CN104809721A - 一种漫画分割方法及装置 - Google Patents

Abstract

一种漫画分割方法，包括步骤：划分输入图像区域：根据用户输入并基于纹理特征对输入图像进行区域划分，且将输入图像的区域划分为初始区域和非初始区域；平滑输入图像：基于纹理平滑算法对输入图像进行平滑处理，获取所述输入图像的平滑图；延伸初始区域：将所述初始区域基于所述平滑图作区域延伸，以获取平滑连通图；分割平滑连通图：利用图像分割算法对平滑连通图进行分割，并获取输入图像被精确分割的纹理区域。由于综合使用纹理特征和纹理平滑算法分割图像，使得本申请的漫画分割方法既具备分辨纹理的能力，又可以得到较为准确的边缘，从而能够从漫画图片中分割出准确的纹理区域。

Description

一种漫画分割方法及装置

技术领域

本发明涉及图像分割领域，具体涉及一种漫画分割方法及装置。

背景技术

随着电子设备的发展与普及化，越来越多的人不再局限于传统的漫画书，而开始习惯用电子设备阅读漫画。电子漫画，作为一种新的漫画形式，逐渐占据越来越大的市场份额。漫画公司与漫画家也开始以电子形式制作电子漫画，并将以传统方式制作的漫画书转为电子漫画。值得注意的是，将漫画书转成电子漫画不仅仅是简单的扫描而已。与大小一定的漫画书不同的是，计算机、平板电脑、手机等电子设备有着各种大小的显示屏。因此，漫画页需要被放大或者缩小以适应不同大小的显示屏。可以想象的是，当显示屏过大或过小的时候，漫画页的内容会模糊或者不清楚，所以这就需要一种具有内容感知能力的漫画页放缩技术。

除此之外，电子漫画不再是静态的黑白漫画，漫画公司在制作电子漫画的时候，往往会徒手为其上色，并加入动态效果以吸引读者，这种类型的漫画也有一个新的名称——动态漫画。为了制作此类动态的彩色电子漫画，理解漫画页的内容是最为重要的核心。如果我们知道哪些像素点代表着同一区域或者物体，我们就能方便地将这一区域上色或者为这一物体加入动态效果。我们将这一识别漫画页中的区域与物体的技术称为漫画分割技术，即是，对于给定的漫画图片，漫画分割技术会将这一漫画图片按照语义分成多个区域，其中每个区域在语义上相同。如图1所示，左图为一幅漫画图片，右图为分割的结果，可以见到人物与背景分属于两个不同的区域。

为了将图片按照语义分成不同的区域，传统的图片分割算法会基于像素点的颜色/灰度连接性将自然图片分为不同区域。这些自然图片分割算法往往会假定自然图片中同样的区域或物体里相近像素点的颜色/灰度会非常相似，所以才能基于颜色/灰度的连续性对自然图片做分割。但这些算法却不能被直接应用于分割漫画图片，这是由于漫画图片只有黑色和白色，所以漫画家会用不同的纹理来表达不同的颜色与材质。由于纹理的使用，同一区域或物体内的相邻像素点之间并不一定连续，这便使得已有的自然图片分割算法变的不可行。为了辨识纹理区域，我们可以对不同纹理的特征做归纳和建模，不同的纹理特征建模会得到不同的纹理特征符。基于纹理特征符，我们可以基于某一小块区域的纹理特征作为样例来找到与具有相似纹理特征的像素点。但是这样并不能找到同一纹理区域里所有的像素点，这是由于每个像素点的纹理特征是在一个小块区域里分析得出，这便使得纹理区域内部的像素点与边缘的像素点之间的纹理特征并不一样。所以基于纹理特征符来分割漫画时尽管能够得到大体的区域，但却不能得到准确的边缘。除了纹理特征符，纹理平滑化算法可以将纹理区域变成平滑区域的同时也保留相对准确的边缘信息，但是纹理平滑化算法并不能直接用于侦测区域与物体。此外，区域平滑算法也无法区分灰度相同的不同纹理，因此也不能直接应用于漫画分割。

发明内容

针对现有技术中不能精确分割漫画纹理区域的问题，本申请提供一种漫画分割方法及装置。

根据本申请的第一方面，本申请提供一种漫画分割方法，包括步骤：

划分输入图像区域：根据用户输入并基于纹理特征对输入图像进行区域划分，且将输入图像的区域划分为初始区域和非初始区域，用户输入包括至少一笔画，初始区域为与用户输入笔画的区域纹理相似的区域，非初始区域为与用户输入笔画的区域纹理不相似的区域；

平滑输入图像：基于纹理平滑算法对输入图像进行平滑处理，获取输入图像的平滑图；

延伸初始区域：将初始区域基于平滑图作区域延伸，以获取平滑连通图；

分割平滑连通图：利用图像分割算法对平滑连通图进行分割，并获取输入图像被精确分割的纹理区域。

根据本申请的第二方面，本申请还提供一种漫画分割装置，包括：

划分模块，用于根据用户输入并基于纹理特征对输入图像进行区域划分，且将输入图像的区域划分为初始区域和非初始区域，用户输入包括至少一笔画，初始区域为与用户输入笔画的区域纹理相似的区域，非初始区域为与用户输入笔画的区域纹理不相似的区域；

平滑模块，用于基于纹理平滑算法对输入图像进行平滑处理，获取输入图像的平滑图；

延伸模块，用于将初始区域基于平滑图作区域延伸，以获取平滑连通图；

分割模块，用于利用图像分割算法对平滑连通图进行分割，并获取输入图像被精确分割的纹理区域。

依据上述实施例的漫画分割方法，由于先基于纹理特征对输入图像进行区域划分，将与用户输入笔画的纹理相似的区域划分为初始区域，之后再通过纹理平滑算法修正初始区域的边缘，使得本申请的漫画分割方法即具备分辨纹理的能力，又可以得到较为准确的边缘，从而能够从漫画图片中分割出准确的纹理区域。

附图说明

图1为漫画分割结果示意图；

图2为实施例一中漫画分割方法流程图；

图3为实施例一中划分输入图像区域的流程图；

图4为实施例一中漫画分割装置原理图；

图5为实施例二中应用漫画分割方法分割图像的示意图，其中，图5(a)为系统的输入图像；图5(b)为用户输入的笔画；图5(c)为基于图5(b)中用户输入笔画的纹理相似图；图5(d)为图5(c)的分割示意图；图5(e)为输入图像的平滑图；图5(f)为图5(d)基于图5(e)扩展的平滑连通图；图5(g)和图5(h)为分割图5(b)得到的精确纹理区域图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。

现有的图片分割方法有三种：基于特征的纹理分割、规则/半规则纹理分析、纹理平滑技术。基于特征的纹理分割技术是基本最为常用的纹理分割技术，这一类型的技术主要是通过分析纹理区域的特征并建模，再根据建立的特征模型找出纹理相似的区域。常用的纹理特征包括图案大小、长宽比、方向、亮度以及密度等。较为有名的纹理特征模型有Gabor滤波器、滤波器组统计、随机域模型、小波表示等。纹理特征模型是纹理分割的基础，基于纹理特征，可以对纹理分类、分割以及合成。纹理分割技术主要分为两种——监督分割与无监督分割。其中，屈等人基于Gabor滤波器并通过水平集方法试图对漫画的纹理区域上色。但是Gabor滤波器尽管可以分辨不同的纹理，却无法给出准确的边界，所以尽管这一方法适用于漫画上色，却并不适用于需要较高精确度的漫画分割。规则/半规则纹理分析技术主要针对规则纹理或者半规则纹理，基于纹理内相邻图案间的空间关系与相似性来辨识纹理区域。这一类型的技术多针对某一特殊纹理做纹理分析，例如栅栏检测与去除技术，以及半色调纹理平滑技术。但是这一类型的技术只适用于规则或半规则纹理，而漫画图片经常大量使用不规则纹理(如阴影线)，所以这些技术不能直接应用于漫画分割。纹理平滑技术致力于将图片中的纹理区域变的光滑，以便于纹理区域的分割与识别。如何在平滑化纹理区域的同时还保留住锐利的边缘是纹理平滑算法的核心所在。早期的纹理平滑技术通过分析图片的局部变化，去除小规模纹理而保留大规模纹理(即结构)，从而达到纹理平滑的效果。为了区别小规模的纹理与结构，近期的纹理平滑化算法包括双边滤波器、局部直方图滤波、WLS、极值抽取外推法、梯度优化、相对局部变化等。但是这一类型的方法仅仅是根据局部信息来压缩纹理，并没有对纹理或者结构建模，因此这类方法往往缺乏纹理本身的语义信息。也就是说，尽管平滑后的图片有着较为准确的边界，这类方法是无法分辨出两个像素点是否具有相似的纹理。例如，不同方向的阴影线在平滑化处理后会具有完全相同的灰度。总的来说，基于特征的纹理分割技术具备分辨纹理的能力，却不能得到准确的边缘；纹理平滑技术可以得到较为准确的边缘却不具备分辨纹理的能力。

而在本发明实施例中，将基于特征的纹理分割方法和纹理平滑方法相结合，并应用于漫画分割中，使得本发明的漫画分割方法即具备分辨纹理的能力，又能够得到准确的边缘，从而能够自动地将用户标注的区域精确的分割出来。

实施例一：

本实施例提供一种漫画分割方法，其包括如下步骤，其流程图如图2所示。

S100：划分输入图像区域。

本步骤中，根据用户输入并基于纹理特征对输入图像进行区域划分，将输入图像的区域划分为初始区域和非初始区域，其中，用户输入包括至少一笔画，初始区域为与用户输入笔画的区域纹理相似的区域，非初始区域为与用户输入笔画的区域纹理不相似的区域；即用户只需要简单随意地在其想要分割出的区域内画一笔或者几笔，本步骤即可实现将用户想要分割出的区域划分为初始区域，其他区域划分为非初始区域。

具体的，步骤S100包括以下步骤，其流程图如图2所示。

S101：建立用户输入笔画像素点的纹理特征向量。

本步骤利用Gabor滤波器归纳用户输入笔画像素点的纹理特征，Gabor滤波器是基于统计的纹理特征符，可以用来判断两个像素点是否具有相似的纹理。在其他实施例中，可以采用其他纹理特征模型归纳用户输入笔画像素点的纹理特征。

Gabor滤波器的工作过程是：如给定一张图片I(x,y)，其通过Gabor小波变换可记作：

$W_{m,n}(u,v)=\underset{\mathrm{\Ω}}{\∫}I(x,y)g_{m,n}^{*}(u-x,v-y)\mathrm{dxdy};$

其中m和n分别是尺度和方向维度的索引值，角标^*代表复共轭，g_m,n可以通过扩大与旋转二维Gabor函数及其傅里叶变换G(u,v)的小波系数得到：

$g(x,y)=\left(\frac{1}{2\mathrm{\π}{\mathrm{\σ}}_x{\mathrm{\σ}}_y}\right)\exp [-\frac{1}{2}(\frac{x^2}{{\mathrm{\σ}}_x^2}+\frac{y^2}{{\mathrm{\σ}}_y^2})+2\mathrm{\πjWx}];$

$G(u,v)=\exp \{-\frac{1}{2}[\frac{{(u-W)}^2}{{\mathrm{\σ}}_u^2}+\frac{v^2}{{\mathrm{\σ}}_v^2}\left]\right\};$

其中，σ_u＝1/2πσ_x，σ_v＝1/2πσ_y定义g_m,n(x,y)＝a^-mG(x′,y′)，a>1，m与n是整数，x′＝a^-m(xcosθ+ysinθ)，y′＝a^-m(-xcosθ+ysinθ)，θ＝nπ/N，N为方向数，a^-m是扩展系数。

根据上述定义，可以将图片在不同尺度和方向上进行小波变换，其变换系数在各尺度和方向的均值μ_m,n和标准差σ_m,n分别定义如下：

μ_m,n＝∫∫|W_m,n(x,y)|dxdy；

${\mathrm{\σ}}_{m,n}=\sqrt{{\∫\∫\left(\right|W_{m,n}(x,y)|-{\mathrm{\μ}}_{m,n})}^2\mathrm{dxdy}}.$

基于以上定义，可以将每个像素点的纹理特征向量为变换系数在各尺度和方向的均值和标准差，这些均值和标准差代表着像素点不同尺度和方向的局部特征，本例采用了四个尺度、六个方向共二十四维的纹理特征向量，即[μ_0，0，σ_0，0，μ_0，1，σ_0，1，…，μ_3，5，σ_3，5]。

S102：计算输入图像中每一像素点与用户输入笔画像素点的纹理特征的差异度，并基于该差异度得到纹理相似图。

根据步骤S101中建立的纹理特征向量，可以归纳用户输入笔画像素点的纹理特征，由于用户的笔画可能会穿越不同的纹理区域或者物体，为了能够同时处理多种纹理，本例先从用户所画到的所有像素点的纹理点特征中归纳出k个主要纹理特征。为了归纳主要纹理特征，本例使用K均值聚类法。对像素点p，将其纹理特征向量写为t_p。我们将K个主要纹理特征标记为T₁,T₂,…,T_k，为了得到这些主要纹理特征，本例采用试图最小化以下的能量函数：

$\arg \min \underset{i=1}{\overset{k}{\mathrm{\Σ}}}\underset{p}{\mathrm{\Σ}}{\left|\right|t_p-T_i\left|\right|}^2.$

通过K均值聚类法，可以得到k个主要纹理特征，一个纹理区域里包括的主要纹理特征一般有1～5个。为了允许用户使用时选择多个纹理区域，本例设定k＝20。得到主要纹理特征之后，进一步分析输入图像中每一个像素点与主要纹理特征的纹理相似性。由于有多个主要纹理特征，一般认为像素点的纹理特征只要和某一个主要纹理特征的纹理相似，此像素点就与用户所描述的纹理特征相似，也就是说，像素点p与主要纹理特征的差异度为：

$c_p=\underset{i}{\min }{\left|\right|t_p-T_i\left|\right|}^2;$

像素点与主要纹理越相似，其差异度越小；反之，像素点与主要纹理越不相似，其差异度越大。像素点与主要纹理特征的差异度被可视化为纹理相似图。

S103：利用图像分割算法分割纹理相似图。

由于纹理特征本就是用来判断两个像素点的纹理的大致相似性，其并不准确，又因为对用户所描述的区域的主要纹理的归纳也并不精确，为了保证初始区域相对平滑，本例基于纹理相似度并使用图像分割算法把纹理相似图分割为初始区域与非初始区域。

本步骤进一步细化为：

建立一连通图，连通图包含源点(source)和汇点(sink)；

将纹理相似图中的每一个像素点转化为连通图内相对应的顶点；

利用图像分割算法将连通图分割，并判断各顶点是否与源点或汇点相连，若与源点相连，则顶点对应的像素点属于初始区域内，若与汇点相连，则顶点对应的像素点属于非初始区域内。

本步骤中，图像分割算法采用一个最优的分割方式，使得分割连通图时所切断的边上的权重总和最小，即：

$\min \underset{p,u}{\mathrm{\Σ}}D(n_p,u_p)+{\mathrm{\ω}}_c\underset{\left|\right|p-q\left|\right|\≤1}{\mathrm{\Σ}}S(n_p,n_q);$

其中，u_p∈{source,sink}是像素点p的分类标签，ω_c是两项之间的权重因改数，本例设为1，D(n_p,u_p)代表顶点与源点或汇点相连接的边所对应的权重，具体的，代表顶点与源点相连接的边所对应的权重，代表顶点与汇点相连接的边所对应的权重，其中，是将c_p标准化后的值，由于源点和汇点是像素点的分类标签，所以，与主要纹理特征的纹理越相似的像素点越更可能与源点连接，与主要纹理特征的纹理越不相似的像素点越更可能与汇点连接；任意两个相邻像素点之间也同样连接，由于相邻像素点属于同一区域的概率非常高，所以两个相邻像素点之间的权重用该两个像素点的纹理相似度表示，即S(n_p,n_q)＝||t_p-t_q||²。

使用图像分割算法之后，纹理相似图被分为两个部分。由于纹理相似性并没有考虑像素点与用户所画的区域的距离，所以在得到初始区域后，本例将根据像素点之间的连接性，把与用户所画的区域不相交的子区域从初始区域中删除，便得到了初始的纹理相似区域。

S200：平滑输入图像。

本步骤中，基于纹理平滑算法对输入图像进行平滑处理，获取输入图像的平滑图。

本例采用的纹理平滑算法是现有的纹理平滑算法的一种，纹理平滑算法的优势在于，在将纹理区域处理的较为平滑的同时保留其外部边缘。

S300：延伸初始区域。

将初始区域基于平滑图作区域延伸，以获取平滑连通图；本步骤具体细化为：

设初始区域内的像素点的平滑连通值为0，设非初始区域内的像素点的平滑连通值为+∞；

针对平滑图内每一个像素点，基于其周边像素点的平滑连通值及像素点之间的平滑度更新其自身的平滑连通值，具体为：

其中，v_q为周边像素点的平滑连通值，|J_p-J_q|为两像素点之间的平滑度；具体的更新过程是：由于每个像素点的平滑连通值被设为0或+∞，然后，根据公式对每个像素点的平滑连通值做迭代更新，直到每个像素点的平滑连通值不再变化为止；

根据平滑图内每一个像素点的平滑连通值到平滑连通图。

S400：分割平滑连通图。

利用图像分割算法对平滑连通图进行分割，并获取输入图像被精确分割的纹理区域，具体为：

建立一连通图，连通图包含源点和汇点；

将平滑连通图中的每一个像素点转化为连通图内相对应的顶点；

利用图像分割算法将连通图分割，并判断各顶点是否与源点或汇点相连，若与源点相连，则顶点对应的像素点属于纹理区域内，该纹理区域即是初始区域被延伸后获得的精确区域，若与汇点相连，则顶点对应的像素点属于非纹理区域内，该非纹理区域即是非初始区域的精确区域。

本步骤中，图像分割算法采用一个最优的分割方式，使得分割连通图时所切断的边上的权重总和最小，即：

$\min \underset{p,u}{\mathrm{\Σ}}D(n_p,u)+{\mathrm{\ω}}_{v}S(n_p,n_q);$

其中，u∈{source,sink}是像素点p的分类标签，ω_v是两项之间的权重因数，本例设为0.25，D(n_p,u)代表顶点与源点或汇点相连接的边所对应的权重，具体的，代表顶点与源点相连接的边所对应的权重，代表顶点与汇点相连接的边所对应的权重，σ_v为调整系数，通过该调整系数来控制得到的初始区域的扩展性，当边缘较锐利时，σ_v在一大段区间内会得到相同的结果，既表明本例提供的算法具有很高的稳定性，由于相邻像素点之间越平滑，其在平滑图里的灰度越相似，他们属于同一区域的可能性就越大，所以两个相邻像素点之间的权重用该两个像素点的平滑度表示，即S(n_p,n_q)＝1-||v_p-v_q||。

通过步骤S100～S400即可以将漫画图片分割成精确的区域，由于该分割方法综合了纹理特征算法和纹理平滑算法分割图片，其即具备分辨纹理的能力，又可以得到较为准确的边缘，从而达到更好的漫画分割效果。

基于上述的漫画分割方法，本例还提供一种漫画分割装置，其原理图如图4所示，本例的漫画分割装置包括划分模块1、平滑模块2、延伸模块3和分割模块4。

具体的，划分模块1用于根据用户输入并基于纹理特征对输入图像进行区域划分，且将输入图像的区域划分为初始区域和非初始区域，用户输入包括至少一笔画，初始区域为与用户输入笔画的区域纹理相似的区域，非初始区域为与用户输入笔画的区域纹理不相似的区域；平滑模块2用于基于纹理平滑算法对输入图像进行平滑处理，获取输入图像的平滑图；延伸模块3用于将初始区域基于平滑图作区域延伸，以获取平滑连通图；分割模块4用于利用图像分割算法对平滑连通图进行分割，并获取输入图像被精确分割的纹理区域。

进一步，划分模块1包括：创建单元11、第一计算单元12和分割单元13，其中，创建单元11用于建立用户输入笔画像素点的纹理特征向量；第一计算单元12用于计算输入图像中每一像素点与用户输入笔画像素点的纹理特征的差异度，并基于此差异度得到纹理相似图；分割单元13用于利用图像分割算法分割纹理相似图，获取初始区域和非初始区域。

延伸模块3包括：设置单元31、第二计算单元32和生成单元33，其中，设置单元31用于设初始区域内的像素点的平滑连通值为0，设非初始区域内的像素点的平滑连通值为+∞；第二计算单元32用于针对平滑图内每一个像素点，基于其周边像素点的平滑连通值及像素点之间的平滑度更新其自身的平滑连通值；生成单元33用于根据平滑图内每一个像素点的平滑连通值及初始区域内像素点的平滑连通值生成平滑连通图。

划分模块1的具体实现方式请参考上述步骤S100，平滑模块2的具体实现方式请参考上述步骤S200，延伸模块3的具体实现方式请参考上述步骤S300，分割模块4的具体实现方式请参考上述步骤S400，不一一赘述。

实施例二：

基于实施例一提供的漫画分割方法，本例将其具体应用于如图5所示的图像分割。

系统输入一张漫画图片，如图5(a)所示，用户使用系统的画笔工具在该漫画图片中将其想要分割出来的区域里画一笔，如图5(b)所示，用户在图5(b)的月亮上画一笔，以表示用户想要把图5(a)中的月亮分割出来，基于用户的输入笔画，采用实施例一的步骤S101～S103将该漫画图片先进行纹理特征分析，获得纹理相似图，如图5(c)所示，再通过图像分割算法获得初始区域和非初始区域，如图5(d)所示，其中，图5(d)中的白色区域为初始区域，黑色区域为非初始区域，由于基于纹理特征分割出来的初始区域不具有精确的边缘，所以，本例采用实施例一的步骤S200基于纹理平滑算法对系统输入的漫画图片进行平滑处理，得到该漫画图片的平滑图，如图5(e)所示，在图5(e)中通过实施例一的步骤S300对图5(d)中的初始区域进行延伸，获得平滑连通图，如图5(f)所示，最后根据实施例一的步骤S400分割图5(f)即可精确分割用户想要分割的区域，如图5(g)(h)。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (10)

1.一种漫画分割方法，其特征在于，包括步骤：

划分输入图像区域：根据用户输入并基于纹理特征对输入图像进行区域划分，且将所述输入图像的区域划分为初始区域和非初始区域，所述用户输入包括至少一笔画，所述初始区域为与用户输入笔画的区域纹理相似的区域，所述非初始区域为与用户输入笔画的区域纹理不相似的区域；

平滑输入图像：基于纹理平滑算法对输入图像进行平滑处理，获取所述输入图像的平滑图；

延伸初始区域：将所述初始区域基于所述平滑图作区域延伸，以获取平滑连通图；

分割平滑连通图：利用图像分割算法对所述平滑连通图进行分割，并获取输入图像被精确分割的纹理区域。

2.如权利要求1所述的漫画分割方法，其特征在于，所述划分输入图像区域具体步骤包括：

建立用户输入笔画像素点的纹理特征向量；

计算输入图像中每一像素点与用户输入笔画像素点的纹理特征的差异度，并基于该差异度得到纹理相似图；

利用图像分割算法分割纹理相似图，获取初始区域和非初始区域。

3.如权利要求1所述的漫画分割方法，其特征在于，所述延伸初始区域获取平滑连通图的具体步骤包括：

设初始区域内的像素点的平滑连通值为0，设非初始区域内的像素点的平滑连通值为+∞；

针对平滑图内每一个像素点，基于其周边像素点的平滑连通值及像素点之间的平滑度更新其自身的平滑连通值；

根据平滑图内每一个像素点的平滑连通值得到平滑连通图。

4.如权利要求2所述的漫画分割方法，其特征在于，所述利用图像分割算法分割纹理相似图，获取初始区域和非初始区域的具体步骤为：

建立一连通图，所述连通图包含源点和汇点；

将纹理相似图中的每一个像素点转化为连通图内相对应的顶点；

利用图像分割算法将所述连通图分割，并判断各顶点是否与源点或汇点相连，若与源点相连，则所述顶点对应的像素点属于初始区域内，若与汇点相连，则所述顶点对应的像素点属于非初始区域内。

5.如权利要求3所述的漫画分割方法，其特征在于，所述分割平滑连通图的具体步骤为：

建立一连通图，所述连通图包含源点和汇点；

将平滑连通图中的每一个像素点转化为连通图内相对应的顶点；

利用图像分割算法将所述连通图分割，并判断各顶点是否与源点或汇点相连，若与源点相连，则所述顶点对应的像素点属于纹理区域内，若与汇点相连，则所述顶点对应的像素点属于非纹理区域内。

6.如权利要求4所述的漫画分割方法，其特征在于，所述利用图像分割算法将所述连通图分割，具体为：

所述连通图被分割的边上的权重总和最小：

其中，u_p∈{source,sink}，表示顶点与源点相连接的边所对应的权重，表示顶点与汇点相连接的边所对应的权重，ω_c是两项之间的权重因数，S(n_p,n_q)＝||t_p-t_q||²表示相邻两顶点相连接的边所对应的权重。

7.如权利要求5所述的漫画分割方法，其特征在于，所述利用图像分割算法将所述连通图分割，具体为：

所述连通图被分割的边上的权重总和最小：

其中，u∈{source,sink}，表示顶点与源点相连接的边所对应的权重，表示顶点与汇点相连接的边所对应的权重，ω_v是两项之间的权重因数，S(n_p,n_q)＝1-||v_p-v_q||表示相邻两顶点相连接的边所对应的权重。

8.一种漫画分割装置，其特征在于，包括：

划分模块，用于根据用户输入并基于纹理特征对输入图像进行区域划分，且将所述输入图像的区域划分为初始区域和非初始区域，所述用户输入包括至少一笔画，所述初始区域为与用户输入笔画的区域纹理相似的区域，所述非初始区域为与用户输入笔画的区域纹理不相似的区域；

平滑模块，用于基于纹理平滑算法对输入图像进行平滑处理，获取所述输入图像的平滑图；

延伸模块，用于将所述初始区域基于所述平滑图作区域延伸，以获取平滑连通图；

分割模块，用于利用图像分割算法对所述平滑连通图进行分割，并获取输入图像被精确分割的纹理区域。

9.如权利要求8所述的漫画分割装置，其特征在于，所述划分模块包括：

创建单元，用于建立用户输入笔画像素点的纹理特征向量；

第一计算单元，用于计算输入图像中每一像素点与用户输入笔画像素点的纹理特征的差异度，并将该差异度可视化为纹理相似图；

分割单元，用于利用图像分割算法分割纹理相似图，获取初始区域和非初始区域。

10.如权利要求9所述的漫画分割装置，其特征在于，所述延伸模块包括：

设置单元，用于设初始区域内的像素点的平滑连通值为0，设非初始区域内的像素点的平滑连通值为+∞；

第二计算单元，用于针对平滑图内每一个像素点，基于其周边像素点的平滑连通值及像素点之间的平滑度更新其自身的平滑连通值；

生成单元，用于根据平滑图内每一个像素点的平滑连通值及初始区域内像素点的平滑连通值生成平滑连通图。