CN109993202B - 一种线稿型图形相似度判断方法、电子设备及存储介质 - Google Patents

Abstract

本发明公开了一种线稿型图形相似度判断方法，包括：预处理步骤，获取待判断矢量线稿图像，对待判断矢量线稿图像进行灰度化处理、二极化处理，使待判断矢量线稿图像呈现黑白灰状态，将待判断矢量线稿图像自适应缩放至标准尺寸；比对步骤，将待判断矢量线稿图像划分为n＊n个方格区域，得到对应待判断矢量线稿图像的方格矩阵；对方格矩阵的行、列两个方向进行投影，得到行、列方向上呈直线分布的像素点分布情况，与图像库存储的每个标准尺寸的矢量线稿图像进行比对，判断矢量线稿图像的相似度。本发明还公开了一种电子设备及存储介质，本发明能够得到较理想、准确的线稿图形相似度判断结果。

Description

一种线稿型图形相似度判断方法、电子设备及存储介质

技术领域

本发明涉及图像处理领域，尤其涉及一种线稿型图形相似度判断方法、电子设备及存储介质。

背景技术

图像的相似度比对，主要通过对两张图像相似度计算来实现。图像相似度计算主要通过对两幅图像之间内容的相似程度进行打分，根据分数的高低来判断图像内容的相近程度。在商标注册、申报监测时，通常需要进行图形商标的相似度判断，即需要将待监测商标图形与商标图像库中的所有商标进行相似度比较，分析其中有无非常近似的商标，以便于品牌管理或品牌保护决策。但是，在对矢量线稿图像进行相似度判断匹配时，各类商标设计的线稿图形在对拐角、直线、弧线等的表现有的会比较尖锐，而有的比较圆滑，有的比较直，有的呈线不同的弧度，因此在比较矢量线稿图形的相似度时存在一定难度，对于常用的图像相似度判断方法检测的效果不太理想。现有的图像相似度判断方法譬如直方图匹配的方法，其通过直方图反映的是图像像素灰度值的概率分布，对于判断像素的位置，也就是图像内部到底存在什么样的物体，形状是什么。这类判断方式对于矢量线稿图像的相似度判断效果并不理想。其基于特征点的图像相似度计算，通过找到匹配点的个数来判断两幅图像是否一致，该算法更擅长对于一个物体，不同角度下得到的图片进行匹配点查找来判断相似度，而对各种矢量图形的线条、拐点等的不同表现手法的相似度判断并不准确。基于此，提供一种线稿型图形相似度判断方法，能够针对线稿型图形进行相似度判断，得到较理想、准确的线稿图形相似度判断结果，是目前图像处理判断领域值得探究的技术问题。

发明内容

为了克服现有技术的不足，本发明的目的之一在于一种线稿型图形相似度判断方法，能够针对线稿型图形进行相似度判断，得到较理想、准确的线稿图形相似度判断结果。

本发明的目的之一采用如下技术方案实现：

一种线稿型图形相似度判断方法，包括：预处理步骤，获取待判断矢量线稿图像，对待判断矢量线稿图像进行灰度化处理、二极化处理，使待判断矢量线稿图像呈现黑白灰状态，将待判断矢量线稿图像自适应缩放至标准尺寸；比对步骤，将待判断矢量线稿图像划分为n＊n个方格区域，得到对应待判断矢量线稿图像的方格矩阵；对方格矩阵的行、列两个方向进行投影，得到行、列方向上呈直线分布的像素点分布情况，与图像库存储的每个标准尺寸的矢量线稿图像进行比对，根据对应规格的方格矩阵投影后行、列方向上的像素点分布情况，判断矢量线稿图像的相似度。

进一步地，在所述比对步骤中，还统计方格矩阵在行方向上逐行的像素点个数，以及在列方向上逐列的像素点个数，与图像库存储的每个标准尺寸的矢量线稿图像进行比对，结合比对对应规格的方格矩阵逐行、逐列的像素点个数，判断矢量线稿图像的相似度。

进一步地，在所述比对步骤中，根据矢量线稿图像的像素点分布情况及逐行、逐列的像素点个数进行打分，取像素点分布相同的位置、像素点个数相同的行或列作为得分点，按分数累计排序，取最高分的矢量线稿图像作为与待判断矢量线稿图像最相似的矢量线稿图像。

进一步地，在所述比对步骤中，对矢量线稿图像的像素点分布情况及逐行、逐列的像素点个数进行比对打分时，通过设置相应的得分权重系数，进行得分计算。

进一步地，在预处理步骤之前，还包括：图像库建立步骤，获取大量矢量线稿图像，逐一将矢量线稿图像进行灰度化处理、二极化处理，使每个矢量线稿图像均呈现黑白灰状态；将每个矢量线稿图像自适应缩放至标准尺寸，并划分为n＊n个方格区域，生成对应各个矢量线稿图像的方格矩阵；对逐个方格矩阵的行、列两个方向进行投影，得到行、列方向上呈直线分布的像素点分布情况，并统计各个方格矩阵在行方向上逐行的像素点个数，以及在列方向上逐列的像素点个数，对应矢量线稿图像存储，完成图像库建立。

进一步地，标准尺寸矢量线稿图像统一设置为N＊N标准的尺寸。

进一步地，对矢量线稿图像进行自适应缩放时，先等比例缩放使得图像内容的长或者宽中最大尺寸的一边达到标准尺寸要求，再对相对较小尺寸的宽或长一边进行自适应缩放，使矢量线稿图像的长和宽均达到标准尺寸要求。

进一步地，在所述比对步骤中，使用二进制编码数组表示方格矩阵投影后行、列方向上呈直线分布的像素点分布情况；使用统一单位的数组表示方格矩阵行、列方向上的像素点个数值。

本发明的目的之二在于提供一种电子设备，能够针对线稿型图形进行相似度判断，得到较理想、准确的线稿图形相似度判断结果。

本发明的目的之二采用如下技术方案实现：

一种电子设备，包括存储器、处理器以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本发明目的之一所述的一种线稿型图形相似度判断方法。

本发明的目的之三在于提供一种存储介质，能够针对线稿型图形进行相似度判断，得到较理想、准确的线稿图形相似度判断结果。

本发明的目的之三采用如下技术方案实现：

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如本发明目的之一所述的一种线稿型图形相似度判断方法。

相比现有技术，本发明的有益效果在于：

本发明的一种线稿型图形相似度判断方法、电子设备及存储介质，通过对待判断矢量线稿图像进行灰度化处理，将处理过后的矢量图像自适应缩放至标准尺寸，再将待判断矢量图像划分为n＊n个方格矩阵，通过对应比对待判断矢量线稿图像与图像库每个矢量线稿图像的方格矩阵，根据对应规格的方格矩阵投影后行、列方向上的像素点分布情况，判断矢量线稿图像的相似度，以此得到较理想、准确的线稿图形相似度判断结果，且方便进行图像相似度比对。

附图说明

图1为发明一种线稿型图形相似度判断方法流程图；

图2为图像库建立流程图；

图3为待判断矢量线稿图像处理比对流程图；

图4为矢量线稿图像方格矩阵示意图。

具体实施方式

下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。

实施例一：

实施例一公开了一种线稿型图形相似度判断方法，如图1所示，包括：

S1图像库建立步骤，获取大量矢量线稿图像，逐一将矢量线稿图像进行灰度化处理、二极化处理，使每个矢量线稿图像均呈现黑白灰状态；将每个矢量线稿图像自适应缩放至标准尺寸，并划分为n＊n个方格区域，生成对应各个矢量线稿图像的方格矩阵；对逐个方格矩阵的行、列两个方向进行投影，得到行、列方向上呈直线分布的像素点分布情况，并统计各个方格矩阵在行方向上逐行的像素点个数，以及在列方向上逐列的像素点个数，对应矢量线稿图像存储，完成图像库建立；

S2预处理步骤，获取待判断矢量线稿图像，对待判断矢量线稿图像进行灰度化处理、二极化处理，使待判断矢量线稿图像呈现黑白灰状态，将待判断矢量线稿图像自适应缩放至标准尺寸；

S3比对步骤，将待判断矢量线稿图像划分为n＊n个方格区域，得到对应待判断矢量线稿图像的方格矩阵；对方格矩阵的行、列两个方向进行投影，得到行、列方向上呈直线分布的像素点分布情况，与图像库存储的每个标准尺寸的矢量线稿图像进行比对，根据对应规格的方格矩阵投影后行、列方向上的像素点分布情况，判断矢量线稿图像的相似度。

本实施例的线稿型图形相似度判断方法，旨在通过将线稿图形划分的方格矩阵进行行、列方向上的投影后计算各个方向上呈线条分布的像素点的相似度。为了进一步比对图像相似度，还结合方格矩阵行、列方向上逐行、逐列的像素点个数来比对两个图形之间的相似度得分，最后在图像库中查找出相似度得分最高的比较图形，以此得到较理想的线稿图形相似度判断结果，进而方便对矢量线稿图像和商标库中的商标图像的相似度比对。

为了后续进行比对，需要预先建立图像库，参见图2，由于后续是比对矢量线稿图像方格矩阵投影后的像素点分布情况，所以需要将矢量线稿图像划分为固定规格的方格矩阵。系统首先获取大量商标图像，通过灰度化处理使矢量线稿图像呈现黑白灰状态。RGB色彩模式下是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，在RGB模型中，如果R＝G＝B时，则彩色表示一种灰度颜色，其中R＝G＝B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值)，灰度范围为0-255。由于人眼对绿色的敏感最高，对蓝色敏感最低，为了得到较合理的灰度图像，采用加权平均法对矢量线稿图像进行灰度化处理。根据重要性及其它指标，将三个分量以不同的权值进行加权平均，灰度化处理加权平均法公式：

f(i,j)＝0.30R(i,j)+0.59G(i,j)+0.11B(i,j)

其中，i、j代表一个像素点在方格矩阵的位置，即：第i行，第j列。

根据上述公式，计算图像每个像素点的灰度值，取值范围是0-255。由于灰度化的图像是由256个亮度等级反映图像整体和局部特征。在数字图像处理中，为了使图像变得简单，减小数据量，凸显出感兴趣的目标轮廓，一般需要把灰度图像二值化，得到二值化图像，而图像每个像素点的取值范围是0或255。对于图像二值化处理，每个像素点取值是根据一个阈值而定义的。当像素点的灰度值小于等于阈值，则该像素点则定义为0(黑色)；若像素点的灰度值大于阈值，则该像素点则定义255(白色)。以下是阈值的计算公式：

阈值＝像素点平均值avg＝(像素点1灰度值+...+像素点M灰度值)/M

其中，M代表图像像素点总数。

根据上述公式，计算图像每个像素点的二值化值，取值范围是0或255，使图像呈现黑白状态。

之后将每个商标图像自适应缩放至图像内容长、宽固定的标准尺寸，所有图像按照标准尺寸规格要求进行缩放，便于后续比对。需要注意的是，矢量线稿图像在自适应缩放时，由于每个矢量线稿图像的长、宽不同，有的图像时长边的尺寸较大，有的图像是宽边的尺寸较大，为了使矢量线稿图像自适应缩放后不影响像素点分布比对。矢量线稿图像的标准尺寸设置成长、宽相等的正方形图像，统一设置为N＊N大小的标准尺寸。由于初始矢量线稿图像长边与宽边可能不相等，经灰度化处理后的初始矢量线稿图像进行自适应缩放时，先对矢量线稿图像进行等比缩放使得图像内容的长或者宽中最大尺寸的一边贴合到标准尺寸图布的边缘，相对较小尺寸的宽或长的一边则进行自适应缩放，使得另一边也贴合到N＊N的标准尺寸画布的边缘。本实例采用将图像缩放后放入长＊宽为10*10大小的尺寸的画布中。

然后，为了较好地比对矢量线稿图像像素点的分布情况，将标准尺寸的矢量线稿图像划分为n＊m个方格区域，生成对应各个矢量线稿图像的方格矩阵。同时为了适应矢量线稿图像的尺寸，将标准尺寸的矢量线稿图像划分为若干个长边与宽边相等的方格。划分方格区域时，n值和m值的取值相同。本实施例中选用将图像划分为10*10的方格区域，得到100格方格矩阵。以此，得到图像库中对应每个商标图像的100格方格矩阵。之后，将划分好方格矩阵的商标图像分别进行行方向和列方向的投影，统计行方向和列方向上每个方格区域像素点的值，由于经过二值化处理后，商标图像黑白灰状态，因此使用二进制编码0和1来标识每个方格区域中点的分布情况。其中，标识为1代表该区域有像素点分布，标识为0则代表该区域像素点分布，再对颜色区域统计像素点数值，行方向逐行、列方向逐列统计像素点个数。用1/N来表示每一格区域的像素点的数值。统计每张图像的方格区域在行和列2个方向投影后的像素点分布情况及方格矩阵逐行、逐列的像素点个数，通过使用二进制编码数组表示方格矩阵投影后行、列方向上呈直线分布的像素点分布情况；使用统一单位的数组表示方格矩阵行、列方向上的像素点个数，以此得到每一张图像的像素点分布数据。将每一个像素点分布数据对应商标图像保存。用于后续待监测商标图像与商标库中的每个图的像素点分布数据做比较，计算它们的相似度。以此，完成图像库的建立，开始获取待判断矢量线稿图像进行相似度判断。

待判断矢量线稿图像处理比对流程参见图3，获取到待判断的矢量线稿图像后，先同样按照上述矢量线稿图像灰度化处理方式对图像进行预处理。预处理包括灰度化处理及二极化处理，灰度化处理加权平均法公式为：

f(i,j)＝0.30R(i,j)+0.59G(i,j)+0.11B(i,j)

其中，i、j代表一个像素点在方格矩阵的位置，即：第i行，第j列。

根据上述公式，计算图像每个像素点的灰度值，取值范围是0-255，再通过二值化处理使图像呈现黑白灰状态。

然后对灰度处理后的图像进行等比例缩放，为统一预设为N＊N大小的尺寸，等比缩放后使得图像内容的长或者宽中最大尺寸的一边贴合到缩放后图布的边缘，相对较小尺寸的宽或长一边则自适应缩放。本实例采用将图像缩放后放入长＊宽为10*10大小的尺寸的画布中。将等比缩放后的图像划分为n＊n个方格区域，针对不同大小和图形内容的复杂程度选择合适的n值进行划分，本实施例中选用将图像划分为10*10的方格区域，得到100格方格矩阵，如图4所示。需要注意的是，本实施例将图像划分为10*10的100格方格矩阵，为了实现更好的矢量图像相似度判断效果，可以将矢量图像划分为更多方格的n＊n 个方格区域，以此可以跟细化的比对颜色点的分布位置，更准确地判断矢量线稿图形相似度。

下面，参照图4，100格方格的矢量线稿图像，描述矢量线稿图像相似度比对过程。对图4中的矢量线稿图形进行像素点分布数据分析时，由于矢量线稿图形为一个正圆，行方向和列方向投影后两个方向上都呈现为直线分布的像素点，且像素点分布连续，即行方向和列方向上的投影后每一格均包含有像素点分布。所以，进行行方向投影映射后矢量线稿图形的像素点的分布情况，使用二进制编码数组表示可以得到数组[1，1，1，1，1，1，1，1，1，1]；进行列方向投影后，统计映射后矢量线稿图形的像素点的分布情况，使用二进制编码数组表示可以得到数组[1，1，1，1，1，1，1，1，1，1]。接着统计像素点行方向和列方向上的像素点个数，并用1/N个表示1个单位的像素点，如图4，在列方向上投影时，abcd四格中均分布有像素点，则投影映射后的像素点个数为4 个，统计像素点数值为0.4，ef两格中分布有像素点，则映射后的像素点数值为 0.2，依次统计列方向投影映射的像素点数值后，再统计行方向投影映射的像素点数值。最终，根据图4可以得到列方向待判断矢量线稿图形的逐列的像素点数值数组为[0.4，0.2，0.2，0.2，0.2，0.2，0.2，0.2，0.2，0.4]，行方向逐列像素点数值数组为[0.4，0.2，0.2，0.2，0.2，0.2，0.2，0.2，0.2，0.4]。根据投影后得到的四个数组，与图像库存储的对应各个商标图像的数组逐个进行比对。

比对过程中，为了方便找出相似度最高的商标图像，采用打分的方式对矢量线稿图像的像素点分布情况及像素点个数进行打分，并针对两种数组，通过设置相应的得分权重系数，进行得分计算。譬如，在比对过程中，图像库有一商标图像的像素点分布数据，其行方向的二进制编码数组有a个相同的数据，则计分a，列方向的二进制编码数组有b个相同的数据，则计分b；再比对像素点数值数组，在行方向的像素点数值数组有c个相同的数据，则计分c，列方向的像素点数值数组有d个相同的数据，则计分d；然后按照二进制编码数组的得分权重系数f,像素点数值数组得分权重系数进行相似度得分计算，则该商标图像的相似度得分为：

f*(a+b)+h*(c+d)

以此即可得到图像库各商标图像的相似度得分，取得分最高的商标图像，作为与待判断矢量线稿图像最相似的图像，完成矢量线稿图像相似度判断比对。需要注意的是，在方格矩阵投影后像素点分布情况以及逐行逐列的像素点个数进行比对打分时，可以根据需要采用多种计分方式，设置不同的得分权重系数进行计算，确保计分过程合理准确。

本实施例的一种线稿型图形相似度判断方法，通过对待判断矢量线稿图像进行灰度化处理，将处理过后的矢量图像自适应缩放至标准尺寸，再将待判断矢量图像划分为n＊n个方格矩阵，通过对应比对待判断矢量线稿图像与图像库每个矢量线稿图像的方格矩阵，根据对应规格的方格矩阵投影后行、列方向上的像素点分布情况，判断矢量线稿图像的相似度，以此得到较理想、准确的线稿图形相似度判断结果，且方便进行图像相似度比对。

实施例二：

实施例二公开了一种电子设备，该电子设备包括处理器、存储器以及程序，其中处理器和存储器均可采用一个或多个，程序被存储在存储器中，并且被配置成由处理器执行，处理器执行该程序时，实现实施例一的线稿型图形相似度判断方法，该电子设备可以是手机、平板电脑等等一系列的电子设备。

实施例三：

实施例三公开了一种可读的计算机存储介质，该存储介质用于存储程序，并且该程序被处理器执行时，实现实施例一的线稿型图形相似度判断方法。本发明的方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在该计算机存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机存储介质不包括电载波信号和电信信号。

上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (6)

1.一种线稿型图形相似度判断方法，其特征在于，包括：

预处理步骤，获取待判断矢量线稿图像，对待判断矢量线稿图像进行灰度化处理、二极化处理，使待判断矢量线稿图像呈现黑白灰状态，将待判断矢量线稿图像自适应缩放至标准尺寸；

比对步骤，将待判断矢量线稿图像划分为n＊n个方格区域，得到对应待判断矢量线稿图像的方格矩阵；对方格矩阵的行、列两个方向进行投影，得到行、列方向上呈直线分布的像素点分布情况，与图像库存储的每个标准尺寸的矢量线稿图像进行比对，根据对应规格的方格矩阵投影后行、列方向上的像素点分布情况，判断矢量线稿图像的相似度；统计方格矩阵在行方向上逐行的像素点个数，以及在列方向上逐列的像素点个数，与图像库存储的每个标准尺寸的矢量线稿图像进行比对，结合比对对应规格的方格矩阵逐行、逐列的像素点个数，判断矢量线稿图像的相似度；根据矢量线稿图像的像素点分布情况及逐行、逐列的像素点个数进行打分，取像素点分布相同的位置、像素点个数相同的行或列作为得分点，按分数累计排序，取最高分的矢量线稿图像作为与待判断矢量线稿图像最相似的矢量线稿图像；

其中，使用二进制编码数组表示方格矩阵投影后行、列方向上呈直线分布的像素点分布情况，标识为1代表该区域有像素点分布，标识为0则代表该区域无像素点分布；使用统一单位的数组表示方格矩阵行、列方向上的像素点个数值，用1/N来表示每一格区域的像素点的数值；

在根据矢量线稿图像的像素点分布情况及逐行、逐列的像素点个数进行打分时，通过以下公式计算相似度得分：f*(a+b)+h*(c+d)；f为二进制编码数组的得分权重系数、a为行方向的二进制编码数组中相同的数据的个数、b为列方向的二进制编码数组中相同的数据的个数、c为行方向的像素点数值数组中相同的数据的个数、d为行方向的像素点数值数组中相同的数据的个数、h为像素点数值数组得分权重系数。

2.如权利要求1所述的线稿型图形相似度判断方法，其特征在于，在预处理步骤之前，还包括：

图像库建立步骤，获取大量矢量线稿图像，逐一将矢量线稿图像进行灰度化处理、二极化处理，使每个矢量线稿图像均呈现黑白灰状态；将每个矢量线稿图像自适应缩放至标准尺寸，并划分为n＊n个方格区域，生成对应各个矢量线稿图像的方格矩阵；对逐个方格矩阵的行、列两个方向进行投影，得到行、列方向上呈直线分布的像素点分布情况，并统计各个方格矩阵在行方向上逐行的像素点个数，以及在列方向上逐列的像素点个数，对应矢量线稿图像存储，完成图像库建立。

3.如权利要求1所述的线稿型图形相似度判断方法，其特征在于：标准尺寸矢量线稿图像统一设置为N＊N标准的尺寸。

4.如权利要求1所述的线稿型图形相似度判断方法，其特征在于：对矢量线稿图像进行自适应缩放时，先等比例缩放使得图像内容的长或者宽中最大尺寸的一边达到标准尺寸要求，再对相对较小尺寸的宽或长一边进行自适应缩放，使矢量线稿图像的长和宽均达到标准尺寸要求。

5.一种电子设备，包括存储器、处理器以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1-4任意一项所述的一种线稿型图形相似度判断方法。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-4任意一项所述的一种线稿型图形相似度判断方法。