CN109064525A - 一种图片格式转换方法、装置、设备和存储介质 - Google Patents

一种图片格式转换方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN109064525A
CN109064525A CN201810946768.6A CN201810946768A CN109064525A CN 109064525 A CN109064525 A CN 109064525A CN 201810946768 A CN201810946768 A CN 201810946768A CN 109064525 A CN109064525 A CN 109064525A
Authority
CN
China
Prior art keywords
pixel
point
picture
profile
editable
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
Application number
CN201810946768.6A
Other languages
English (en)
Other versions
CN109064525B (zh
Inventor
吴字洲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Shiyuan Electronics Thecnology Co Ltd
Guangzhou Shizhen Information Technology Co Ltd
Original Assignee
Guangzhou Shiyuan Electronics Thecnology Co Ltd
Guangzhou Shizhen Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Shiyuan Electronics Thecnology Co Ltd, Guangzhou Shizhen Information Technology Co Ltd filed Critical Guangzhou Shiyuan Electronics Thecnology Co Ltd
Priority to CN201810946768.6A priority Critical patent/CN109064525B/zh
Publication of CN109064525A publication Critical patent/CN109064525A/zh
Application granted granted Critical
Publication of CN109064525B publication Critical patent/CN109064525B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Editing Of Facsimile Originals (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种图片格式转换方法、装置、设备和存储介质，涉及图片处理技术领域。其中，该方法包括：获取位图图片中各像素点的梯度模值；查找位图图片中各颜色区域的轮廓点，轮廓点根据各像素点的梯度模值确定；生成可编辑图形，可编辑图形根据各颜色区域的轮廓点确定。采用上述方案解决现有技术中将图片导入绘图软件后，不可进行编辑的技术问题，实现了基于不可编辑的位图格式的图片生成可编辑的矢量格式的图片，同时，方便用户对图片进行二次操作，提升了用户的体验。

Description

一种图片格式转换方法、装置、设备和存储介质
技术领域
本发明实施例涉及图片处理技术领域，尤其涉及一种图片格式转换方法、装置、设备和存储介质。
背景技术
在使用绘图软件时，用户常常需要在软件内素描图片，如卡通人物等。为了保证素描准确性，用户通常会在软件内先导入一张用于素描参考的图片，然后，进行素描。然而，发明人在实践过程中发现，由于绘图软件本身的限制，导入通用格式的图片后，如JPG、GIF、TIF、BMP和PDF等格式的图片，虽然方便用户在各种环境下查看，但是图片的内容是不可进行编辑的，用户必须要基于导入的图片一笔一划地完成轮廓的素描，这样使得用户素描过程过于繁琐。
发明内容
有鉴于此，本发明实施例提供一种图片格式转换方法、装置、设备和存储介质，以解决现有技术中将图片导入绘图软件后，不可进行编辑的技术问题。
第一方面，本发明实施例提供了一种图片格式转换方法，包括：
获取位图图片中各像素点的梯度模值；
查找所述位图图片中各颜色区域的轮廓点，所述轮廓点根据所述各像素点的梯度模值确定；
生成可编辑图形，所述可编辑图形根据所述各颜色区域的轮廓点确定。
进一步的，所述查找所述位图图片中各颜色区域的轮廓点包括：
对各像素点的梯度模值取绝对值；
将各像素点的梯度模值绝对值乘以设定分辨率常数，以得到各像素点的目标乘积；
生成第一像素颜色数组，所述第一像素颜色数组中包含各像素点的目标乘积，所述第一像素颜色数组中各目标乘积按照设定像素点排列顺序进行排列；
确定轮廓点乘积，所述轮廓点乘积是按照设定规则对所述第一像素颜色数组中各目标乘积筛选后得到的；
查找所述位图图片中各颜色区域的轮廓点，所述轮廓点根据所述轮廓点乘积确定。
进一步的，所述确定轮廓点乘积包括：
将所述第一像素颜色数组中各目标乘积与预设像素范围进行比较；
选择在预设像素范围内的目标乘积作为轮廓点乘积。
进一步的，所述可编辑图形为可缩放矢量图形，
所述生成可编辑图形包括：
确定关键点及关键点属性，所述关键点及关键点属性根据所述轮廓点确定，所述关键点属性为线段顶点或贝塞尔曲线控制点；
将关键点转换为可缩放矢量图形可识别的path属性的值，所述path属性的值根据关键点属性以及所述关键点的坐标确定；
绘制可缩放矢量图形，所述可缩放矢量图形根据所述path属性的值确定。
进一步的，所述确定关键点及关键点属性包括：
生成各颜色区域的坐标点集合，所述坐标点集合中包含对应颜色区域的轮廓点的坐标；
确定各坐标点集合中的直线坐标点集合，每个所述直线坐标点集合中各轮廓坐标点连续且各轮廓坐标点在X轴或Y轴上的坐标值相等；
确定各坐标点集合中的曲线坐标点集合，每个所述曲线坐标点集合中各轮廓坐标点连续且连续的轮廓坐标点在X轴和Y轴上的坐标值均不相等；
筛选出直线型关键点，所述直线型关键点为所述直线坐标点集合中的两个顶点；
记录所述直线型关键点为线段顶点；
筛选出曲线型关键点，所述曲线型关键点是利用三次贝塞尔曲线对曲线坐标点集合组成的曲线进行反推后得到的；
记录所述曲线型关键点为贝塞尔曲线控制点。
进一步的，还包括：
确定所述位图图片中各像素点的像素值；
生成第二像素颜色数组，所述第二像素颜色数组中包含各像素点的像素值，所述第二像素颜色数组中各像素值按照所述设定像素点排列顺序进行排列；
确定各目标区域内部的像素值，所述目标区域通过连接颜色区域的轮廓点确定，所述各目标区域内部的像素值通过比较第一像素颜色数组和第二像素颜色数组确定。
进一步的，所述生成可编辑图形之后，还包括：
填充所述可编辑图形，所述可编辑图形的填充颜色根据所述各目标区域内部的像素值确定。
进一步的，所述生成可编辑图形之后，还包括：
保存所述可编辑图形。
进一步的，所述生成可编辑图形之后，还包括：
接收修改操作，所述修改操作作用于所述可编辑图形；
修改所述可编辑图形。
进一步的，所述获取位图图片中各像素点的梯度模值包括：
利用方向梯度直方图HOG算法获取位图图片中各像素点的梯度模值。
第二方面，本发明实施例还提供了一种图片格式转换装置，包括：
梯度模值计算模块，用于获取位图图片中各像素点的梯度模值；
轮廓点检测模块，用于查找所述位图图片中各颜色区域的轮廓点，所述轮廓点根据所述各像素点的梯度模值确定；
图形生成模块，用于生成可编辑图形，所述可编辑图形根据所述各颜色区域的轮廓点确定。
第三方面，本发明实施例还提供了一种图片格式转换设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的图片格式转换方法。
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的图片格式转换方法。
上述提供的一种图片格式转换方法、装置、设备和存储介质，通过获取位图图片中各像素点的梯度模值；根据各像素点的梯度模值确定位图图片中各颜色区域的轮廓点；进而根据各颜色区域的轮廓点生成可编辑图形的技术方案，解决了现有技术中将图片导入绘图软件后，不可进行编辑的技术问题，实现了基于不可编辑的位图格式的图片生成可编辑的矢量格式的图片，且矢量格式的图片可以认为是对位图图片的素描，即快速的完成了素描图片，同时，方便用户对图片进行二次操作，提升了用户的体验。
附图说明
图1是本发明实施例一提供的一种图片格式转换方法的流程图；
图2是待处理的位图图片示意图；
图3是经HOG算法提取特征向量后的位图图片效果示意图；
图4是本发明实施例二提供的一种图片格式转换方法的流程图；
图5是步骤S207确定关键点及关键点属性的方法流程图；
图6是图片格式转换方法的另一流程图；
图7是本发明实施例三提供的一种图片格式转换装置的结构示意图；
图8是本发明实施例四提供的一种图片格式转换设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种图片格式转换方法的流程图。本实施例提供的图片格式转换方法由图片格式转换设备执行，该图片格式转换设备可以通过软件和/或硬件的方式实现，该图片格式转换设备可以是两个或多个物理实体构成，也可以是一个物理实体构成。该图片格式转换设备可以是电脑、手机、平板、投影仪或智能交互平板等。本实施例中，以智能交互平板为图片格式转换设备进行示例描述，其中，智能交互平板是通过触控技术对显示在显示平板上的内容进行操控和实现人机交互操作的一体化设备，其集成了投影机、电子白板、幕布、音响、电视机以及视频会议终端等多种功能。
在实施例中，智能交互平板安装有绘图软件，该绘图软件可以理解为书写编辑软件，例如电子白板软件，即该软件检测到用户对智能交互平板执行手写操作后，可以在对应的位置显示手写内容，同时，具有对手写内容的编辑功能，以使用户通过编辑功能对手写内容进行二次编辑。其中，手写操作为手写模式下，智能交互平板显示屏接收的触控操作。进一步的，该绘图软件可以预先安装在智能交互平板中，也可以是在智能交互平板启动图片格式转换应用时，从第三方设备或服务器进行下载并安装使用。其中，第三方设备在实施例中不作限定。具体的，该绘图软件可导入各种类型的图片，其具体的导入方式实施例不作限定。可以理解的是，在智能交互平板运行该绘图软件的场景下，智能交互平板可以执行实施例提供的图片格式转换方法。
具体的，参考图1，本实施例提供的图片格式转换方法具体包括以下步骤：
S110、获取位图图片中各像素点的梯度模值。
示例性的，位图图片也可以称为位图，其是由像素(Pixel)组成的，像素是位图最小的信息单元，存储在图像栅格中。其中，位图图片的格式可以为JPG、GIF、TIF、BMP或PDF等，实施例对此不作限定。具体的，将位图图片导入至绘图软件中，其具体的导入方式实施例不作限定，例如，通过插入功能，插入目标文件夹内的位图图片。此时，智能交互平板会将位图图片加载到内存中等待处理。需要说明的是，导入的位图图片可以是基于RGB分量的彩色图片，也可以是经过预处理的灰度图，该预处理可以为基于MATLAB算法的图像处理或者基于Photoshop软件等图像处理软件的图像处理。由于位图图片是以排列的像素集合体形式创建的，所以不能单独操作局部位图，因此，导入位图图片后，用户无法在绘图软件上对位图图片进行二次编辑。
梯度模值是指图像函数f(x,y)在像素点(x,y)的梯度进行取模运算后得到的数值，梯度是一个具有大小和方向的矢量，具体包括梯度模值和梯度方向。根据梯度模值和梯度方向可以确定位图图片中物体特征。实施例中，物体特征可以是相同颜色的轮廓特征。进一步的，利用方向梯度直方图(Histogram of Oriented Gradient，HOG)算法获取位图图片中各像素点的梯度模值。HOG算法又称HOG特征检测算法，是一种用于表征图像局部梯度方向和梯度强度分布特性的描述符。HOG特征是通过计算和统计图像局部区域的梯度方向直方图来构成特征。一般而言，HOG算法的计算过程一般包括：色彩和伽马归一化、计算图像梯度、构建方向的直方图、将细胞单元组合成大的区间以及收集HOG特征。通过HOG算法可以得到位图图片的HOG特征向量，该HOG特征向量包含梯度模值和梯度方向。具体的，可以采用一阶梯度算子(-1,0，-1)，(-1,0,1)T来进行梯度的计算，其中，(-1,0,-1)是水平方向，即x方向上的梯度算子，(-1,0,1)T是垂直方向，即y方向上的梯度算子。在HOG算法中，对位图图片进行归一化后，任一个像素点(x,y)的梯度模值G(x,y)和梯度方向θ(x,y)可以通过以下公式计算得到：
Gx(x,y)＝I(x+1,y)-I(x-1,y)
Gy(x,y)＝I(x,y+1)-I(x,y-1)
其中，I(x,y)为像素点(x,y)处的像素值，Gx(x,y)是x方向的像素梯度，Gy(x,y)是y方向的像素梯度，θ(x,y)为[-180,180]区间内的值。由于HOG算法中，颜色信息的作用不大，因此，在HOG算法的第一步，即色彩和伽马归一化时，将位图图片转换成了灰度图片，因此，I(x,y)也可以理解为像素点(x,y)处的灰度值。
S120、查找所述位图图片中各颜色区域的轮廓点。
其中，轮廓点根据各像素点的梯度模值确定。
具体的，颜色区域是指位图图片中，具有相同像素值的连续像素点的集合，其可以是一个包含多行和/或多列连续像素点的区域，也可以是仅包含一行和/或一列连续像素点的区域，不同的颜色区域代表物体不同的特征。一般而言，将位图图片中不同颜色区域之间的交界线记为轮廓线，轮廓线可以看做由无数个轮廓点紧密连接而成，通过轮廓点可以勾勒出位图图片中的物体特征。其中，轮廓点可以选择为颜色区域的边缘点，需要说明的是，两个颜色区域之间，实施例不限定具体选择哪个区域的边缘点作为轮廓点，其可以根据实际情况进行选择。
进一步的，轮廓点根据各像素点的梯度模值所确定。一般而言，确定各像素点的梯度模值后，可以得到位图图片中物体特征，进而根据物体特征可以将位图图片转换成一个灰度图片，该灰度图片中包含用于勾勒物体特征的线条。可选的，灰度图片的底色为黑色，其包含的线条可以认为是不同颜色区域的轮廓线，该轮廓线在灰度图片中易于识别。进而，基于灰度图片中轮廓线可以得到各颜色区域的轮廓点。举例而言，图2是待处理的位图图片示意图。进一步的，将图2导入绘图软件后，经过HOG算法对其进行处理后，可以基于各像素点的梯度模值，将位图图片转换为灰度图片，且灰度图片中仅包含用于勾勒颜色区域的轮廓线。其中，图3是经HOG算法提取特征向量后的位图图片效果示意图，如图3所示，经过HOG算法提取特征向量后，对位图图片转换后生成黑底的灰度图片，其中包含易于识别的轮廓线，例如，图3中的白色线条，每条白色线条可以表示一条轮廓线，其用于勾勒物体特征，例如，眉毛、眼睛等。此时，轮廓线也可以理解为图2中各颜色区域的分割线。进一步的，根据图3中的轮廓线可以得到轮廓点。
S130、生成可编辑图形。
其中，可编辑图形根据各颜色区域的轮廓点确定。
具体的，可编辑图形是指可以由绘图软件识别并进行二次操作的图形，例如，绘图软件可以将可编辑图形拆分成多个区域且独立对每个区域进行操作。其中，操作可以是改变局部区域的颜色、移动局部区域的位置以及改变局部区域的大小等。一般而言，不同于位图图片，可编辑图形一般为矢量图形，本实施例中，矢量图形可以为可缩放矢量图形(Scalable Vector Graphics，SVG)。进一步的，可缩放矢量图形是通过path命令和参数实现对图片的编辑操作。
示例性的，基于查找出来的位图图片的轮廓点，将轮廓点重新连接成线，组合成多个不同的区域，此时多个不同的区域各自独立，可实现图形的二次编辑。其中，在连接轮廓点时，可以是先确定连续的轮廓点组成的线条为直线还是曲线，进而确定各线条的关键点，例如线段的顶点、曲线的两个顶点及两个中间点。然后，将关键点转换成path属性的值，进而基于path属性的值对关键点进行连接，以得到可编辑图片。例如，参考图3，在连接轮廓点后，其围城的各区域均可以看作是独立的区域，例如人物中的上衣、裤子、左手、右手、左眼、右眼、左眉毛、右眉毛、嘴、脸庞和头发等均可看作是独立区域。进而，可以根据用户的实际需求，对各区域进行颜色填充、移动位置以及改变大小等操作。
本实施例提供的技术方案，通过获取位图图片中各像素点的梯度模值；根据各像素点的梯度模值确定位图图片中各颜色区域的轮廓点；进而根据各颜色区域的轮廓点生成可编辑图形的技术方案，解决了现有技术中将图片导入绘图软件后，不可进行编辑的技术问题，实现了基于不可编辑的位图格式的图片生成可编辑的矢量格式的图片，且矢量格式的图片可以认为是对位图图片的素描，即快速的完成了素描图片，同时，方便用户对图片进行二次操作，提升了用户的体验。
实施例二
图4是本发明实施例二提供的一种图片格式转换方法的流程图。本实施例是在上述实施例一的基础上进行具体化。具体的，参考图4，本实施例提供的图片格式转换方法具体包括以下步骤：
S201、利用HOG算法获取位图图片中各像素点的梯度模值。
利用HOG算法获取位图图片中各像素点的梯度模值可以参照实施例中S110的相关描述，在此不作赘述。
S202、对各像素点的梯度模值取绝对值。
具体的，对位图图片进行HOG特征提取过程中，由于位图图片可能出现像素点分布不均匀的情况，因此，在利用HOG算法进行计算时，梯度模值可能存在正值和负值。因此，为了便于后续过程的像素处理，实施例中设定，对梯度模值取绝对值，以保证绝对值后的梯度模值均为正值。
S203、将各像素点的梯度模值绝对值乘以设定分辨率常数，以得到各像素点的目标乘积。
具体的，由于受到位图图片的采集环境等因素的影响，使得导入的位图图片效果可能不是很好，进而在进行位图图片像素点扫描检测的过程中，容易出现误检或漏检的情况，所以HOG算法的第一步骤是对导入的位图图片进行颜色空间归一化处理，如色彩和伽马归一化，以有效降低图片局部的阴影和光照变化，提高位图图片像素点的识别度。其中，色彩归一化也可理解为图像灰度化，其是指将彩色图像中的RGB分量转化为灰度图像，其转化公式可选为：Gray＝0.3*R+0.59*G+0.11*B；伽马归一化也可以理解为伽马校正，其是指在图像照度不均匀的情况下，通过对图像的灰度值进行平方根或对数法进行伽马标准化，将图像整体亮度提高或降低。在色彩和伽马归一化时，设定对位图图片的所有像素值除以设定分辨率常数，以有效降低图片局部的阴影和光照变化。因此，在利用梯度模值生成用于勾勒物体特征的灰度图片时，需要对各像素点的梯度模值绝对值乘以设定分辨率常数，以得到各像素点的目标乘积。其中，该目标乘积可以认为是对应像素点新的修正过的灰度值。典型的，本步骤中用于乘法的分辨率常数和归一化处理时采用的分辨率常数相同，可选的，设定分辨率常数为255。一般而言，目标乘积的取值范围为0至255，且目标乘积为0和目标乘积为255的像素点的数量较多。可选的，确定目标乘积后，可以得到各像素点的灰度值。例如，某个像素点的目标乘积为255，那么对应的灰度值为255。
S204、生成第一像素颜色数组。
其中，该第一像素颜色数组中包含各像素点的目标乘积，该第一像素颜色数组中各目标乘积按照设定像素点排列顺序进行排列。其中，第一像素颜色数组为一维数组，按照位图图片的像素宽度和像素高度，将位图图片的各像素点的目标乘积按逐行或逐列的顺序存储于一维数组中。示例性的，假设位图图片的分辨率为120*160，即该位图图片的像素宽度为120，像素高度为160，像素点个数为120*160个。进一步的，每个像素点的像素值包括三个灰度值，此时，第一像素颜色数组可以理解为按照像素点排列顺序存储的120*160*3个数值组成的一维数组，每三个数值对应一个像素点，组成该像素点的像素值，且上述三个数值均为该像素点的目标乘积。基于第一像素颜色数组中记录的像素值可以得到一个灰度图片。通常，该灰度图片的底色为黑色，且包含用于勾勒颜色区域的轮廓点。
S205、确定轮廓点乘积。
其中，该轮廓点乘积是按照设定规则对上述第一像素颜色数组中各目标乘积筛选后得到的。具体的，为了准确的得到可编辑图形，需要在第一像素颜色数组中查找轮廓点对应的目标乘积，实施例中，将轮廓点对应的目标乘积记为轮廓点乘积。
具体的，在查找轮廓点乘积时，可以是将第一像素颜色数组中表示非底色的目标乘积筛选出来，作为轮廓点乘积。一般而言，第一像素颜色数组中，非底色的目标乘积的数量小于底色的目标乘积的数量。
可选的，由于在使用HOG算法进行特征提取的过程中，有一些像素点的梯度模值会存在误差范围，使得某些像素点的目标乘积存在一定的范围误差。据此，根据该误差范围设定规则，以从第一像素颜色数组中筛选出符合规则的轮廓点乘积。例如，对第一像素颜色数组分析可知，在第一像素颜色数组中，底色部分的像素点的目标乘积为0，误差范围为2，此时，可以认为在0～2范围内的目标乘积均为用于表示底色的像素点的目标乘积。那么，轮廓点乘积的所在范围可以是3～255，即将目标乘积位于3～255范围之内的目标乘积提取出来，记为轮廓点乘积。
具体的，步骤S205还可以进一步包括以下步骤：
S2051、将所述第一像素颜色数组中各目标乘积与预设像素范围进行比较。
其中，预设像素范围根据底色像素点或非底色像素点的目标乘积差异来确定，预设像素范围可以是底色像素点的目标乘积范围，也可以是非底色像素点的目标乘积范围。例如，参考图3，图3中黑色像素点为底色像素点，非黑色像素点为非底色像素点。为了将非黑色像素点从所有像素点中准确的提取出来，可以将黑色像素点的目标乘积范围定义为预设像素范围，也可以将非黑色像素点的目标乘积范围定义为预设像素范围。进一步的，将第一像素颜色数组中的各目标乘积与预设像素范围进行比较。实施例中，优选将轮廓点的目标乘积范围作为预设像素范围。可选的，确定预设像素范围时，需要参考目标乘积的误差范围。例如，底色部分的像素点的目标乘积为0，误差范围为2，那么预设像素范围可以为3～255。
S2052、选择在预设像素范围内的目标乘积作为轮廓点乘积。
具体的，从第一像素颜色数组中选择在预设像素范围内的目标乘积作为轮廓点乘积。此时，可以得到全部轮廓点乘积。
S206、查找所述位图图片中各颜色区域的轮廓点。
具体的，基于第一像素颜色数组的像素点排列顺序，确定轮廓点乘积所对应的像素点，进而将该像素点确定为轮廓点。可选的，此时得到的轮廓点可以认为是对位图图片中各颜色区域的边框线的描边。例如，图3中的轮廓点是对图2中各颜色区域的黑色边框线的描边。进一步的，可以分析描边情况，并取图3中轮廓点围成的边框线对应的各点，即图2中黑色边框线对应的各点，并将该点记为新的轮廓点。此时，下述过程中提及的轮廓点也可选认为是基于边框线得到的新的轮廓点。
S207、确定关键点及关键点属性。
其中，关键点及关键点属性根据轮廓点确定，关键点属性为线段顶点或贝塞尔曲线控制点。
具体的，从轮廓点中进一步筛选出关键点。其中，该关键点为核心轮廓点，即对颜色区域轮廓的勾勒起到重要作用的轮廓点。该关键点属性根据轮廓点的属性确定，关键点属性为线段顶点或贝塞尔曲线控制点。当多个连续轮廓点组成的线型为线段类型时，可以将多个连续轮廓点的两个顶点认为是关键点，且关键属性为线段顶点，当多个连续轮廓点组成的线型为曲线类型时，可以依据多个连续轮廓点组成的曲线确定关键点。在实施例中，设定多个连续轮廓点组成的曲线为贝塞尔曲线，此时，确定关键点属性为贝塞尔曲线控制点。
具体的，如图5所示，步骤S207还可以进一步包括以下步骤：
S2071、生成各颜色区域的坐标点集合。
其中，坐标点集合中包含对应颜色区域的轮廓点的坐标。
可选的，根据加载到绘图软件中的位图图片的像素宽度和像素高度，确定各轮廓点在位图图片中的坐标，根据各轮廓点的坐标，将坐标连续的轮廓点归集到一起，并确定相应的坐标点集合。一般而言，坐标连续的轮廓点通常可以围城至少一个闭合区域，且该闭合区域为一个颜色区域，因此，可以将坐标点集合记为颜色区域的坐标点集合。
S2072、确定各坐标点集合中的直线坐标点集合。
其中，每个直线坐标点集合中各轮廓坐标点连续且各轮廓坐标点在X轴或Y轴上的坐标值相等。具体的，轮廓坐标点为轮廓点的坐标，连续是指两个轮廓坐标点之间不存在其他的轮廓坐标点。例如，存在M个连续的轮廓点，其中n个连续的轮廓点记为A1、A2……An，这n个点的横坐标或纵坐标的值相等，且An+1的轮廓点与前n个轮廓点在X轴和Y轴上的坐标值均不相等，此时，可判断A1、A2……An在X轴方向或Y轴方向上排列成一条直线，即A1、A2……An组成一个直线坐标点集合。按照上述方式可以确定各坐标点集合中的全部直线坐标点集合。
S2073、确定各坐标点集合中的曲线坐标点集合。
其中，每个所述曲线坐标点集合中各轮廓坐标点连续且连续的轮廓坐标点在X轴和Y轴上的坐标值均不相等。例如，M个连续的轮廓点，其中n个连续的轮廓点记为A1、A2……An，且互相连续点的横坐标和纵坐标的值均不相等，且An+1的轮廓点与第n个轮廓点在X轴或Y轴上的坐标值相等，则可判断A1、A2……An之间存在的线条为曲线，即A1、A2……An组成一个曲线坐标点集合。可选的，若n的数量较多，也可以将其拆分成多个曲线坐标点集合。按照上述方式可以确定各坐标点集合中的全部曲线坐标点集合。
S2074、筛选出直线型关键点。
其中，直线型关键点为所述直线坐标点集合中的两个顶点。具体的，将直线坐标点集合中连续的轮廓点之间的连线类型记为Line，即一条线段。一般而言，明确线段的两个端点，便可以绘制一条直线，因此，确定关键点时，仅保留了每个直线坐标集合中的两个顶点。若该直线坐标集合中各坐标点在X轴上的坐标值相等，那么选择的两个顶点为直线坐标集合中Y轴上坐标值最大的点和坐标值最小的点。若该直线坐标集合中各坐标点在Y轴上的坐标值相等，选择方式与X轴值相等类似，在此不作赘述。例如，直线坐标集合包含n个连续的轮廓点，且依次记为A1、A2……An，此时，去除A2到An-1的所有点，只保留A1和An作为直线型关键点。
S2075、记录所述直线型关键点为线段顶点。
具体的，在记录过程中，将同一线段的两个直线型关键点同时记录，以保证在后续过程中，根据直线型关键点绘制直线。
S2076、筛选出曲线型关键点。
其中，曲线型关键点是利用三次贝塞尔曲线对曲线坐标点集合组成的曲线进行反推后得到的。
具体的，将曲线坐标点集合中连续的轮廓点之间的连线类型记为贝塞尔曲线。一般而言，通过控制贝塞尔曲线上的四个点(起点、终点以及两个相互分离的中间点)可以绘制出满足本实施例需求的全部曲线，其中，上述提及的四个点可以认为是贝塞尔曲线的控制点。实施例中，基于曲线坐标点集合中各轮廓点连线得到的曲线类型为贝塞尔曲线。之后，利用三次贝塞尔曲线对各轮廓点组成的曲线进行反推，以得到该曲线的曲线型关键点，即贝塞尔曲线的控制点。如果利用三次贝塞尔曲线对各轮廓点组成的曲线进行反推后，只能得到两个关键点，那么确定曲线坐标点集合组成的线条为斜线。
S2077、记录所述曲线型关键点为贝塞尔曲线控制点。
具体的，在记录过程中，将同一贝塞尔曲线的4个曲线型关键点同时记录，以保证在后续过程中，根据4个曲线型关键点绘制出该贝塞尔曲线。
需要说明的是，通过坐标点集合确定直线坐标点集合筛选出直线型关键点，以及确定曲线坐标点集合筛选出曲线型关键点的顺序可以改变，因此，步骤S2072-S2077的顺序可以改变。
S208、将关键点转换为可缩放矢量图形可识别的path属性的值。
其中，path属性的值根据关键点属性以及该关键点的坐标确定。
具体的，SVG是用于描述二维矢量图形的一种图形格式。path是用于绘制SVG基本形状中的一种元素，path的形状可通过属性定义，属性的值是一个“命令+参数”的序列，每一个命令都用一个关键字母来表示，比如，关键字母“L”表示“Line to”命令，表示画直线；关键字母“C”表示“Curve to”命令，表示画曲线；关键字母“M”表示“Move to”命令，表示移动；关键字母“H”表示“Horizontal Line to”命令，表示画水平线；关键字母“V”表示“Vertical Line to”命令，表示画垂直线；关键字母“S”表示“Smooth Curve to”命令，表示画光滑曲线；关键字母“Q”表示“Quadratic Belzier to”命令，表示画二次贝塞尔曲线；关键字母“T”表示“Smooth Quadratic Belzier to”命令，表示画光滑二次贝塞尔曲线；关键字母“A”表示“Elliptical Arc”命令，表示画椭圆弧线；关键字母“Z”表示“Close path”命令，表示关闭path。进一步的，假设path属性的值为“M10 10”，其中字母“M”表示的是“Moveto”命令，“M”后的“10 10”表示点(10,10)，而path属性的值可解析为移动到点(10,10)。可以理解的是，该可缩放矢量图形中path属性的值与绘图软件所使用的path属性的值在结构上是一致，即该可缩放矢量图形可以被绘图软件识别。
具体的，根据关键点属性，如线段顶点或贝塞尔曲线控制点，以及关键点的坐标，将关键点转换为SVG格式可识别的path属性的值。
S209、绘制可缩放矢量图形。
其中，可缩放矢量图形根据path属性的值确定。
具体的，根据path属性的值执行“命令+参数”序列，可以根据关键点属性以及关键点的坐标，绘制出path属性的值所对应的可缩放矢量图形。例如，关键点A1和An的属性为直线，关键点A1的坐标为(10,90)，关键点An的坐标为(10,50)，通过命令“L”可在关键点A1和An之间画出一条直线，其中“L”表示“Line to”命令。可缩放矢量图形为线条组成的封闭式图形，各个封闭区域可以独立编辑，互不影响。
本实施例提供的技术方案，通过获取位图图片中各像素点的梯度模值，对各像素点的梯度模值取绝对值，将各像素点的梯度模值绝对值乘以设定分辨率常数，以得到各像素点的目标乘积，基于目标乘积生成第一像素颜色数组，并在第一像素颜色数组中确定轮廓点乘积，进而确定对应的各轮廓点，进一步的，确定轮廓点中的关键点及关键点属性，并将关键点转换为可缩放矢量图形可识别的path属性的值，以绘制可缩放矢量图形的技术方案，解决了现有技术中将图片导入绘图软件后，不可进行编辑的技术问题，实现了基于不可编辑的位图格式的图片生成可编辑的矢量格式的图片，同时保证了矢量格式的图片的准确性，同时，方便用户对图片进行二次操作，提升了用户的体验。
在上述实施例的基础上，优选的，如图6所示，该图片格式转换方法还包括以下步骤：
S301、确定所述位图图片中各像素点的像素值。
具体的，根据导入的位图图片的像素宽度和像素高度，逐个扫描位图图片的所有像素点，获取各像素点的像素值，其中所述像素值为彩色图片RGB的像素值，数值范围为0～255。
S302、生成第二像素颜色数组。
其中，第二像素颜色数组中包含各像素点的像素值，第二像素颜色数组中各像素值按照设定像素点排列顺序进行排列。
具体的，获取该位图图片的各像素点，并将各像素点的像素值按照各像素点的排列顺序依次存储在一维数组中，生成第二像素颜色数组，其中，第二像素颜色数组中各像素点的排列顺序与第一像素颜色数组中各像素点的排列顺序相同。示例性的，位图图片的分辨率为120*160，即该位图图片的像素宽度为120，像素高度为160，像素点个数为120*160个，每个像素点包括R、G和B三个分量，则该第二像素颜色数组为按照像素点排列顺序存储的120*160*3个数值组成的一维数组。其中，每三个数值组成一个像素点的RGB值。
S303、确定各目标区域内部的像素值。
其中，目标区域通过连接颜色区域的轮廓点确定，各目标区域可认为是可编辑图形中的封闭区域。各目标区域内部的像素值通过比较第一像素颜色数组和第二像素颜色数组来确定。
具体的，由于第二像素颜色数组中各像素点的排列顺序与第一像素颜色数组中各像素点的排列顺序相同，所以，第一像素颜色数组和第二像素颜色数组中各数值存在对应关系。即，可确定目标区域内部各像素点在第一像素颜色数组中的对应位置，进而在第二像素颜色数组中查找对应位置处的像素值，作为目标区域内部的像素值。
S304、填充所述可编辑图形。
其中，可编辑图形的填充颜色根据所述各目标区域内部的像素值确定。
具体的，确定目标区域内部的像素值后，基于确定的像素值修改目标区域内部的像素点的像素值，以在可编辑图形的目标区域内部填充颜色。
在上述实施例的基础上，可选的，该图片格式转换方法还包括：在生成可编辑图形后，保存所述可编辑图形。
具体的，在生成可编辑图形后，点击智能交互平板的保存按钮，可以保存该可编辑图形，其中，保存按钮的设定原则可以根据实际需求设定；或者，设置在设定的时间间隔后，自动保存该可编辑图形，该设定的时间间隔可以为1分钟。一般而言，可编辑图形的保存位置可以根据实际情况设定。设置保存可编辑图形的好处是，可以使用户在后续过程中，再次打开该可编辑图像进行编辑。
在上述实施例的基础上，可选的，该图片格式转换方法还包括：在生成可编辑图形后，接收修改操作，所述修改操作作用于所述可编辑图形；修改所述可编辑图形。
具体的，在生成可编辑图形后，还可对该可编辑图形进行再次的修改操作。其中，修改操作可以通过用户触控显示屏的方式实现，该修改操作包括：重新填充颜色、改变可编辑图形的局部大小、删除可编辑图形、缩放可编辑图形以及移动可编辑图形的位置等。进一步的，当接收到修改操作后，触发相应的修改指令，以完成对可编辑图形的修改。可选的，保存修改后的可编辑图形。
实施例三
图7是本发明实施例三提供的一种图片格式转换装置的结构示意图。本实施例提供的图片格式转换装置可以集成在图片格式转换设备中，该图片格式转换设备可以是两个或多个物理实体构成，也可以是一个物理实体构成，该图片格式转换设备可以是电脑、手机、平板、投影仪或智能交互平板等。参考图7，本实施例提供的图片格式转换装置具体包括：梯度模值计算模块510、轮廓点检测模块520和图形生成模块530。
其中，梯度模值计算模块510，用于获取位图图片中各像素点的梯度模值；轮廓点检测模块520，用于确定位图图片中各颜色区域的轮廓点，轮廓点根据各像素点的梯度模值确定；图形生成模块530，用于生成可编辑图形，可编辑图形根据各颜色区域的轮廓点确定。
本实施例提供的技术方案，通过获取位图图片中各像素点的梯度模值；根据各像素点的梯度模值确定位图图片中各颜色区域的轮廓点；进而根据各颜色区域的轮廓点生成可编辑图形的技术方案，解决了现有技术中将图片导入绘图软件后，不可进行编辑的技术问题，实现了基于不可编辑的位图格式的图片生成可编辑的矢量格式的图片，且矢量格式的图片可以认为是对位图图片的素描，即快速的完成了素描图片，同时，方便用户对图片进行二次操作，提升了用户的体验。
在上述实施例的基础上，轮廓点检测模块520包括：梯度模值绝对值获取单元，用于对各像素点的梯度模值取绝对值；目标乘积获取单元，用于将各像素点的梯度模值绝对值乘以设定分辨率常数，以得到各像素点的目标乘积；第一数组生成单元，用于生成第一像素颜色数组，第一像素颜色数组中包含各像素点的目标乘积，第一像素颜色数组中各目标乘积按照设定像素点排列顺序进行排列；轮廓点乘积确定单元，用于确定轮廓点乘积，轮廓点乘积是按照设定规则对第一像素颜色数组中各目标乘积筛选后得到的；轮廓点查找单元，用于查找位图图片中各颜色区域的轮廓点，轮廓点根据轮廓点乘积确定。
在上述实施例的基础上，轮廓点乘积确定单元包括：比较子单元，用于将第一像素颜色数组中各目标乘积与预设像素范围进行比较；选择子单元，用于选择在预设像素范围内的目标乘积作为轮廓点乘积。
在上述实施例的基础上，可编辑图形为可缩放矢量图形，图形生成模块530包括：确定单元，用于确定关键点及关键点属性，关键点及关键点属性根据轮廓点确定，关键点属性为线段顶点或贝塞尔曲线控制点；转换单元，用于将关键点转换为可缩放矢量图形可识别的path属性的值，path属性的值根据关键点属性以及关键点的坐标确定；可缩放矢量图形绘制单元，用于绘制可缩放矢量图形，可缩放矢量图形根据path属性的值确定。
在上述实施例的基础上，确定单元包括：坐标点集合生成子单元，用于生成各颜色区域的坐标点集合，坐标点集合中包含对应颜色区域的轮廓点的坐标；直线集合确定子单元，用于确定各坐标点集合中的直线坐标点集合，每个直线坐标点集合中各轮廓坐标点连续且各轮廓坐标点在X轴或Y轴上的坐标值相等；曲线集合确定子单元，用于确定各坐标点集合中的曲线坐标点集合，每个曲线坐标点集合中各轮廓坐标点连续且连续的轮廓坐标点在X轴和Y轴上的坐标值均不相等；直线型关键点筛选子单元，用于筛选出直线型关键点，直线型关键点为直线坐标点集合中的两个顶点；线段顶点记录子单元，用于记录直线型关键点为线段顶点；曲线型关键点筛选子单元，用于筛选出曲线型关键点，曲线型关键点是利用三次贝塞尔曲线对曲线坐标点集合组成的曲线进行反推后得到的；曲线控制点记录子单元，用于记录曲线型关键点为贝塞尔曲线控制点。
在上述实施例的基础上，图片格式转换装置还包括：图片像素值确定模块，用于确定位图图片中各像素点的像素值；第二数组生成模块，用于生成第二像素颜色数组，第二像素颜色数组中包含各像素点的像素值，第二像素颜色数据中各像素值按照设定像素点排列顺序进行排列；目标区域像素值确定模块，用于确定各目标区域内部的像素值，目标区域通过连接颜色区域的轮廓点确定，各目标区域内部的像素值通过比较第一像素颜色数组和第二像素颜色数组确定。
在上述实施例的基础上，图片格式转换装置还包括：填充模块，用于填充可编辑图形，可编辑图形的填充颜色根据各目标区域内部的像素值确定。
在上述实施例的基础上，图片格式转换装置还包括：保存模块，用于保存可编辑图形。
在上述实施例的基础上，图片格式转换装置还包括：修改操作接收模块，用于接收修改操作，修改操作作用于所述可编辑图形；修改模块，用于修改可编辑图形。
本实施例提供的图片格式转换装置可用于执行上述任意实施例提供的图片格式转换方法，且具备相应的功能和有益效果。
实施例四
图8是本发明实施例四提供的一种图片格式转换设备的结构示意图。如图8所示，该图片格式转换设备包括：处理器60、存储器61、具有触摸功能的显示屏62、输入装置63、输出装置64以及通信装置65。该图片格式转换设备中处理器60的数量可以是一个或者多个，图8中以一个处理器60为例。该图片格式转换设备中存储器61的数量可以是一个或者多个，图8中以一个存储器61为例。该图片格式转换设备的处理器60、存储器61、显示屏62、输入装置63、输出装置64以及通信装置65可以通过总线或者其他方式连接，图8中以通过总线连接为例。实施例中，图片格式转换设备可以是电脑，手机，平板，投影仪或智能交互平板等。实施例中，以图片格式转换设备为智能交互平板为例，进行描述。
存储器61作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明任意实施例所述的图片格式转换方法对应的程序指令/模块(例如，图片格式转换装置中的梯度模值计算模块510、轮廓点检测模块520和图形生成模块530)。处理器60通过运行存储在存储器61中的软件程序、指令以及模块，从而执行图片格式转换设备的各种功能应用以及数据处理，即实现上述的图片格式转换方法。
存储器61可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器61可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器61可进一步包括相对于处理器60远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
显示屏62为具有触摸功能的显示屏62，其可以是电容屏、电磁屏或者红外屏。一般而言，显示屏62用于根据处理器60的指示显示数据，还用于接收作用于显示屏62的触摸操作，并将相应的信号发送至处理器60或其他装置。可选的，当显示屏62为红外屏时，其还包括红外触摸框，该红外触摸框设置在显示屏62的四周，其还可以用于接收红外信号，并将该红外信号发送至处理器60或者其他设备。
通信装置65，用于与其他设备建立通信连接，其可以是有线通信装置和/或无线通信装置。
输入装置63可用于接收输入的数字或者字符信息，以及产生与图片格式转换设备的用户设置以及功能控制有关的键信号输入，还可以是用于获取图像的摄像头以及获取音频数据的拾音设备。输出装置64可以包括扬声器等音频设备。需要说明的是，输入装置63和输出装置64的具体组成可以根据实际情况设定。
本实施例提供的图片格式转换设备可以用于执行上述任意实施例提供的图片格式转换方法，且具备相应的功能和有益效果。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种图片格式转换方法，包括：
获取位图图片中各像素点的梯度模值；
确定位图图片中各颜色区域的轮廓点，轮廓点根据各像素点的梯度模值确定；
生成可编辑图形，可编辑图形根据各颜色区域的轮廓点确定。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的图形格式转换方法操作,还可以执行本发明任意实施例所提供的图形格式转换方法中的相关操作，且具备相应的功能和有益效果。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是机器人，个人计算机，服务器，或者网络设备等)执行本发明任意实施例所述的图形格式转换方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (13)

1.一种图片格式转换方法，其特征在于，包括：
获取位图图片中各像素点的梯度模值；
查找所述位图图片中各颜色区域的轮廓点，所述轮廓点根据所述各像素点的梯度模值确定；
生成可编辑图形，所述可编辑图形根据所述各颜色区域的轮廓点确定。
2.根据权利要求1所述的图片格式转换方法，其特征在于，所述查找所述位图图片中各颜色区域的轮廓点包括：
对各像素点的梯度模值取绝对值；
将各像素点的梯度模值绝对值乘以设定分辨率常数，以得到各像素点的目标乘积；
生成第一像素颜色数组，所述第一像素颜色数组中包含各像素点的目标乘积，所述第一像素颜色数组中各目标乘积按照设定像素点排列顺序进行排列；
确定轮廓点乘积，所述轮廓点乘积是按照设定规则对所述第一像素颜色数组中各目标乘积筛选后得到的；
查找所述位图图片中各颜色区域的轮廓点，所述轮廓点根据所述轮廓点乘积确定。
3.根据权利要求2所述的图片格式转换方法，其特征在于，所述确定轮廓点乘积包括：
将所述第一像素颜色数组中各目标乘积与预设像素范围进行比较；
选择在预设像素范围内的目标乘积作为轮廓点乘积。
4.根据权利要求1所述的图片格式转换方法，其特征在于，所述可编辑图形为可缩放矢量图形，
所述生成可编辑图形包括：
确定关键点及关键点属性，所述关键点及关键点属性根据所述轮廓点确定，所述关键点属性为线段顶点或贝塞尔曲线控制点；
将关键点转换为可缩放矢量图形可识别的path属性的值，所述path属性的值根据关键点属性以及所述关键点的坐标确定；
绘制可缩放矢量图形，所述可缩放矢量图形根据所述path属性的值确定。
5.根据权利要求4所述的图片格式转换方法，其特征在于，所述确定关键点及关键点属性包括：
生成各颜色区域的坐标点集合，所述坐标点集合中包含对应颜色区域的轮廓点的坐标；
确定各坐标点集合中的直线坐标点集合，每个所述直线坐标点集合中各轮廓坐标点连续且各轮廓坐标点在X轴或Y轴上的坐标值相等；
确定各坐标点集合中的曲线坐标点集合，每个所述曲线坐标点集合中各轮廓坐标点连续且连续的轮廓坐标点在X轴和Y轴上的坐标值均不相等；
筛选出直线型关键点，所述直线型关键点为所述直线坐标点集合中的两个顶点；
记录所述直线型关键点为线段顶点；
筛选出曲线型关键点，所述曲线型关键点是利用三次贝塞尔曲线对曲线坐标点集合组成的曲线进行反推后得到的；
记录所述曲线型关键点为贝塞尔曲线控制点。
6.根据权利要求2所述的图片格式转换方法，其特征在于，还包括：
确定所述位图图片中各像素点的像素值；
生成第二像素颜色数组，所述第二像素颜色数组中包含各像素点的像素值，所述第二像素颜色数组中各像素值按照所述设定像素点排列顺序进行排列；
确定各目标区域内部的像素值，所述目标区域通过连接颜色区域的轮廓点确定，所述各目标区域内部的像素值通过比较第一像素颜色数组和第二像素颜色数组确定。
7.根据权利要求6所述的图片格式转换方法，其特征在于，所述生成可编辑图形之后，还包括：
填充所述可编辑图形，所述可编辑图形的填充颜色根据所述各目标区域内部的像素值确定。
8.根据权利要求1所述的图片格式转换方法，其特征在于，所述生成可编辑图形之后，还包括：
保存所述可编辑图形。
9.根据权利要求1所述的图片格式转换方法，其特征在于，所述生成可编辑图形之后，还包括：
接收修改操作，所述修改操作作用于所述可编辑图形；
修改所述可编辑图形。
10.根据权利要求1所述的图片格式转换方法，其特征在于，所述获取位图图片中各像素点的梯度模值包括：
利用方向梯度直方图HOG算法获取位图图片中各像素点的梯度模值。
11.一种图片格式转换装置，其特征在于，包括：
梯度模值计算模块，用于获取位图图片中各像素点的梯度模值；
轮廓点检测模块，用于查找所述位图图片中各颜色区域的轮廓点，所述轮廓点根据所述各像素点的梯度模值确定；
图形生成模块，用于生成可编辑图形，所述可编辑图形根据所述各颜色区域的轮廓点确定。
12.一种图片格式转换设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-10中任一所述的图片格式转换方法。
13.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-10中任一项所述的图片格式转换方法。
CN201810946768.6A 2018-08-20 2018-08-20 一种图片格式转换方法、装置、设备和存储介质 Active CN109064525B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810946768.6A CN109064525B (zh) 2018-08-20 2018-08-20 一种图片格式转换方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810946768.6A CN109064525B (zh) 2018-08-20 2018-08-20 一种图片格式转换方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN109064525A true CN109064525A (zh) 2018-12-21
CN109064525B CN109064525B (zh) 2023-05-09

Family

ID=64686392

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810946768.6A Active CN109064525B (zh) 2018-08-20 2018-08-20 一种图片格式转换方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN109064525B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111131744A (zh) * 2019-12-26 2020-05-08 杭州当虹科技股份有限公司 一种基于视频通讯隐私保护的方法
CN111179370A (zh) * 2019-12-30 2020-05-19 北京猎豹网络科技有限公司 一种图片生成方法、装置、电子设备及存储介质
CN111489283A (zh) * 2019-01-25 2020-08-04 鸿富锦精密工业(武汉)有限公司 图片格式转换方法、装置及计算机存储介质
CN113763508A (zh) * 2021-08-27 2021-12-07 广州市城市规划勘测设计研究院 一种基于虚拟引擎的矢量数据处理方法、装置及介质
CN114119427A (zh) * 2022-01-28 2022-03-01 深圳市明源云科技有限公司 图片转换方法、装置、设备及可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1653489A (zh) * 2002-05-10 2005-08-10 比特波伊斯有限责任公司 将单个命令转换成空间图像信息的图形引擎及合并有该图形引擎的电子装置和存储器
CN101154269A (zh) * 2006-09-27 2008-04-02 北京数字方舟信息技术有限公司 基于边界探测的新型多阀值分析人像轮廓跟踪方法
CN101415079A (zh) * 2008-11-04 2009-04-22 新奥特（北京）视频技术有限公司 一种将字幕对象转换为贝塞尔曲线的方法
CN103473537A (zh) * 2013-09-17 2013-12-25 湖北工程学院 一种目标图像轮廓特征表示方法及装置
CN107273608A (zh) * 2017-06-13 2017-10-20 中国石油大学(华东) 一种油藏地质剖面图矢量化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1653489A (zh) * 2002-05-10 2005-08-10 比特波伊斯有限责任公司 将单个命令转换成空间图像信息的图形引擎及合并有该图形引擎的电子装置和存储器
CN101154269A (zh) * 2006-09-27 2008-04-02 北京数字方舟信息技术有限公司 基于边界探测的新型多阀值分析人像轮廓跟踪方法
CN101415079A (zh) * 2008-11-04 2009-04-22 新奥特（北京）视频技术有限公司 一种将字幕对象转换为贝塞尔曲线的方法
CN103473537A (zh) * 2013-09-17 2013-12-25 湖北工程学院 一种目标图像轮廓特征表示方法及装置
CN107273608A (zh) * 2017-06-13 2017-10-20 中国石油大学(华东) 一种油藏地质剖面图矢量化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
武剑锋: "《简单的位图矢量化》", 《科技展望》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111489283A (zh) * 2019-01-25 2020-08-04 鸿富锦精密工业(武汉)有限公司 图片格式转换方法、装置及计算机存储介质
CN111489283B (zh) * 2019-01-25 2023-08-11 鸿富锦精密工业(武汉)有限公司 图片格式转换方法、装置及计算机存储介质
CN111131744A (zh) * 2019-12-26 2020-05-08 杭州当虹科技股份有限公司 一种基于视频通讯隐私保护的方法
CN111179370A (zh) * 2019-12-30 2020-05-19 北京猎豹网络科技有限公司 一种图片生成方法、装置、电子设备及存储介质
CN111179370B (zh) * 2019-12-30 2023-06-20 北京猎豹网络科技有限公司 一种图片生成方法、装置、电子设备及存储介质
CN113763508A (zh) * 2021-08-27 2021-12-07 广州市城市规划勘测设计研究院 一种基于虚拟引擎的矢量数据处理方法、装置及介质
CN114119427A (zh) * 2022-01-28 2022-03-01 深圳市明源云科技有限公司 图片转换方法、装置、设备及可读存储介质

Also Published As

Publication number Publication date
CN109064525B (zh) 2023-05-09

Similar Documents

Publication Publication Date Title
CN109919869B (zh) 一种图像增强方法、装置及存储介质
CN110163198B (zh) 一种表格识别重建方法、装置和存储介质
US11595737B2 (en) Method for embedding advertisement in video and computer device
CN109064525A (zh) 一种图片格式转换方法、装置、设备和存储介质
CN1475969B (zh) 用于增强人像图像的方法和系统
CN107516319B (zh) 一种高精度简易交互式抠图方法、存储设备及终端
CN109377445B (zh) 模型训练方法、替换图像背景的方法、装置和电子系统
CN103002225B (zh) 多曝光高动态范围图像捕捉
CN109635627A (zh) 图片信息提取方法、装置、计算机设备及存储介质
CN109146991B (zh) 一种图片格式转换方法、装置、设备和存储介质
EP2706507A1 (en) Method and apparatus for generating morphing animation
Zhang et al. Style transfer via image component analysis
CN105122306B (zh) 区域分割方法以及检查装置
CN112819947A (zh) 三维人脸的重建方法、装置、电子设备以及存储介质
CN110070551A (zh) 视频图像的渲染方法、装置和电子设备
JP2014215926A (ja) 画像処理装置、画像処理方法、プログラムおよび記録媒体
CN111641822A (zh) 一种重定位立体图像质量评价方法
CN111010605B (zh) 一种视频画中画窗口的显示方法
CN115967823A (zh) 视频封面生成方法、装置、电子设备及可读介质
CN110533020A (zh) 一种文字信息的识别方法、装置及存储介质
JP2014044595A (ja) 線画着色システム
CN111080754B (zh) 一种头部肢体特征点连线的人物动画制作方法及装置
CN116980549A (zh) 视频帧处理方法、装置、计算机设备和存储介质
CN113552944B (zh) 一种智慧宣传系统
CN112884074B (zh) 基于决策树的图像设计方法、设备、存储介质及装置

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