述目标图片上，其镶嵌区域即为与步骤（3）所述切片对应的矩形区域；记录该切片为已镶嵌的切片。
步骤（7），判断所述目标图片的矩形区域是否全部被替换图片镶嵌完毕，若是，执行步骤（8）；若否，返回步骤（3）。
所述目标图片被分成多个切片，先将每个切片与数据库中的图片作对比，找出与该矩形目标图片特征距离最小的（最相似的）图片，再将该图片经缩放处理后镶嵌在该切片对应的区域，每一矩形目标图片上都镶嵌一张在数据库中与该矩形目标图片最相似的图片。多次重复上述过程，直至将初始图片所对应的区域均被数据库图片镶嵌完整为止。
步骤（3）只会找到未镶嵌的切片，并对其进行操作处理，在步骤（6）中已经被记录为已镶嵌的切片，不会被重复镶嵌。当所有的切片都被标记为已镶嵌切片时，所述目标图片的矩形区域就全部被替换图片镶嵌完毕。
步骤（8）， 生成镶嵌图片。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种镶嵌图片的生成方法，其特征在于，包括如下步骤：
（1） 对数据库图片进行预处理，获得每一组数据库图片的代表特征；
（2） 将目标图片进行分割处理，将所述目标图片平均分割成4个以上的矩形区域，每一矩形区域内的图片为切片，计算所述切片的特征；
（3） 任取一未镶嵌的切片，将其特征与每一组数据库图片的代表特征分别作对比，找到特征距离最小的一组数据库图片；
（4） 将所述切片特征与所述特征距离最小的一组数据库图片中每一张图片的代表特征分别作对比，选定特征距离最小的一张数据库图片作为替换图片；
（5） 将所述替代图片进行缩放处理，使得处理后的图片与所述切片大小一致；
（6） 将缩放处理后的所述替换图片镶嵌在所述目标图片上，其镶嵌区域即为与步骤（3）所述切片对应的矩形区域；记录该切片为已镶嵌的切片；
（7） 判断所述目标图片的矩形区域是否全部被替换图片镶嵌完毕，若是，执行步骤（8）；若否，返回步骤（3）；
（8） 生成镶嵌图片。
2.如权利要求1所述的一种镶嵌图片的生成方法，其特征在于，所述预处理包括如下步骤：
（101） 在数据库中储备彩色图片和灰度图片；
（102） 将每一数据库图片平均分割为4个或9个大小、形状相同的矩形区域，每一矩形区域内的图片为数据库切片；
（103） 计算每一彩色图片内的4个或9个数据库切片的R、G、B三色强度平均值，得到该彩色图片的12个或者27个彩色图片特征；
（104） 将所述彩色图片转为灰度图片；
（105） 计算每一灰度图片内的4个或9个数据库切片的灰度平均值，得到该灰度图片的4个或9个灰度图片特征；
（106） 对所有的数据库图片根据其彩色图片特征和灰度图片特征进行聚类方法处理或分类方法处理，使得所述数据库图片按照所述彩色图片特征或灰度图片特征分组，获得每一组数据库图片的代表特征。
3.如权利要求2所述的一种镶嵌图片的生成方法，其特征在于，所述聚类方法为不必指定类别数的自组织映射的聚类处理方法。
4.如权利要求2所述的一种镶嵌图片的生成方法，其特征在于，所述分类方法为指定类别数的K均值分类处理方法。
5.如权利要求1所述的一种镶嵌图片的生成方法，其特征在于，所述分割处理包括如下步骤：
（201） 判断待处理图片是彩色图还是灰度图：如果是彩色图，执行步骤（202）；若为灰度图，执行步骤（203）；
（202） 将所述彩色图片转为灰度图片；
（203） 判断是否存在可分割的待处理图片；若是，执行步骤（204），若否，执行步骤（205）；
（204） 将所述待处理图片平均分割成4个大小、形状相同的矩形区域，每一矩形区域内的图片为新的待处理图片，返回步骤（203）；
（205） 确认每一矩形区域内的图片为切片，计算所述切片的特征。
6.如权利要求5所述的一种镶嵌图片的生成方法，其特征在于，判断是否存在可分割的待处理图片，包括如下步骤：
（301）判断待处理图片区域内灰度值的最大值与最小值之差是否大于预设差值阈值，若是，执行步骤（302）；若否，执行步骤（303）；
（302）确定存在可分割的待处理图片；
（303）确定不存在可分割的待处理图片。
7.如权利要求6所述的一种镶嵌图片的生成方法，其特征在于，所述步骤（301）还可以为：判断待处理图片区域内熵值是否大于熵值阈值，若是，执行步骤（302）；若否，执行步骤（303）。
8.如权利要求1或5所述的一种镶嵌图片的生成方法，其特征在于，计算所述切片的特征，包括如下步骤：
（401）将每一切片平均分割为4个或9个大小、形状相同的矩形区域，每一矩形区域内的图片为微切片；
（402）判断所述切片为灰度图片还是彩色图片，若为彩色图片，执行步骤（403）；若为灰度图片，执行步骤（404）；
（403）计算每一切片内的4个或9个所述微切片的R、G、B三色强度平均值，得到该微切片的12个或者27个彩色切片特征；
（404）计算每一切片内的4个或9个微切片的灰度平均值，得到该切片的4个或9个灰度切片特征；
（405）记录所述切片的代表特征，所述切片的代表特征即为其灰度平均值或R、G、B三色强度平均值。
9.如权利要求8所述的一种镶嵌图片的生成方法，其特征在于，所述切片的特征是指所述切片的一维特征向量。
10.如权利要求2所述的一种镶嵌图片的生成方法，其特征在于，所述彩色图片的彩色强度特征向量包含12个或者27个特征值，所述灰度图片的灰度图片特征向量包含4个或者9个特征值，当待镶嵌目标图片是灰度图像时，用4个或9个切片灰度图片特征与数据库图片灰度图片特征进行匹配；当待镶嵌目标图片是彩色图像时，用12个或27个切片彩色图片特征与数据库图片彩色图片特征进行匹配。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012103891102A CN102930521A (zh) | 2012-10-15 | 2012-10-15 | 一种镶嵌图片的生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012103891102A CN102930521A (zh) | 2012-10-15 | 2012-10-15 | 一种镶嵌图片的生成方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102930521A true CN102930521A (zh) | 2013-02-13 |
Family
ID=47645311
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2012103891102A Pending CN102930521A (zh) | 2012-10-15 | 2012-10-15 | 一种镶嵌图片的生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102930521A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103929629A (zh) * | 2014-04-24 | 2014-07-16 | 厦门美图网科技有限公司 | 一种基于图像主要颜色的图像处理方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6549679B1 (en) * | 1998-09-10 | 2003-04-15 | Arcsoft, Inc. | Automated picture montage method and apparatus |
| JP2009171158A (ja) * | 2008-01-15 | 2009-07-30 | Comap Kk | モザイク画像生成装置、方法及びプログラム |
| US20110058057A1 (en) * | 2009-09-04 | 2011-03-10 | Sony Corporation | Image capture device and method, image processing device and method, and program |
| CN102013086A (zh) * | 2009-09-03 | 2011-04-13 | 索尼公司 | 图像处理设备和方法,以及程序 |
| CN102609894A (zh) * | 2012-01-14 | 2012-07-25 | 暨南大学 | 一种马赛克图像的合成方法及其装置 |
-
2012
- 2012-10-15 CN CN2012103891102A patent/CN102930521A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6549679B1 (en) * | 1998-09-10 | 2003-04-15 | Arcsoft, Inc. | Automated picture montage method and apparatus |
| JP2009171158A (ja) * | 2008-01-15 | 2009-07-30 | Comap Kk | モザイク画像生成装置、方法及びプログラム |
| CN102013086A (zh) * | 2009-09-03 | 2011-04-13 | 索尼公司 | 图像处理设备和方法,以及程序 |
| US20110058057A1 (en) * | 2009-09-04 | 2011-03-10 | Sony Corporation | Image capture device and method, image processing device and method, and program |
| CN102609894A (zh) * | 2012-01-14 | 2012-07-25 | 暨南大学 | 一种马赛克图像的合成方法及其装置 |
Non-Patent Citations (4)
| Title |
|---|
| GIANPIERO DI BLASI 等: "Smart Ideas for Photomosaic Rendering", 《EUROGRAPHICS ITALIAN CHAPTER CONFERENCE》, 31 December 2006 (2006-12-31), pages 267 - 272 * |
| 孙啸等: "《生物信息学基础》", 31 May 2005, article "聚类方法", pages: 292-298 * |
| 张丽娜: "基于自适应分割生成图像马赛克", 《万方学位论文数据库》, 31 May 2012 (2012-05-31), pages 1 - 16 * |
| 张汗灵: "《Matlab在图像处理中的应用》", 31 May 2008, article "基于四叉树结构的分割算法", pages: 248-254 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103929629A (zh) * | 2014-04-24 | 2014-07-16 | 厦门美图网科技有限公司 | 一种基于图像主要颜色的图像处理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3815048B1 (en) | Generating signal bearing art using stipple, voronoi and delaunay methods and reading same | |
| US20210352192A1 (en) | Recycling methods and systems, and related plastic containers | |
| US11651469B2 (en) | Generating artistic designs encoded with robust, machine-readable data | |
| Yang et al. | Graph-regularized saliency detection with convex-hull-based center prior | |
| US10896307B2 (en) | Generating and reading optical codes with variable density to adapt for visual quality and reliability | |
| CN106096610B (zh) | 一种基于支持向量机的文档图像二值化方法 | |
| Rathore et al. | Colour based image segmentation using L* a* b* colour space based on genetic algorithm | |
| EP3903228A1 (en) | Digital marking of items for recycling | |
| KR20070122129A (ko) | 색상 기반 이미지 코드의 색상 판별 방법 | |
| CN105450900A (zh) | 用于文档图像的畸变校正方法和设备 | |
| CN104239909A (zh) | 一种图像的识别方法和装置 | |
| US8718401B2 (en) | Image processing device, method and program | |
| WO2013106984A1 (en) | Learning painting styles for painterly rendering | |
| CN110956681B (zh) | 一种结合卷积网络和邻域相似性的人像背景自动替换方法 | |
| CN108921120A (zh) | 一种适应广泛零售场景下的香烟识别方法 | |
| CN105096347A (zh) | 图像处理装置和方法 | |
| CN105335469A (zh) | 一种图像匹配、检索方法和装置 | |
| KR20150112535A (ko) | 비디오 대표 이미지 관리 장치 및 방법 | |
| CN106537416A (zh) | 图像处理装置、文字识别装置、图像处理方法以及程序 | |
| CN104809245A (zh) | 一种图像检索方法 | |
| KR20120121424A (ko) | 영상 검색 장치 및 방법 | |
| Zhang et al. | Imageadmixture: Putting together dissimilar objects from groups | |
| Saifullah et al. | Fish Detection Using Morphological Approach Based-on K-Means Segmentation | |
| CN106056575B (zh) | 一种基于似物性推荐算法的图像匹配方法 | |
| CN108492345B (zh) | 一种基于尺度变换的数据块划分方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130213 |