CN107818544A - 一种字符缩放方法 - Google Patents
一种字符缩放方法 Download PDFInfo
- Publication number
- CN107818544A CN107818544A CN201610816680.3A CN201610816680A CN107818544A CN 107818544 A CN107818544 A CN 107818544A CN 201610816680 A CN201610816680 A CN 201610816680A CN 107818544 A CN107818544 A CN 107818544A
- Authority
- CN
- China
- Prior art keywords
- point
- skeletal
- profile
- character
- effective
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4023—Decimation- or insertion-based scaling, e.g. pixel or line decimation
Abstract
本发明公布了一种字符缩放方法,通过提取字符的骨架点与轮廓点,计算轮廓点与骨架点之间的控制关系以及空间位置关系,确定有效骨架点以及有效轮廓点,然后对有效骨架点进行仿射变换并对有效轮廓点进行重新分布,最后闭合轮廓点并对字符轮廓点进行填充得到完整缩放后的字符图像,在对字符进行缩放的同时还能够维持字符笔画宽度,能够解决字符在缩放过程中笔画宽度不一致的问题,避免了非等比例缩放过程中笔画宽度不一致带来的失真,有效提升字符领域相关算法的效果,处理效率高、速度快。本发明方法适合于任意语言体系的字符缩放。
Description
技术领域
本发明属于计算机图形学领域,涉及字符缩放方法,尤其涉及一种能够维持字符笔画宽度的缩放方法。
背景技术
日常生活中的自然图像包含大量的纹理特征,针对此类图像业界与学术界均提出了优良的缩放算法来处理非等比例缩放产生失真的问题,代表方法有Seam Carving以及Image Warping。然而,这些方法并不适合简单的字符图像,字符图像纹理特征较少,而且结构化信息很强,笔画宽度具有高度一致性。
传统字符缩放的处理方法为插值缩放,这种方法速度快,效率高。在等比例缩放过程中,插值方法可以很好的保持字符笔画宽度的一致性,然而当字符在横纵方向上的缩放比例不同时,不同方向上的笔画宽度会存在差别,导致字符的结构信息丢失。目前专门处理字符图像的缩放算法较少,而自然图像的缩放算法在处理普通字符图像时均会产生较大失真。
发明内容
为了克服上述现有技术的不足,本发明提供一种字符缩放方法,在对字符进行缩放的同时还能够维持字符的结构信息,用以解决字符在非等比例缩放过程中笔画宽度不一致的问题。
本发明提供的字符缩放方法通过提取字符骨架点与轮廓点,确定骨架点与轮廓点的控制关系,计算骨架点与其控制轮廓点的相对位置关系,确定有效骨架点与有效轮廓点,然后根据缩放比例对有效骨架点进行仿射变换,继而按照有效轮廓点与有效骨架点的位置关系以及仿射变换后新骨架点的位置重新分布轮廓点,最后对轮廓点进行闭合填充,得到缩放后的字符图像。本发明方法无需采用图形学拆字拼接方式,免除拆分字符,而直接进行缩放处理。缩放处理首先进行骨架提取,可以采用不同的骨架提取方法,不同骨架提取方法对缩放结果会产生一定影响,因此,可通过优化骨架提取方法而提升缩放结果,但骨架提取方法本身并不是本发明的核心,采用不同的骨架提取方法均属于本专利的保护范围。同时,本方法在对字符进行缩放的同时还能够维持字符的结构信息,能够解决字符在非等比例缩放过程中笔画宽度不一致的问题。本发明方法适合于任意语言体系的字符缩放处理。
为方便理解,本发明对说明书中提到的名词进行说明:
骨架点:字符图像通过骨架提取方法得到的骨架点集合。
轮廓点:字符图像通过边缘检测等方法得到的轮廓点集合。
有效骨架点:也称控制点,指控制关系确定后,与任意轮廓点存在控制关系的骨架点集合。
有效轮廓点:指控制关系确定后,与任意有效骨架点存在控制关系的轮廓点集合。
新骨架点:对有效骨架点进行仿射变化,得到的骨架点集合。
新轮廓点:对有效轮廓点进行重新分布后,得到的轮廓点集合。
本发明提供的技术方案是:
一种字符缩放方法,所述字符缩放方法包括骨架点提取,轮廓点提取,控制关系确定,有效轮廓点以及有效骨架点确定,有效骨架点仿射变换,有效轮廓点重新分布以及轮廓点闭合填充等步骤,使得字符缩放之后仍能维持笔画宽度这种结构信息。具体包括如下步骤:
A.提取字符图像的骨架点与轮廓点,根据连通关系将轮廓点划分为若干互不连通的轮廓点集合,每个集合为连续的轮廓点序列;
B.确定骨架点与轮廓点之间的控制关系,即从骨架点集合中为轮廓点选取一个控制点,所有控制点组成控制点集合,利用控制点更新骨架点(也称有效骨架点)。计算轮廓点(已舍弃部分轮廓点,此处指有效轮廓点)与其对应有效骨架点的相对位置关系;
C.根据缩放比例对有效骨架点进行仿射变换,得到有效骨架点的新位置,结合有效轮廓点与有效骨架点的相对位置关系,确定每个新轮廓点的位置;
D.对新轮廓点进行闭合操作,然后通过填充得到最终的字符图像。
本发明提供的字符缩放处理首先进行骨架提取,可以采用不同的骨架提取方法,均属于本专利的保护范围。
针对上述字符缩放方法,进一步地,在本发明实施例中,步骤A中提取字符图像的骨架点与轮廓点序列,具体包括如下步骤:
A1.利用骨架提取方法,提取字符图像的骨架点;
A2.利用边缘检测方法,提取字符图像的轮廓点;
A3.根据轮廓点之间的连通关系,将同一连通区域的轮廓点划分为一个集合之中,并根据邻接关系,将每个集合中的轮廓点组织为有序的点序列。
更进一步地,步骤A1采用经典的骨架提取方法,所述经典字符骨架提取方法包括细化、轮廓中轴线、小波提取以及人工标注等方式。
更进一步地,步骤A2采用经典边缘检测算子进行边缘检测,所述经典边缘检测算子为Roberts算子、Prewitt算子、Sobel算子、Log算子和Canny算子中的一种。
更进一步地,步骤A3轮廓点之间的连通关系可以为4连通或者8连通。
针对上述字符缩放方法,进一步地,步骤B所述确定轮廓点与骨架点的控制关系,计算两者之间的位置关系。具体包括如下步骤:
B1.根据骨架点与轮廓点之间的空间位置关系,确定轮廓点与骨架点之间的组合对;
B2.将骨架点作为轮廓点的控制点,若轮廓点对应在多个骨架点,则将对应的多个骨架点的质心作为轮廓点的控制点,利用控制点更新获得有效骨架点;存在控制点的轮廓点称为有效轮廓点;
B3.对于每个有效轮廓点与有效骨架点组合,计算两者之间的空间位置关系;
B4.根据有效轮廓点更新轮廓点序列。
更进一步地,步骤B1中确定组合对的方法可以为欧式距离最小化或基于Delaunay三角化算法计算的一种。
更进一步地,步骤B2中骨架点质心(控制点)的计算方式为横、纵坐标的平均值。
更进一步地,步骤B3中有效骨架点与有效轮廓点之间的空间位置关系为两者横纵坐标的差值。
针对上述字符缩放方法,进一步地,步骤C所述对有效骨架点进行仿射变换,得到新骨架点,然后根据有效骨架点与有效轮廓点之间的位置关系,确定轮廓点的新位置,具体包括如下步骤:
C1.将有效骨架点横纵坐标分别乘以横纵缩放比例,得到新骨架点位置;
C2.根据新骨架点的位置与B3中计算的有效轮廓点与有效骨架点的空间位置关系,为每个轮廓点在其对应新骨架点的位置基础上增加原始空间位置的差值,原始空间位置是指有效轮廓点的横坐标、纵坐标以及与其对应有效骨架点的横坐标、纵坐标。
针对上述字符缩放方法,进一步地,步骤D对获得的新轮廓点进行闭合,然后填充轮廓点得到最终缩放后的字符图像;包括如下步骤:
D1.根据有效轮廓点序列的顺序关系,依次连接新轮廓点,得到闭合的轮廓点;
D2.将闭合后的轮廓点图像进行填充,得到完整的字符图像。
更进一步地,D1中的新轮廓点采用直线连接的方式进行闭合。
更进一步地,D2中的填充方法采用种子填充的方式,利用新骨架点作为填充的种子,不断进行8邻域扩充,直到轮廓包围区域被全部填充。
与现有技术相比,本发明的有益效果是:
本发明提供一种字符缩放方法,通过提取字符的骨架点与轮廓点,计算轮廓点与骨架点之间的控制关系以及空间位置关系,然后对骨架点进行仿射变换并对轮廓点进行重新分布,最后闭合轮廓点并对字符轮廓点进行填充得到完整缩放后的字符图像,在对字符进行缩放的同时还能够维持字符笔画宽度,能够解决字符在缩放过程中笔画宽度不一致的问题。本发明所提供的缩放方法,能够保持字符在缩放过程中的笔画宽度的一致性,避免非等比例缩放过程中笔画宽度不一致带来的失真,有效提升字符领域相关算法的效果。
此外,本发明方法无需采用图形学拆字拼接方式,免除拆分字符,而直接进行缩放处理,处理效率高、速度快。本发明方法适合于任意语言体系的字符缩放处理。
附图说明
图1是本发明提供的字符缩放方法的流程框图。
图2是本发明提供的字符缩放方法中骨架点提取流程图。
图3是本发明提供的字符缩放方法中轮廓点与骨架点控制关系确定流程图。
图4是本发明实施例中进行字符缩放的过程示意图;
其中,(a)为任意语言体系字符图像;(b)为(a)的骨架点实例图;(c)为(a)的轮廓点实例图;(d)为三角剖分得到实例结果图;(e)为控制点(即更新后的有效骨架点)实例图;(f)为有效轮廓点实例图;(g)为有效骨架点与有效轮廓点的控制关系以及相对位置实例图;(h)为仿射变换后的新骨架点实例图;(i)为重新分布的轮廓点实例图;(j)为对(i)进行轮廓闭合填充得到的实例结果图;
1为骨架点与轮廓点提取步骤;2为对骨架点和轮廓点进行三角剖分步骤;3为确定有效轮廓点与有效骨架点,同时确定控制组合以及点对间的相对位置步骤;4为对有效骨架点进行仿射变换,得到新骨架点步骤;5为根据新骨架点对轮廓点进行重新分布,得到新轮廓点步骤;6为对新轮廓点进行闭合填充步骤。
图5是本发明实施例对不同语言体系字符图像进行缩放的结果示例;
其中,(a)为汉语字符;(b)为英语字符;(c)为阿拉伯语字符;(d)为日语字符;(e)为俄语字符;(f)为韩语字符。
具体实施方式
下面结合附图,通过实施例进一步描述本发明,但不以任何方式限制本发明的范围。
本发明提供一种字符缩放方法,该缩放方法通过提取字符的骨架点与轮廓点,计算轮廓点与骨架点之间的控制关系以及空间位置关系,然后对骨架点进行仿射变换并对轮廓点进行重新分布,最后闭合轮廓点并对字符轮廓点进行填充得到完整缩放后的字符图像,在对字符进行缩放的同时还能够维持字符笔画宽度,可解决字符在缩放过程中笔画宽度不一致的问题。
图1是本发明实施例对字符进行缩放的流程,包括提取骨架点与轮廓点,确定轮廓点与骨架点之间的控制关系,进而确定轮廓点与骨架点之间的相对位置,对骨架点进行仿射变换然后重新分布轮廓点,最后对新轮廓点进行闭合填充。本发明方法具体包括如下步骤:
A.提取字符骨架点与轮廓点,根据连通关系将轮廓点划分为若干互不连通的轮廓点集合,每个集合为连接的轮廓点序列。
A1.利用骨架提取方法,提取字符图像的骨架点,本文采用细化及分叉剔除的方法,首先利用细化的方式进行骨架点提取,然后去除冗余的分叉,得到骨架点S。
A2.利用Canny算子进行边缘检测,得到字符图像的轮廓点C。
A3.根据轮廓点之间的连通关系,本方法采用8连通,将同一连通区域的轮廓点划分为一个集合之中,并根据邻接关系,将每个集合中的轮廓点组织为有序的点序列CSet。
本发明提供的字符缩放处理首先进行骨架提取,可以采用不同的骨架提取方法,不同的骨架提取方法对缩放结果会产生一定影响,因此,可通过优化骨架提取方法而提升缩放结果,但骨架提取方法本身并不是本发明专利的核心,采用不同的骨架提取方法均属于本专利的保护范围。
B.确定骨架点S与轮廓点C之间的控制关系,从S集合中为轮廓点ci选取一个控制点sj,所有控制点组成控制点集合Ctr,Ctr更新骨架点为S′(即有效骨架点),控制关系对为(ci,s′j),舍弃无控制点的轮廓点,将更新轮廓点C(即有效轮廓点)。计算ci与s′j的相对位置关系。
B1.根据骨架点与轮廓点之间的空间位置关系,确定轮廓点与骨架点之间的组合对。本发明采用Delaunay三角化的方法确定组合对,对轮廓点与骨架点的并集进行Delaunay三角化,得到多个三角形。若三角形的某条边既包含骨架点,又包含轮廓点,则该边对应组成一个组合对;若三角形的边只包含轮廓点或骨架点,则舍弃这些轮廓点与骨架点。
B2.将骨架点作为轮廓点的控制点,若轮廓点与多个骨架点存在控制关系,则将其对应的多个骨架点的质心作为控制点,利用控制点更新骨架点,获取有效骨架点;若某个轮廓序列CSet中连续被舍弃点的子序列CSeti的数量超过一定长度(这里设定为字符的平均笔画宽度,平均笔画宽度的估算方式为字符图像前景像素点数量与骨架点数量的商),则将这段连续轮廓点序列控制点设定为CSeti起始点的上一轮廓点对应的有效骨架点。
B3.对于每个有效轮廓点与有效骨架点组合(ci,s′j),计算两者之间的空间位置关系,空间位置关系Rij的计算方式如下:
式1中,分别为ci与s′j的横纵坐标。
B4.根据有效轮廓点更新CSet。
C.根据缩放比例(RowsScale,ColsScale)对有效骨架点S′进行仿射变换,得到新骨架点结合有效轮廓点与有效骨架点的相对位置关系,确定新轮廓点
C1.将有效骨架点横纵坐标分别乘以横纵缩放比例,得到新骨架点位置。
C2.根据新骨架点的位置与B3中计算的有效轮廓点与有效骨架点的空间位置关系R,为每个轮廓点在其对应新骨架点的位置基础上增加空间位置关系。新轮廓点的计算方式如下:
其中,为ci对应缩放后的轮廓点,为s′j对应缩放后的骨架点,(ci,s′j)为一个控制关系对,Rij为控制关系对之间的相对位置。
D.对新轮廓点进行闭合操作,然后同过填充操作得到最终的字符图片。D1.根据有效轮廓点序列CSet的顺序关系,依次连接新轮廓点,得到闭合轮廓点序列CSet′,进而得到闭合的轮廓点C′。
D2.利用种子填充算法对C′进行填充。填充方式为:按顺序从中选取一个点seed,如果所有骨架点均被选取,则填充结束,否则执行D3。
D3.若点seed已经被填充,则重新执行D2;若该点未被填充,则执行D4。
D4.以点seed为填充中心对C′内部的点进行8邻域填充,填充方式可以采用宽度优先搜索或者深度优先搜索的方式,本发明采用宽度优先搜索。填充结束条件为搜索到的邻域点已被填充或者为轮廓点。继续执行D2。
上述字符缩放方法步骤,其中,骨架提取的流程如图2所示,首先利用细化的方法提取原始字符图像的原始骨架点,然后通过去分叉等操作获得字符骨架点,图4(b)展示了中文字符“干”的骨架点;轮廓点提取结果如图4(c)所示。
轮廓点与骨架点之间的控制关系确定如图3所示,将字符骨架点与轮廓点进行三角剖分,得到多个三角网格,如图4(d)所示。在所有三角形的边集合中选取既包含骨架点又包含轮廓点的边,该类型的边表示轮廓点与骨架点存在控制关系。将轮廓点对应的骨架点设定为控制点,如果轮廓点被多个骨架点控制,则将多个骨架点的质心设定为控制点,同时舍弃无控制点的轮廓点,得到有效轮廓点,如图4(f)所示;同时舍弃未控制任何轮廓点的骨架点,得到控制点并将其更新为有效骨架点,如图4(e)所示。接下来根据有效骨架点与有效轮廓点的控制关系,计算有效控制组合的相对位置,每个控制组合的相对位置用一条从有效轮廓点到有效骨架点的线段表示,则所有控制组合的相对位置表示如图4(g)。
对有效骨架点进行仿射变换,得到缩放后的控制点,如图4(h)所示。然后根据新骨架点的信息以及有效控制组合的相对位置关系,确定新轮廓点的位置分布,如图4(f)所示。
最后对新轮廓点进行闭合处理,并根据新骨架点的位置对字符进行填充,得到缩放后的字符图像,如图4(f)所示。
在图4展示的具体实施例中:步骤1为骨架点与轮廓点提取;步骤2为对骨架点和轮廓点进行三角剖分;步骤3为确定有效轮廓点与有效骨架点,同时确定控制组合以及点对间的相对位置;步骤4为对有效骨架点进行仿射变换,得到新骨架点;步骤5为根据新骨架点对轮廓点进行重新分布,得到新轮廓点;步骤6为对新轮廓点进行闭合填充。
图5是分别利用插值缩放和利用本发明提供方法,对不同语言体系字符横向拉伸两倍得到的结果对比。每个语言体系中,第一行为原始字符图片,第二行为利用插值方法在横向缩放两倍获得的目标图片,第三行为使用本发明提供方法在横向缩放两倍倍获得的目标图片。根据结果,本发明提供的方法能够良好的维持各语言体系字符图像的笔画宽度这一结构信息,解决了非等比例缩放过程中笔画不一致带来的缩放失真。因此,本发明技术方案可以很好的维持笔画宽度这种字符信息,有效提升了字符图像的缩放效果。
需要注意的是,公布实施例的目的在于帮助进一步理解本发明,但是本领域的技术人员可以理解:在不脱离本发明及所附权利要求的精神和范围内,各种替换和修改都是可能的。因此,本发明不应局限于实施例所公开的内容,本发明要求保护的范围以权利要求书界定的范围为准。
Claims (10)
1.一种字符缩放方法,所述字符缩放方法依次包括骨架点提取与轮廓点提取、控制关系确定、骨架点仿射变换、轮廓点重新分布和轮廓点闭合填充操作,使得字符缩放之后仍能维持笔画宽度的结构信息;具体包括如下步骤:
A.分别提取得到字符图像的骨架点和轮廓点;根据连通关系将轮廓点划分为多个互不连通的轮廓点集合,每个集合为连续的轮廓点序列;
B.确定骨架点与轮廓点之间的控制关系,即从骨架点集合中为轮廓点选取一个控制点,所有控制点组成控制点集合,利用控制点更新骨架点,获得有效骨架点;舍弃无控制点的轮廓点,得到有效轮廓点;根据有效轮廓点更新轮廓点序列;计算得到有效轮廓点与相对应有效骨架点的空间位置关系;
C.根据缩放比例对有效骨架点进行仿射变换,得到所述有效骨架点的新位置,根据轮廓点与骨架点的相对位置关系,确定每个有效轮廓点的新位置,得到新的有效轮廓点;
D.对新的有效轮廓点进行闭合操作,通过填充得到最终的字符图像。
2.如权利要求1所述字符缩放方法,其特征是,步骤A具体包括如下步骤,提取得到字符图像的骨架点和字符图像的轮廓点序列:
A1.利用骨架提取方法,提取得到字符图像的骨架点;
A2.利用边缘检测方法,提取字符图像的轮廓点;
A3.根据轮廓点之间的连通关系,将同一连通区域的轮廓点划分为一个集合之中;并根据邻接关系,将每个集合中的轮廓点组织为有序的点序列。
3.如权利要求2所述字符缩放方法,其特征是,步骤A1采用经典字符骨架提取方法,所述经典字符骨架提取方法包括细化、轮廓中轴线、小波提取和人工标注方式;步骤A2采用经典边缘检测算子进行边缘检测,所述经典边缘检测算子为Roberts算子、Prewitt算子、Sobel算子、Log算子和Canny算子中的一种。
4.如权利要求2所述字符缩放方法,其特征是,步骤A3所述轮廓点之间的连通关系为四连通或者八连通。
5.如权利要求1所述字符缩放方法,其特征是,步骤B确定轮廓点与骨架点的控制关系,计算两者之间的位置关系;具体包括如下步骤:
B1.根据骨架点与轮廓点之间的空间位置关系,确定轮廓点与骨架点之间的组合对;
B2.将骨架点作为轮廓点的控制点,当轮廓点对应多个骨架点时,将对应的多个骨架点的质心作为轮廓点的控制点,将控制点更为有效骨架点;存在控制点的轮廓点称为有效轮廓点;
B3.对于每个有效轮廓点与有效骨架点之间的组合对,计算得到所述每个有效轮廓点与有效骨架点之间的空间位置关系。
B4.根据有效轮廓点更新轮廓点序列。
6.如权利要求5所述字符缩放方法,其特征是,步骤B1中确定组合对的方法为欧式距离最小化或基于Delaunay三角化算法计算的一种;步骤B2中所述骨架点质心通过计算横坐标与纵坐标的平均值得到;步骤B3所述有效轮廓点与有效骨架点之间的空间位置关系通过两者横坐标和纵坐标计算得到。
7.如权利要求1所述字符缩放方法,其特征是,步骤C具体包括如下步骤,得到新轮廓点:
C1.将骨架点横坐标、纵坐标分别乘以横缩放比例、纵缩放比例,得到新骨架点位置;
C2.根据新骨架点位置与步骤B所述有效轮廓点与有效骨架点之间的空间位置关系,为每个轮廓点在对应新骨架点位置上增加原始空间位置的差值,所述原始空间位置为有效轮廓点横坐标、纵坐标以及与其对应得有效应骨架点的横坐标、纵坐标。
8.如权利要求1所述字符缩放方法,其特征是,步骤D具体通过如下步骤,得到最终字符图像:
D1.按照步骤B更新的轮廓点序列依次连接新的轮廓点,得到闭合的轮廓点;
D2.将闭合后的轮廓点图像进行填充,得到完整的最终字符图像。
9.如权利要求8所述字符缩放方法,其特征是,步骤D1中的新轮廓点采用直线连接的方式进行闭合。
10.如权利要求8所述字符缩放方法,其特征是,步骤D2中的填充方法采用种子填充方法不断进行八邻域扩充,直到轮廓包围区域被全部填充,即得到完整的最终字符图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610816680.3A CN107818544B (zh) | 2016-09-12 | 2016-09-12 | 一种字符缩放方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610816680.3A CN107818544B (zh) | 2016-09-12 | 2016-09-12 | 一种字符缩放方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107818544A true CN107818544A (zh) | 2018-03-20 |
CN107818544B CN107818544B (zh) | 2020-05-05 |
Family
ID=61600529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610816680.3A Active CN107818544B (zh) | 2016-09-12 | 2016-09-12 | 一种字符缩放方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107818544B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111179280A (zh) * | 2019-12-24 | 2020-05-19 | 新维畅想数字科技(北京)有限公司 | 通过拓片反向制作石碑石刻三维模型的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101105858A (zh) * | 2007-07-09 | 2008-01-16 | 华南理工大学 | 基于最优全局仿射变换的汉字合成实现方法 |
CN101145243A (zh) * | 2006-09-15 | 2008-03-19 | 精工爱普生株式会社 | 用于保持字体结构的方法和设备 |
CN103578450A (zh) * | 2012-07-31 | 2014-02-12 | 国民技术股份有限公司 | 一种字符显示方法、字符显示装置及安全认证装置 |
CN105488507A (zh) * | 2016-01-22 | 2016-04-13 | 吉林大学 | 圆柱表面文字识别系统及方法 |
-
2016
- 2016-09-12 CN CN201610816680.3A patent/CN107818544B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101145243A (zh) * | 2006-09-15 | 2008-03-19 | 精工爱普生株式会社 | 用于保持字体结构的方法和设备 |
CN101105858A (zh) * | 2007-07-09 | 2008-01-16 | 华南理工大学 | 基于最优全局仿射变换的汉字合成实现方法 |
CN103578450A (zh) * | 2012-07-31 | 2014-02-12 | 国民技术股份有限公司 | 一种字符显示方法、字符显示装置及安全认证装置 |
CN105488507A (zh) * | 2016-01-22 | 2016-04-13 | 吉林大学 | 圆柱表面文字识别系统及方法 |
Non-Patent Citations (4)
Title |
---|
H.Q.PHAN等: "FlexyFont: Learning Transferring Rules for Flexible Typeface Synthesis", 《PACIFIC GRAPHICS 2015》 * |
T.Y.ZHANG等: "A Fast Parallel Algorithm for Thinning Digital Patterns", 《COMMUNICATIONS OF THE ACM》 * |
唐英敏等: "基于汉字构形的TrueType字库压缩方法", 《微电子学与计算机》 * |
孙浩等: "汉字部件的无失真缩放变换方法研究", 《计算机应用研究》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111179280A (zh) * | 2019-12-24 | 2020-05-19 | 新维畅想数字科技(北京)有限公司 | 通过拓片反向制作石碑石刻三维模型的方法 |
CN111179280B (zh) * | 2019-12-24 | 2023-09-22 | 新维畅想数字科技(北京)有限公司 | 通过拓片反向制作石碑石刻三维模型的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107818544B (zh) | 2020-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103810739B (zh) | 一种图像文字变形动画的生成方法 | |
CN104239855B (zh) | 一种基于笔画合成的图像风格迁移合成方法 | |
CN106204447A (zh) | 基于总变差分和卷积神经网络的超分辨率重建方法 | |
CN108682017A (zh) | 基于Node2Vec算法的超像素图像边缘检测方法 | |
CN103295197B (zh) | 基于字典学习和双边正则的图像超分辨率重建方法 | |
CN103353987A (zh) | 一种基于模糊理论的超像素分割方法 | |
CN103810729B (zh) | 一种基于等高线的光栅图像矢量化方法 | |
CN106570867A (zh) | 基于灰度形态学能量法的活动轮廓模型图像快速分割方法 | |
CN108010034A (zh) | 商品图像分割方法及装置 | |
CN104091320B (zh) | 基于数据驱动局部特征转换的噪声人脸超分辨率重建方法 | |
CN107730587B (zh) | 一种基于图片快速三维化交互式建模方法 | |
CN109658444A (zh) | 一种基于多模态特征的规则三维彩色点云配准方法 | |
CN103745470A (zh) | 基于小波的多边形轮廓演化医学ct图像交互式分割方法 | |
CN107590775B (zh) | 一种利用回归树场的图像超分辨率放大方法 | |
CN107977930A (zh) | 一种图像超分辨方法及其系统 | |
CN107767357A (zh) | 一种基于多方向字典的深度图像超分辨率方法 | |
CN107564023A (zh) | 一种cbct牙齿分割及建模算法 | |
CN109671039A (zh) | 基于分层特征的图像矢量化方法 | |
CN104299238A (zh) | 一种基于医学图像的器官组织轮廓线提取方法 | |
CN109741358B (zh) | 基于自适应超图学习的超像素分割方法 | |
CN106960469B (zh) | 一种快速分割三角形的光滑自由变形方法 | |
CN107818544A (zh) | 一种字符缩放方法 | |
CN110211059A (zh) | 一种基于深度学习的图像重建方法 | |
CN114693755B (zh) | 多模图像最大矩与空间一致性的非刚性配准方法及系统 | |
CN110084203A (zh) | 基于上下文关联的全卷积网络飞机层级检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |