CN103514612A - 一种彩色图像处理方法 - Google Patents

Abstract

本发明实施例公开了一种彩色图像的处理方法，该方法包括：对所述彩色图像进行处理，获得灰度图像；通过二进制位平面分解方法对所述灰度图像进行分解，获得分解后的二值图像；获取所述二值图像对应的格雷码位面图；获取所述格雷码位面图相应的编码参数；根据所述编码参数输入编码结果。在本发明实施例方法中，通过格雷码表示彩色图像的像素，利用三角形、矩形等非对称逆布局的模式表示模型对彩色图像进行处理，能够降低子模式数和减小所占用的存储空间，提高彩色图像处理的有效性。

Description

一种彩色图像处理方法

技术领域

本发明涉及图像处理技术领域，尤其涉及一种彩色图像处理方法。

背景技术

图像表示和图像运算一起组成图像模型，是模式分析中的重要组成部分。非对称逆布局的模式表示模型（Non-symmetry and Anti-packing patternrepresentation Model，NAM）适用于图像模式、语音模式、文本模式、视频模式的表示，是一个通用型的模式表示模型，有效的图像表示方法不仅能节省存储空间，而且还有利于提高图像处理的速度。

现有技术中，借助于Packing问题的思想，以寻找分割最大化的非对称分割方法为目标，提出了一种基于NAM的彩色图像表示方法，该方法中的子模式是单类型的矩形子模式。随后，通过对多子模式类型的组合（矩形和三角形）逆布局作进一步的研究，提出了一种改进的基于NAM的彩色图像表示算法（简称INAM算法）。与基于NAM的彩色图像表示算法和流行的基于线性四元树（Linear Quadtree，LQT）的彩色图像表示算法相比，INAM算法能更有效地减少子模式数（节点数）和数据存储空间，是彩色图像表示的一种更优的表示算法。又有采用了二进制位平面分解（Ginary-bit Plane Decomposition，BPD）方法来降低图像复杂度，取得了较好的表示效率。

而直接采用BPD方法来分解位平面却存在一个缺点，即像素点灰度值的微小变化会对位平面的复杂度产生较明显的影响，且会提高子模式数，并占用较大的存储空间。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种彩色图像处理方法，能够降低子模式数和减小所占用的存储空间，提高彩色图像处理的有效性。

为了解决上述问题，本发明提出了一种彩色图像处理方法，所述方法包括：

对所述彩色图像进行处理，获得灰度图像；

通过二进制位平面分解方法对所述灰度图像进行分解，获得分解后的二值图像；

获取所述二值图像对应的格雷码位面图；

获取所述格雷码位面图相应的编码参数；

根据所述编码参数输入编码结果。

优选地，所述编码参数包括：所述格雷码位面图相应的矩形、所述格雷码位面图相应的三角形、所述格雷码位面图相应的线段、所述格雷码位面图相应的孤立点。

优选地，所述获取所述格雷码位面图相应的编码参数的步骤包括：

按光栅扫描的顺序确定所述格雷码位面图相应的矩形；

按光栅扫描的顺序确定所述格雷码位面图相应的三角形；

按光栅扫描的顺序确定所述格雷码位面图相应的线段及孤立点。

优选地，所述按光栅扫描的顺序确定所述格雷码位面图相应的矩形子模式的步骤包括：

按光栅扫描的顺序，从格雷码位面图的第一个入口开始，确定一个未被标识的矩形子模式的起始点，根据矩形子模式的匹配算法获取相应的矩形子模式；

根据矩形子模式的效率尺度确定一个面积最大的矩形子模式，并将这个最大的矩形子模式在所述格雷码位面图中作标识；

将矩形子模式的计数变量的值加1，并记录该最大矩形子模式起始点坐标、长度值和宽度值，对起始点坐标作K码降维变换，将变换后的变量、长度值、宽度值存储到队列中，获得最终的格雷码位面图相应的矩形。

优选地，所述调按光栅扫描的顺序确定所述格雷码位面图相应的三角形的步骤包括：

按光栅扫描的顺序，从标记过的格雷码位面图的第一个入口开始，确定一个未被标识的三角形子模式；

根据找到的三角形子模式的类型将三角形子模式类型的标识符赋予相应的值，将这个三角形子模式在格雷码位面图中作标识；

将三角形的计数变量的值加1，记录斜边端点的两个坐标，分别对斜边的两个端点作K码降维变换，将三角形子模式类型的标识符及变换后的两个变量存储到队列中，获得最终的格雷码位面图相应的三角形。

优选地，所述按光栅扫描的顺序确定所述格雷码位面图相应的线段及孤立点的步骤包括：

按光栅扫描的顺序，从标记过的格雷码位面图的第一个入口开始，确定一个未被标记的点，根据子模式的匹配算法获取相应的线段；

若能获取线段，则将线段的计数变量的值加1，记录线段端点的两个坐标，对线段的两个端点作K码降维变换，将变换后的两个端点存储到队列中，获得最终的格雷码位面图相应的线段，并将存储的线段在格雷码位面图中作标识；

若不能获取线段，直接存储孤立点的坐标，将孤立点的计数变量的值加1，并将该孤立点的坐标作K码降维变换，将变换后的变量存储到队列中，并将该孤立点在格雷码位面图中作标识。

优选地，在所述对所述彩色图像进行处理，获得灰度图像的步骤之前，还包括：输入一幅2ⁿ×2ⁿ×3的彩色图像F及获得该彩色图像F灰度级参数m。

优选地，所述对所述彩色图像进行处理，获得灰度图像的步骤包括：

对2ⁿ×2ⁿ×3的彩色图像F进行处理，获得由r，g，b颜色分量组成的大小为2ⁿ×2ⁿ的灰度图像G[1]，G[2]，G[3]；

把矩形的计数变量r_n、三角形的计数变量t_n、线段的计数变量l_n、孤立点的计数变量p_n均赋值为0。

优选地，所述通过二进制位平面分解方法对所述灰度图像进行分解，获得分解后的二值图像的步骤包括：

用灰度图像的二进制位平面分解方法依次将三幅灰度图像G[1]，G[2]，G[3]各自分解为m幅二值图像BP_i(0≤i≤m-1)，BP_i(m≤i≤2m-1)，BP_i(2m≤i≤3m-1)。

优选地，所述获取所述二值图像对应的格雷码位面图的步骤包括：

当k＝1，2，3时，根据以下公式： $\left\{\begin{array}{cc}{\mathrm{AP}}_i={\mathrm{BP}}_i,& i=k\×m-1\\ {\mathrm{AP}}_i={\mathrm{BP}}_i\⊕{\mathrm{BP}}_{i+1},& (k-1)\×m\≤i\≤k\×m-2\end{array}\right.$ 依次计算出每m幅二值图像BP_i(0≤i≤m-1)，BP_i(m≤i≤2m-1)，BP_i(2m≤i≤3m-1)所分别对应的m幅格雷码位面图AP_i(0≤i≤m-1)，AP_i(m≤i≤2m-1)，AP_i(2m≤i≤3m-1)，并令j＝0。

在本发明实施例方法中，通过格雷码表示彩色图像的像素，利用三角形、矩形等非对称逆布局的模式表示模型对彩色图像进行处理，能够降低子模式数和减小所占用的存储空间，提高彩色图像处理的有效性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明的彩色图像处理方法的第一实施例的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是本发明的彩色图像处理方法的第一实施例的流程示意图，如图1所示，该方法包括：

S101，对彩色图像进行处理，获得灰度图像；

S102，通过二进制位平面分解BPD方法对灰度图像进行分解，获得分解后的二值图像；

S103，获取二值图像对应的格雷码位面图；

S104，获取格雷码位面图相应的编码参数；

S105，根据编码参数输入编码结果。

其中，该编码参数包括：格雷码位面图相应的矩形、格雷码位面图相应的三角形、格雷码位面图相应的线段、格雷码位面图相应的孤立点。

进一步地，S104包括：

按光栅扫描的顺序确定格雷码位面图相应的矩形；

按光栅扫描的顺序确定格雷码位面图相应的三角形；

按光栅扫描的顺序确定格雷码位面图相应的线段及孤立点。

其中，按光栅扫描的顺序确定格雷码位面图相应的矩形子模式的步骤包括：

按光栅扫描的顺序，从格雷码位面图的第一个入口开始，确定一个未被标识的矩形子模式的起始点，根据矩形子模式的匹配算法获取相应的矩形子模式；

根据矩形子模式的效率尺度确定一个面积最大的矩形子模式，并将这个最大的矩形子模式在格雷码位面图中作标识；

将矩形子模式的计数变量的值加1，并记录该最大矩形子模式起始点坐标、长度值和宽度值，对起始点坐标作K码降维变换，将变换后的变量、长度值、宽度值存储到队列中，获得最终的格雷码位面图相应的矩形。

调按光栅扫描的顺序确定格雷码位面图相应的三角形的步骤包括：

按光栅扫描的顺序，从标记过的格雷码位面图的第一个入口开始，确定一个未被标识的三角形子模式；

根据找到的三角形子模式的类型将三角形子模式类型的标识符赋予相应的值，将这个三角形子模式在格雷码位面图中作标识；

将三角形的计数变量的值加1，记录斜边端点的两个坐标，分别对斜边的两个端点作K码降维变换，将三角形子模式类型的标识符及变换后的两个变量存储到队列中，获得最终的格雷码位面图相应的三角形。

按光栅扫描的顺序确定格雷码位面图相应的线段及孤立点的步骤包括：

按光栅扫描的顺序，从标记过的格雷码位面图的第一个入口开始，确定一个未被标记的点，根据子模式的匹配算法获取相应的线段；

若能获取线段，则将线段的计数变量的值加1，记录线段端点的两个坐标，对线段的两个端点作K码降维变换，将变换后的两个端点存储到队列中，获得最终的格雷码位面图相应的线段，并将存储的线段在格雷码位面图中作标识；

若不能获取线段，直接存储孤立点的坐标，将孤立点的计数变量的值加1，并将该孤立点的坐标作K码降维变换，将变换后的变量存储到队列中，并将该孤立点在格雷码位面图中作标识。

在本发明实施例方法中，通过格雷码表示彩色图像的像素，利用三角形、矩形等非对称逆布局的模式表示模型对彩色图像进行处理，能够降低子模式数和减小所占用的存储空间，提高彩色图像处理的有效性。

另外，本发明还提供了彩色图像处理方法的第二实施例，具体方法流程如下：

步骤1，输入一幅2ⁿ×2ⁿ×3的彩色图像F及获得该彩色图像F灰度级参数m。

步骤2，对2ⁿ×2ⁿ×3的彩色图像F进行处理，获得由r，g，b颜色分量组成的大小为2ⁿ×2ⁿ的灰度图像G[1]，G[2]，G[3]；

步骤3，把矩形的计数变量r_n、三角形的计数变量t_n、线段的计数变量l_n、孤立点的计数变量p_n均赋值为0；

步骤4，用灰度图像的二进制位平面分解方法依次将三幅灰度图像G[1]，G[2]，G[3]各自分解为m幅二值图像BP_i(0≤i≤m-1)，BP_i(m≤i≤2m-1)，BP_i(2m≤i≤3m-1)；

步骤5，当k＝1，2，3时，根据以下公式： $\left\{\begin{array}{c}{\mathrm{AP}}_i={\mathrm{BP}}_i,\\ {\mathrm{AP}}_i={\mathrm{BP}}_i\⊕{\mathrm{BP}}_{i+1},\end{array}\right.$ $\begin{array}{c}i=k\×m-1\\ (k-1)\×m\≤i\≤k\×m-2\end{array}$ 依次计算出每m幅二值图像BP_i(0≤i≤m-1)，BP_i(m≤i≤2m-1)，BP_i(2m≤i≤3m-1)所分别对应的m幅格雷码位面图AP_i(0≤i≤m-1)，AP_i(m≤i≤2m-1)，AP_i(2m≤i≤3m-1)，并令j＝0；

步骤6，获取格雷码位面图相应的编码参数；

步骤7，根据编码参数输入编码结果。

在本发明实施例中，设已经布局好的的彩色图像F的大小为2ⁿ×2ⁿ×3，灰度级参数为m，其分解后的3幅灰度图像为G[1]，G[2]，G[3]，大小均为2ⁿ×2ⁿ。

本发明中预先定义的子模式集合为一个矩形和一个三角形子模式。矩形子模式用P_r＝{r|r＝(s，l，w)}来表示，但是这里的矩形不包括线段和孤立点，也即l和w必须同时大于或等于2。三角形子模式用P_t＝{t|t＝(f，h₁，h₂)}来表示，其中f为三角形子模式类型的标识符，h₁和h₂表示斜边的两个端点,由于形成一个矩形需要4个点而形成一个三角形需要3个点，因此在本发明方法实施例中也有可能会出现线段和孤立点的情况。

在二值图像中，假定“0”为“black”（黑色），“1”为“white”（白色），黑色表示区域，白色表示背景点。在本发明方法具体实施中，只需记录“black”象素点。

下面将结合具体的实施例对本发明的图像处理方法以及有益技术效果进行进一步的说明。

输入：一幅2ⁿ×2ⁿ×3的彩色图像F及其灰度级参数m。

输出：编码结果E＝{R，T，L，P}，且R＝{R₀，R₁，…，R_3m-1}、T＝{T₀，T₁，…，T_3m-1}、L＝{L₀，L₁，…，L_3m-1}、P＝{P₀，P₁，…，P_3m-1}，其中，R_i、T_i、L_i、P_i（0≤i≤3m-1）分别表示第i个格雷码位面图AP_i的矩形三角形、线段、孤立点的编码结果。

步骤1：对于一个给定的大小为2ⁿ×2ⁿ×3的彩色图像F，分别取得它的r，g，b颜色分量组成的大小为2ⁿ×2ⁿ的灰度图像G[1]，G[2]，G[3]，把矩形的计数变量r_n、三角形的计数变量t_n、线段的计数变量l_n、孤立点的计数变量p_n均赋值为0。

步骤2：用灰度图像的BPD方法依次将3幅灰度图像G[1]，G[2]，G[3]各自分解为m幅二值图像BP_i(0≤i≤m-1)，BP_i(m≤i≤2m-1)和BP_i(2m≤i≤3m-1)。

步骤3：当k＝1，2，3时，根据以下公式： $\left\{\begin{array}{c}{\mathrm{AP}}_i={\mathrm{BP}}_i,\\ {\mathrm{AP}}_i={\mathrm{BP}}_i\⊕{\mathrm{BP}}_{i+1},\end{array}\right.$ $\begin{array}{c}i=k\×m-1\\ (k-1)\×m\≤i\≤k\×m-2\end{array}$ 依次计算出每m幅二值图像BP_i(0≤i≤m-1)，BP_i(m≤i≤2m-1)，BP_i(2m≤i≤3m-1)所分别对应的m幅格雷码位面图AP_i(0≤i≤m-1)，AP_i(m≤i≤2m-1)，AP_i(2m≤i≤3m-1)APi(0≤i≤m-1)，APi(m≤i≤2m-1)和APi(2m≤i≤3m-1)，并令j＝0。

步骤4：按光栅扫描的顺序，从AP_j的第一个入口开始，首先确定一个未被标识的矩形子模式的起始点(x，y)，再根据矩形子模式的匹配（逆布局）算法来追迹相应的矩形子模式。

步骤5：根据矩形子模式的效率尺度（即：矩形子模式的面积）确定一个面积最大的矩形子模式，并将这个最大的矩形子模式在AP_j中作标识，以便下一个起始点的寻找。

步骤6：将矩形子模式的计数变量r_n的值加1，并记录此最大矩形子模式3个参数，即：起始点坐标(x，y)，长度值l和宽度值w，然后对起始点坐标(x，y)作K码降维变换，即：s←K(x，y)。最后将s、l和w这3个变量存储到队列R_j中，即有R_j{r_n}←{s，l，w}。

步骤7：循环执行步骤4到步骤6，直到不能形成新的矩形子模式为止。

步骤8：按光栅扫描的顺序，从标记过的AP_j的第一个入口开始，首先确定一个未被标识的三角形子模式。

步骤9：根据找到的三角形子模式的类型，将三角形子模式类型的标识符f赋为相应的值，即：如果是上三角形则令f＝0，如果是下三角形则令f＝1，如果是对称上三角形则令f＝2，如果是对称下三角形则令f＝3，最后将这个三角形子模式在APj中作标识。

步骤10：将三角形的计数变量t_n的值加1，记录斜边端点的两个坐标(x₁，y₁)和(x₂，y₂)，对斜边的两个端点作K码降维变换，即：h₁←K(x₁，y₁)，h₂←K(x₂，y₂)。最后将f，h₁和h₂这3个变量存储到队列T_j中，即有T_j{t_n}＝{f，h₁，h₂}。

步骤11：循环执行步骤8到步骤10，直到不能形成新的三角形子模式为止。

步骤12：按光栅扫描的顺序，从标记过的AP_j的第一个入口开始，首先确定一个未被标记的点，再根据子模式的匹配（逆布局）算法来尽可能地形成最长的线段，如果能形成线段，则将线段的计数变量l_n的值加1，记录线段端点的两个坐标(x₁，y₁)和(x₂，y₂)，对线段的两个端点作K码降维变换，即：l₁←K(x₁，y₁)，l₂←K(x₂，y₂)。最后将l₁和l₂这2个变量存储到队列l_j中，即有L_j{l_n}＝{l₁，l₂}，且将存储过的此线段在AP_j中作标识。否则，说明只能形成孤立点，执行步骤13。

步骤13：直接存储孤立点的坐标(x，y)，将孤立点的计数变量P_n的值加1，将这个点作K码降维变换，即：p←K(x，y)，将p这个变量存储到队列P_j中，即有P_j{p_n}＝{p}，并将此点在AP_j中作标识。

步骤14：循环执行步骤12到步骤13，直到不能形成新的线段和孤立点为止。

步骤15：执行j＝j+1。当j≤3m-1时，则返回执行步骤4。

步骤16：输出编码结果E＝{R，T，L，P}，其中R＝{R₀，R₁，…，R_3m-1}、T＝{T₀，T₁，…，T_3m-1}、L＝{L₀，L₁，…，L_3m-1}、P＝{P₀，P₁，…，P_3m-1}，其中，R_i、T_i、L_i、P_i（0≤i≤3m-1）分别表示第i个格雷码位面图AP_i的矩形三角形、线段、孤立点的编码结果。

在本发明实施例中，灰度图像经BPD后，所有格雷码位面图逆布局后的子模式总数小于所有二值位面图逆布局后的子模式总数，也就是说，格雷码位面图更有利于扩展或保持二值位面图的块状性。

对于给定的灰度级参数为m的灰度图像G，经灰度图像的BPD后，设格雷码位面图AP_i和二值位面图BP_i逆布局后的矩形、三角形、线段、孤立点的子模式数分别为M_r(i)、M_t(i)、M_l(i)、M_p(i)和N_r(i)、N_t(i)、N_l(i)、N_p(i)，则 $\underset{i=0}{\overset{m-1}{\mathrm{\&Sigma;}}}(M_r\left(i\right)+M_t\left(i\right)+M_l\left(i\right)+M_p\left(i\right))<\underset{i=0}{\overset{m-1}{\mathrm{\&Sigma;}}}(N_r\left(i\right)+N_t\left(i\right)+N_l\left(i\right)+N_p\left(i\right)),$ 其中0≤i≤m-1。

由格雷码编码公式可知：

(1)当0≤i≤m-2，

时，由格雷码的特点可知，两个相邻像素的格雷码只有1个比特位的区别。如：给定G中的两个相邻像素G(x₁，y₁)＝31＝(00011111)₂，G(x₂，y₂)＝32＝(00100000)₂，其对应的格雷码表示分别为：(00010000)₂和(00110000)₂。显然，相邻像素31和32的二进制码有6位不同，但其格雷码仅有1位不同，即7位是相同的。因此，如果用格雷码来表示图像中所有像素的灰度值，则像素点灰度值的小变化就不会影响所有的位平面，从而有利于扩展AP_i中图像的块状性，从而使得对AP_i的逆布局所得到的各类子模式数少于对BP_i的逆布局所得到的各类子模式总数，即：M_r(i)＜N_r(i)，M_t(i)＜N_t(i)，M_l(i)＜N_l(i)，M_p(i)＜N_p(i)。

(2)当i＝m-1，AP_i＝BP_i时，因而AP_i中图像的块状性与BP_i中图像的块状性是一样的，即：AP_i能保持BP_i的块状结构，因此，M_r(i)＝N_r(i)，M_t(i)＝N_t(i)，M_l(i)＝N_l(i)，M_p(i)＝N_p(i)。

综上所述，当0≤i≤m-1时，AP_i能保持或扩展BP_i的块状性，即 $\underset{i=0}{\overset{m-1}{\mathrm{\&Sigma;}}}(M_r\left(i\right)+M_t\left(i\right)+M_l\left(i\right)+M_p\left(i\right))<\underset{i=0}{\overset{m-1}{\mathrm{\&Sigma;}}}(N_r\left(i\right)+N_t\left(i\right)+N_l\left(i\right)+N_p\left(i\right)),$ 从而证明了本发明的彩色图像处理方法能够更有效地更有效地减少子模式数。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器（ROM，Read Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁盘或光盘等。

另外，以上对本发明实施例所提供的彩色图像处理方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种彩色图像的处理方法，其特征在于，所述方法包括：

对所述彩色图像进行处理，获得灰度图像；

通过二进制位平面分解方法对所述灰度图像进行分解，获得分解后的二值图像；

获取所述二值图像对应的格雷码位面图；

获取所述格雷码位面图相应的编码参数；

根据所述编码参数输入编码结果。

2.如权利要求1所述的彩色图像处理方法，其特征在于，所述编码参数包括：所述格雷码位面图相应的矩形、所述格雷码位面图相应的三角形、所述格雷码位面图相应的线段、所述格雷码位面图相应的孤立点。

3.如权利要求2所述的彩色图像处理方法，其特征在于，所述获取所述格雷码位面图相应的编码参数的步骤包括：

按光栅扫描的顺序确定所述格雷码位面图相应的矩形；

按光栅扫描的顺序确定所述格雷码位面图相应的三角形；

按光栅扫描的顺序确定所述格雷码位面图相应的线段及孤立点。

4.如权利要求3所述的彩色图像处理方法，其特征在于，所述按光栅扫描的顺序确定所述格雷码位面图相应的矩形子模式的步骤包括：

按光栅扫描的顺序，从格雷码位面图的第一个入口开始，确定一个未被标识的矩形子模式的起始点，根据矩形子模式的匹配算法获取相应的矩形子模式；

根据矩形子模式的效率尺度确定一个面积最大的矩形子模式，并将这个最大的矩形子模式在所述格雷码位面图中作标识；

将矩形子模式的计数变量的值加1，并记录该最大矩形子模式起始点坐标、长度值和宽度值，对起始点坐标作K码降维变换，将变换后的变量、长度值、宽度值存储到队列中，获得最终的格雷码位面图相应的矩形。

5.如权利要求3所述的彩色图像处理方法，其特征在于，所述调按光栅扫描的顺序确定所述格雷码位面图相应的三角形的步骤包括：

按光栅扫描的顺序，从标记过的格雷码位面图的第一个入口开始，确定一个未被标识的三角形子模式；

根据找到的三角形子模式的类型将三角形子模式类型的标识符赋予相应的值，将这个三角形子模式在格雷码位面图中作标识；

将三角形的计数变量的值加1，记录斜边端点的两个坐标，分别对斜边的两个端点作K码降维变换，将三角形子模式类型的标识符及变换后的两个变量存储到队列中，获得最终的格雷码位面图相应的三角形。

6.如权利要求3所述的彩色图像处理方法，其特征在于，所述按光栅扫描的顺序确定所述格雷码位面图相应的线段及孤立点的步骤包括：

按光栅扫描的顺序，从标记过的格雷码位面图的第一个入口开始，确定一个未被标记的点，根据子模式的匹配算法获取相应的线段；

若能获取线段，则将线段的计数变量的值加1，记录线段端点的两个坐标，对线段的两个端点作K码降维变换，将变换后的两个端点存储到队列中，获得最终的格雷码位面图相应的线段，并将存储的线段在格雷码位面图中作标识；

若不能获取线段，直接存储孤立点的坐标，将孤立点的计数变量的值加1，并将该孤立点的坐标作K码降维变换，将变换后的变量存储到队列中，并将该孤立点在格雷码位面图中作标识。

7.如权利要求1所述的彩色图像处理方法，其特征在于，在所述对所述彩色图像进行处理，获得灰度图像的步骤之前，还包括：输入一幅2ⁿ×2ⁿ×3的彩色图像F及获得该彩色图像F灰度级参数m。

8.如权利要求1至7任意一项所述的彩色图像处理方法，其特征在于，所述对所述彩色图像进行处理，获得灰度图像的步骤包括：

对2ⁿ×2ⁿ×3的彩色图像F进行处理，获得由r，g，b颜色分量组成的大小为2ⁿ×2ⁿ的灰度图像G[1]，G[2]，G[3]；

把矩形的计数变量r_n、三角形的计数变量t_n、线段的计数变量l_n、孤立点的计数变量p_n均赋值为0。

9.如权利要求8所述的彩色图像处理方法，其特征在于，所述通过二进制位平面分解方法对所述灰度图像进行分解，获得分解后的二值图像的步骤包括：

用灰度图像的二进制位平面分解方法依次将三幅灰度图像G[1]，G[2]，G[3]各自分解为m幅二值图像BP_i(0≤i≤m-1)，BP_i(m≤i≤2m-1)，BP_i(2m≤i≤3m-1)。

10.如权利要求9所述的彩色图像处理方法，其特征在于，所述获取所述二值图像对应的格雷码位面图的步骤包括：

当k＝1，2，3时，根据以下公式： $\left\{\begin{array}{cc}{\mathrm{AP}}_i={\mathrm{BP}}_i,& i=k\&times;m-1\\ {\mathrm{AP}}_i={\mathrm{BP}}_i\&CirclePlus;{\mathrm{BP}}_{i+1},& (k-1)\&times;m\&le;i\&le;k\&times;m-2\end{array}\right.$ 依次计算出每m幅二值图像BP_i(0≤i≤m-1)，BP_i(m≤i≤2m-1)，BP_i(2m≤i≤3m-1)所分别对应的m幅格雷码位面图AP_i(0≤i≤m-1)，AP_i(m≤i≤2m-1)，AP_i(2m≤i≤3m-1)，并令j＝0。

Images