CN105912739A - 一种相似图片检索系统及其方法 - Google Patents

Abstract

一种相似图片检索系统及其方法，该方法包括以下步骤：步骤1：将特征库图片和待检索图片分别经过傅里叶变换取其低频分量，再归一化生成对应的特征索引字符串数据；步骤2：将特征库图片的特征索引字符串数据导入数据库并对特征库图片编码，为检索提供有可匹配的样本；步骤3：选择待检索图片的一组或多组特征数据字符串数据作为数据库的关键词进行模糊搜索，将检索出来的结果再根据数据库中已编码的特征库图片的地址字段找到原图片显示出来，从而获取匹配的相似图片。本发明还包括一种相似图片检索系统。本发明能够大大提高检索效率和检索精准度，且计算量小。

Description

一种相似图片检索系统及其方法

技术领域

本发明涉及图片处理系统及方法，特别是一种相似图片检索系统及其方法。

背景技术

随着计算机视觉技术的发展和人们对资料搜索的要求，“以图搜图”的检索方式成为当前热门技术，当前技术主要是将图片特征转成字符串,将检索图片方案转为检索字符串，然后结合数据库技术检索出相似图片。现有的图片检索方式主要分为两种，一种是基于分类器+单词表实现图片分类和检索，另一种是基于感知哈希算法的图片检索方式。但这两种方法都存在弊端。

基于分类器和单词表的方法，优点是精度高，缺点是计算耗时大，新增样本后需要重新训练生成单词表，不适用于大批量图片的高速检索系统。基于感知哈希算法的图片检索方式，优点是计算简单，但特征字符的相似度计算量大，检索精度差。

发明内容

本发明的目的是克服现有技术的上述不足而提供一种计算简单，精度高的相似图片检索系统及其方法。

本发明的技术方案是：

本发明之一种相似图片检索方法，包括以下步骤：

步骤1：将特征库图片和待检索图片分别经过傅里叶变换取其低频分量，再归一化生成对应的特征索引字符串数据；

步骤2：将特征库图片的特征索引字符串数据导入数据库并对特征库图片编码，为检索提供有可匹配的样本；

步骤3：选择待检索图片的一组或多组特征数据字符串数据作为数据库的关键词进行模糊搜索，将检索出来的结果再根据数据库中已编码的特征库图片的地址字段找到原图片显示出来，从而获取匹配的相似图片。

进一步，步骤1具体包括以下步骤：

(2-1)将特征库图片和待检索图片分别按其宽高等比例缩放到100万像素，并对图片进行高斯模糊处理；

(2-2)选择图片特征；

(2-3)将所选择的图片特征的所有值看作一段波型的点的集合，将这些点进行定点快速傅里叶变换得到其幅频特征数据；

(2-4)在得到的幅频特征数据中，将1～N次谐波分量数据量化成A～Z字母；

(2-5)将步骤(2-4)中量化后的字母按从低到高的谐波分量组成字符串，取字符串的前8位或前16位作为图片的特征检索字符串。

进一步，所述图片特征为图片的颜色直方图、边缘投影或边缘方向梯度直方图。

进一步，所述颜色直方图的特征提取包括以下步骤：

(4-1)将图片做缩放及模糊处理后选择色彩模式，分别对不同通道做处理，取其中一个待处理通道，统计出直方图；

(4-2)根据直方图的面积和幅值，按比例计算出起始点和结束点的亮度值；

(4-3)将需截取出的直方图片断通过插值方法使直方图均衡到256个点；

(4-4)再将所得到的256个点的直方图通过快速傅里叶变换得到其幅频特征数据。

进一步，所述边缘投影的特征提取包括以下步骤：

(5-1)将图片预处理后，使用canny算子得到图片边缘信息；

(5-2)分别统计水平和垂直的边缘投影，将统计结果视为边缘投影的波型图；

(5-3)限定阈值以过滤波型首尾低权值段，即裁剪图片外围的空白背景块；

(5-4)将裁取的波型通过插值缩放至2^N个点数；

(5-5)将缩放后的波型再经快速傅里叶变换即可得到边缘投影的幅频特征数据。

本发明之一种相似图片检索系统，包括：

建立模块，用于获取特征库图片和待检索图片，通过傅里叶变换的计算获取低频分量；

归一化处理模块，用于将获取的低频分量生成对应的特征索引字符串数据；

处理服务器，用于将特征库图片的特征索引字符串数据导入数据库并对特征库图片编码，为检索提供有可匹配的样本；

选择模块，用于选择待检索图片的一组或多组特征数据字符串数据作为数据库的关键词进行模糊搜索；

识别模块，用于将检索出来的结果根据数据库中已编码的特征库图片的地址字段找到原图片；

显示模块，用于将找到的原图片显示出来，从而获取匹配的相似图片。

进一步，所述建立模块进一步包括：

图片获取模块，用于获取特征库图片和待检索图片；

像素处理模块，用于将获取的特征库图片和待检索图片分别按其宽高等比例缩放到100万像素；

高斯模糊处理模块，用于对所述特征库图片和待检索图片进行高斯模糊；

图片特征选择模块，用于筛选图片特征；

图片特征提取模块，用于将所筛选出的图片特征的所有值看作一段波型的点的集合，将这些点进行定点快速傅里叶变换得到其幅频特征数据；

幅频数据选取模块，用于在得到的幅频特征数据中，选取图片的1～N次谐波分量；

进一步，所述图片特征提取模块为颜色直方图提取模块、边缘投影提取模块、梯度方向直方图提取模块和轮廓的面积与周长比值提取模块。

进一步，所述颜色直方图提取模块包括：

色彩模式选择模块，用于将缩放及模糊处理后的图片进行色彩模式选择；

色彩处理模块，用于分别对所选择的不同通道做处理，取其中一个待处理通道，统计出直方图；

第一计算模块，用于根据直方图的面积和幅值，按比例计算出起始和结束点的亮度值，再将需截取出的直方图片断通过插值方法使直方图均衡到256个点；再将所得到的256个点的直方图通过快速傅里叶变换得到其幅频特征数据。

进一步，所述边缘投影提取模块包括：

第二计算模块，用于预处理后的图片使用canny算子得到图片边缘信息；

统计模块，用于分别统计水平和垂直的边缘投影，将统计结果视为边缘投影的波型图；

过滤模块，用于限定阈值以过滤波型首尾低权值段，即裁剪图片外围的空白背景块；

第三计算模块，用于将裁取的波型通过插值缩放至2^N个点数，再将缩放后的波型经快速傅里叶变换即可得到边缘投影的幅频特征数据。

本发明的有益效果：

(1)本发明的特征字符串都是经过傅里叶变化得到，字符串相似度的比较只需从前向后比较，后一个字符对相似度的影响只有前一个字符的二分之一；所有可以直接采用数据库中的关键字进行模糊搜索，检索效率高，计算量小；

(2)存储的特征字符串是按特征曲线的从低到高的谐波量化得出，可根据字符匹配的长度来更改模糊匹配的精度，大大提高检索准确度。

附图说明

图1为本发明实施例相似图片检索方法的流程示意图；

图2为图1所示实施例步骤S10的流程示意图；

图3为本发明实施例相似图片检索系统的结构示意图；

图4为图3所示实施例建立模块的结构示意图；

图5为本发明实施例示出的相似图片检索系统中颜色直方图提取模块的结构示意图；

图6为本发明实施例示出的相似图片检索系统中边缘投影提取模块的结构示意图。

具体实施方式

以下将结合说明书附图和具体实施例对本发明做进一步详细说明。

图1是本发明一实施例提出的相似图片检索方法的流程示意图，该方法包括：

S10：将特征库图片和待检索图片分别经过傅里叶变换取其低频分量，再归一化生成对应的特征索引字符串数据。

如图2所示：步骤S10又具体包括：

S1001：将特征库图片和待检索图片分别按其宽高等比例缩放到100万像素，并对图片进行高斯模糊处理。

将图像等比例缩放处理过程如下：

计算缩放系数公式：

$f=\sqrt{\frac{s}{w*h}}$

其中f为边长缩放系数，s为缩放后的图片的像素值，本文取值s＝1000000，w和h分别为原图片像素的宽和高。

图片双线性插值方法如下：

i＝RoundDown(x*f)

j＝RoundDown(y*f)

m＝x*f-RoundDown(x*f)

n＝y*f-RoundDown(y*f)

$d(x,y)=\left[\begin{array}{ccc}1& -m& m\end{array}\right]\left[\begin{array}{cc}s(i,j)& s(i+1,j)\\ s(i,j+1)& s(i+1,j+1)\end{array}\right]\left[\begin{array}{c}1-n\\ n\end{array}\right]$

上述RoundDown()函数为俘点数取整，上述公式中x,y分别为缩放后图片的x坐标和y坐标，d(x,y)为缩放后图片的(x,y)点的像素值，s(i,j)为源图片的(i,j)点的像素值。

图片高斯处理公式如下：

$dst(x,y)=src(x,y)\⊗\left(\frac{1}{16}x\left[\begin{array}{ccc}1& 2& 1\\ 2& 4& 2\\ 1& 2& 1\end{array}\right]\right)$

该公式中，src和dst分别代表输入图片和输出图片。

本实施例采用上式3x3的高斯内核进行模糊处理，减少噪点对后述算法的干扰。

S1002：选择图片特征。

图片特征包括且不限于图片的颜色直方图，边缘投影，梯度方向直方图和轮廓的面积与周长比值。

其中，颜色直方图是指不同色彩在整幅图像中所占的比例，而不关心每种色彩所处的空间位置，可基于不同色彩模式，如RGB、Lab和HSV等，直方图中的数值是对整个图像的统计结果，描述了该图片关于颜色的数值特征，可反映图像颜色的统计分布和基本色调，是每一级色彩灰度值在其出现的频率间的统计关系。边缘投影是指图片边缘点分别在水平方和垂直方向的积分投影。

S1003：将所选择的图片特征的所有值看作一段波型的点的集合，将这些点进行定点快速傅里叶变换得到其幅频特征数据。

例如：当选择颜色直方图时，其特征提取具体为：

(1)将图片做缩放及模糊处理后选择色彩模式，通常为RGB和灰度，也可为HSV等，分别对不同通道做处理，取其中一个待处理通道，统计出直方图；

例如：以window下bitmap格式的图片分离RGB的绿色通道为例，分离公式如下：

c(x,y)＝s(z)

z＝y*l+x*3+1

l＝RoundDown((3*w+3)/4)

其中x和y表示图片坐标点的横坐标和纵坐标，c(x,y)表示分离后图片的点(x,y)上的亮度值，s(z)表示源RGB图片在图像数据区偏移地址为z的值。l为图片每行占用的字节数，通常以4字节对齐，w为图片的宽度。

(2)根据直方图的面积和幅值，按比例计算出起始和结束点。

以计算直方图均衡化的起始点值为例：

$P\left(k\right)=\frac{n_k}{n},k=0,1,...255$

按直方图的幅值计算出最大的k值：

P(k)＜A*P_max

按直方图的面积计算出最大的k值：

$\underset{k=0}{\overset{a}{\&Sigma;}}P\left(k\right)<R*n$

其中，P(k)为第k个亮度值出现的概率，n_k为第k个亮度值出现的频数，n为图像像素总数，P_max为图像直方图中最高的概率值，A和R是均衡化系数，可取0.02和0.05。取出上述两个最大的k值中较小的一个为均衡化的起始点S。

相同的方法算出均衡化的结束点E。

(3)将需截取出的直方图片断通过插值方法使直方图均衡到256个点。

计算直方图缩放系数F：

$F=\frac{E-S}{255}$

直方图数据的线性插值：

H(k)＝D(E+i)*m+D(E+i+1)*(1-m)，k＝0,1,…,255

i＝RoundDown(F*k)

m＝F*k-RoundDown(F*k)

H(k)为均衡化后的k点的亮度值，E和S为上一步计算得到的起始点和结束点。

(4)再将所得到的256个点的直方图通过快速傅里叶变换得到其幅频特征数据。

DFT公式如下：

$X\left(k\right)=\underset{n=0}{\overset{N-1}{\&Sigma;}}x\left(n\right)e^{-j\frac{2\mathrm{\&pi;}}{N}nk},k=0,...N-1$

式中，x(n)为时域上的信号点，对应于直方图上的每组的频数H(k)，X(k)为频域上的幅值，即我们需要的特征数据。

DFT公式通常采用FFT的碟形运算方法加速运算，由于所有直方图都是256点，FFT部分运算还可采用查表法进一步加速运算。

FFT运算需要波型的2^N个采样点，直方图经过均衡化滤除一些点后，采用线性插值补全采样点，相对于补0可有效的减少对其谐波分量的影响。

色彩相似度的计算常常采用比较直接计算两个直方图的欧拉距离，但不利用大量数据的比较和检索，但将直方图经过FFT变换后，图片间的相似度比较只需要从低到高依次比较其谐波分量，还可将各分量值映射成字符便于使用SQL语句检索。

又例如：当选择边缘投影时，其特征提取具体为：

a.将图片预处理后，使用canny算子得到图片边缘信息；

b.分别统计水平和垂直的边缘投影，将统计结果视为边缘投影的波型图；

c.限定阈值以过滤波型首尾低权值段，即裁剪图片外围的空白背景块；

d.将裁取的波型通过插值缩放至2^N个点数；

e.将缩放后的波型再经快速傅里叶变换即可得到边缘投影的幅频特征数据。

原理和色彩直方图类似，只是将色彩直方图换成了边缘投影，其它过程一致，此处不再赘述。

S1004：在得到的幅频特征数据中，选取图片特征的谐波分量，将1～N次谐波分量数据量化成A～Z字母。

具体地，将得到的幅频特征数据做进一步处理，其0次量即波型的直流分量一般是图片特征值的整体偏移，故不可作为特征量比较来运用，故不取其0次分量。图片特征的谐波分量中，将1～N次谐波均匀量化到0～25，与字符A～Z相对应。

以下为幅频特征字符量化到计算字符的过程：

$F\left(k\right)=25*\frac{X\left(k\right)-X_{min}}{X_{\max }-X_{min}},k=1,...,N$

C(k)＝’A’+Round(F(k))

其中，X_min是谐波分量中最小值，X_max是谐波分量中的最大值，F(k)是k次谐波量化后的值，在0～25的范围内，当采用ASCII编码时，C(k)可表示k次谐波的特征字符。

S1005：将步骤S1004中量化后的字母按从低到高的谐波分量组成字符串，取字符串的前8位或前16位作为图片的特征检索字符串。这样，可便于数据库检索。

S_i(n)＝C_i(1)+C_i(2)+…+C_i(j),j＝8或16

上述+号表示字符连接符，将单个字符连成连符串，S_i(n)表示前n个字符的第i种特征字符串。

相似图片的检索通过上述步骤转化为字符串的检索，将一张图片多组特征转化为多个字符串进行记录，可供数据库实现快速检索。

存储的特征字符串是按特征曲线的从低到高的谐波量化得出，可根据字符匹配的长度来更改模糊匹配的精度。

S20：将特征库图片的特征索引字符串数据导入数据库并对特征库图片编码，为检索提供有可匹配的样本。

S30：选择待检索图片的一组或多组特征数据字符串数据作为数据库的关键词进行模糊搜索，将检索出来的结果再根据数据库中已编码的特征库图片的地址字段找到原图片显示出来，从而获取匹配的相似图片。

以下是一个MS SQL的典型的检索示例：

SELECT[name],[Type],[fileName]FROM[dbo].[imageFeatrue_fsrmyy_wpsj]WHERE

LEFT(Feature1,4)＝'TNKJ'AND LEFT(Featrue5,10)＝'MSLLNKCBFE'

上述Feature1和Featrue5字段分别存储着样本图像的灰度特征字符串和水平投影特征字符串，对应的'TNKJ'和'MSLLNKCBFE'是待检索图片的特征字符串。

检索条件可以通过修改SQL语句实现快速检索，而无需对图片一一做计算处理，还可根据需尔增加特征字段和匹配长度，灵活性高，速度快。

作为相似图片检索系统中，数据库担任的快速查找检索的任务，由于本方案中，图片色彩信息和纹理信息的特征分别使用不同的字段存储在数据库中，故检索需要组合两个字段搜索数据；本方案的特征字符串都是经过傅里叶变化得到，字符串相似度的比较只需从前向后比较，后一个字符对相似度的影响只有前一个字符的二分之一；所有可以直接采用数据库中的关键字进行模糊搜索，检索效率高。

图3为本发明一实施例示出的相似图片检索系统的结构示意图，该系统可以位于客户端，该系统包括：

建立模块，用于获取特征库图片和待检索图片，通过傅里叶变换的计算获取低频分量；

归一化处理模块，用于将获取的低频分量生成对应的特征索引字符串数据；

处理服务器，用于将特征库图片的特征索引字符串数据导入数据库并对特征库图片编码，为检索提供有可匹配的样本；

选择模块，用于选择待检索图片的一组或多组特征数据字符串数据作为数据库的关键词进行模糊搜索；

识别模块，用于将检索出来的结果根据数据库中已编码的特征库图片的地址字段找到原图片；

显示模块，用于将找到的原图片显示出来，从而获取匹配的相似图片。

图4为本发明另一实施例示出的相似图片检索系统中建立模块的结构示意图，该建立模块包括：

图片获取模块，用于获取特征库图片和待检索图片；

像素处理模块，用于将获取的特征库图片和待检索图片分别按其宽高等比例缩放到100万像素；

高斯模糊处理模块，用于对所述特征库图片和待检索图片进行高斯模糊；

色彩均衡处理模块，用于对经过高斯模糊后的图片进行色彩均衡处理；

图片特征选择模块，用于筛选图片特征，所述图片特征包括但不限于颜色直方图、边缘投影,梯度方向直方图和轮廓的面积与周长比值；

图片特征提取模块，用于将所筛选出的图片特征的所有值看作一段波型的点的集合，将这些点进行定点快速傅里叶变换得到其幅频特征数据；其中，图片特征提取模块包括但不限于颜色直方图提取模块、边缘投影提取模块，梯度方向直方图提取模块和轮廓的面积与周长比值提取模块；

幅频数据选取模块，用于在得到的幅频特征数据中，选取图片的谐波分量；将谐波分量量化后的字母按从低到高的谐波分量组成字符串，取字符串的前8位或前16位作为图片的特征检索字符串。

图5为本发明又一实施例示出的相似图片检索系统中颜色直方图提取模块的结构示意图，该颜色直方图提取模块包括：

色彩模式选择模块，用于将缩放及模糊处理后的图片进行色彩模式选择；

色彩处理模块，用于分别对所选择的不同通道做处理，取其中一个待处理通道，统计出直方图；

第一计算模块，用于根据直方图的面积和幅值，按比例计算出起始和结束点的亮度值，再将需截取出的直方图片断通过插值方法使直方图均衡到256个点；再将所得到的256个点的直方图通过快速傅里叶变换得到其幅频特征数据。

图6为本发明又一实施例示出的相似图片检索系统中边缘投影提取模块的结构示意图，该边缘投影提取模块包括：

第二计算模块，用于预处理后的图片使用canny算子得到图片边缘信息；

统计模块，用于分别统计横向和纵向的边缘投影，将统计结果视为边缘投影的波型图；

过滤模块，用于限定阈值以过滤波型首尾低权值段，即裁剪图片外围的空白背景块；

第三计算模块，用于将裁取的波型通过插值缩放至2^N个点数，以保持波型原样，再将缩放后的波型再经快速傅里叶变换即可得到边缘投影的幅频特征数据。

关于上述实施例中的系统，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

以上仅为本发明的优选实施例，并不用于限制本发明，显然，本领域的技术人员可以对本发明进行各种改动、变型而不脱离本发明的精神和范围。倘若对本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，均属于本发明的保护范围。

Claims (10)

1.一种相似图片检索方法，其特征在于，包括以下步骤：

步骤1：将特征库图片和待检索图片分别经过傅里叶变换取其低频分量，再归一化生成对应的特征索引字符串数据；

步骤2：将特征库图片的特征索引字符串数据导入数据库并对特征库图片编码，为检索提供有可匹配的样本；

步骤3：选择待检索图片的一组或多组特征数据字符串数据作为数据库的关键词进行模糊搜索，将检索出来的结果再根据数据库中已编码的特征库图片的地址字段找到原图片显示出来，从而获取匹配的相似图片。

2.根据权利要求1所述的相似图片检索方法，其特征在于，步骤1具体包括以下步骤：

(2-1)将特征库图片和待检索图片分别按其宽高等比例缩放到100万像素，并对图片进行高斯模糊处理；

(2-2)选择图片特征；

(2-3)将所选择的图片特征的所有值看作一段波型的点的集合，将这些点进行定点快速傅里叶变换得到其幅频特征数据；

(2-4)在得到的幅频特征数据中，将1～N次谐波分量数据量化成A～Z字母；

(2-5)将步骤(2-4)中量化后的字母按从低到高的谐波分量组成字符串，取字符串的前8位或前16位作为图片的特征检索字符串。

3.根据权利要求1或2所述的相似图片检索方法，其特征在于，所述图片特征为图片的颜色直方图、边缘投影或边缘方向梯度直方图。

4.根据权利要求3所述的相似图片检索方法，其特征在于，所述颜色直方图的特征提取包括以下步骤：

(4-1)将图片做缩放及模糊处理后选择色彩模式，分别对不同通道做处理，取其中一个待处理通道，统计出直方图；

(4-2)根据直方图的面积和幅值，按比例计算出起始点和结束点的亮度值；

(4-3)将需截取出的直方图片断通过插值方法使直方图均衡到256个点；

(4-4)再将所得到的256个点的直方图通过快速傅里叶变换得到其幅频特征数据。

5.根据权利要求3所述的相似图片检索方法，其特征在于，所述边缘投影的特征提取包括以下步骤：

(5-1)将图片预处理后，使用canny算子得到图片边缘信息；

(5-2)分别统计水平和垂直的边缘投影，将统计结果视为边缘投影的波型图；

(5-3)限定阈值以过滤波型首尾低权值段，即裁剪图片外围的空白背景块；

(5-4)将裁取的波型通过插值缩放至2^N个点数；

(5-5)将缩放后的波型再经快速傅里叶变换即可得到边缘投影的幅频特征数据。

6.一种相似图片检索系统，其特征在于，包括：

建立模块，用于获取特征库图片和待检索图片，通过傅里叶变换的计算获取低频分量；

归一化处理模块，用于将获取的低频分量生成对应的特征索引字符串数据；

处理服务器，用于将特征库图片的特征索引字符串数据导入数据库并对特征库图片编码，为检索提供有可匹配的样本；

选择模块，用于选择待检索图片的一组或多组特征数据字符串数据作为数据库的关键词进行模糊搜索；

识别模块，用于将检索出来的结果根据数据库中已编码的特征库图片的地址字段找到原图片；

显示模块，用于将找到的原图片显示出来，从而获取匹配的相似图片。

7.根据权利要求6所述的相似图片检索系统，其特征在于，所述建立模块进一步包括：

图片获取模块，用于获取特征库图片和待检索图片；

像素处理模块，用于将获取的特征库图片和待检索图片分别按其宽高等比例缩放到100万像素；

高斯模糊处理模块，用于对所述特征库图片和待检索图片进行高斯模糊；

图片特征选择模块，用于筛选图片特征；

图片特征提取模块，用于将所筛选出的图片特征的所有值看作一段波型的点的集合，将这些点进行定点快速傅里叶变换得到其幅频特征数据；

幅频数据选取模块，用于在得到的幅频特征数据中，选取图片的1～N次谐波分量。

8.根据权利要求7所述的相似图片检索系统，其特征在于，所述图片特征提取模块为颜色直方图提取模块、边缘投影提取模块、梯度方向直方图提取模块和轮廓的面积与周长比值提取模块。

9.根据权利要求8所述的相似图片检索系统，其特征在于，所述颜色直方图提取模块包括：

色彩模式选择模块，用于将缩放及模糊处理后的图片进行色彩模式选择；

色彩处理模块，用于分别对所选择的不同通道做处理，取其中一个待处理通道，统计出直方图；

第一计算模块，用于根据直方图的面积和幅值，按比例计算出起始和结束点的亮度值，再将需截取出的直方图片断通过插值方法使直方图均衡到256个点；再将所得到的256个点的直方图通过快速傅里叶变换得到其幅频特征数据。

10.根据权利要求8或9所述的相似图片检索系统，其特征在于，所述边缘投影提取模块包括：

第二计算模块，用于预处理后的图片使用canny算子得到图片边缘信息；

统计模块，用于分别统计水平和垂直的边缘投影，将统计结果视为边缘投影的波型图；

过滤模块，用于限定阈值以过滤波型首尾低权值段，即裁剪图片外围的空白背景块；

第三计算模块，用于将裁取的波型通过插值缩放至2^N个点数，再将缩放后的波型经快速傅里叶变换即可得到边缘投影的幅频特征数据。