CN110738712A - 一种几何图案重构方法、装置、设备及存储介质 - Google Patents

一种几何图案重构方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110738712A
CN110738712A CN201911019651.4A CN201911019651A CN110738712A CN 110738712 A CN110738712 A CN 110738712A CN 201911019651 A CN201911019651 A CN 201911019651A CN 110738712 A CN110738712 A CN 110738712A
Authority
CN
China
Prior art keywords
geometric
color
image
gray
matching
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
CN201911019651.4A
Other languages
English (en)
Other versions
CN110738712B (zh
Inventor
邓立邦
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.)
Guangdong Intellect Cloud Picture Polytron Technologies Inc
Original Assignee
Guangdong Intellect Cloud Picture Polytron Technologies Inc
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 Guangdong Intellect Cloud Picture Polytron Technologies Inc filed Critical Guangdong Intellect Cloud Picture Polytron Technologies Inc
Priority to CN201911019651.4A priority Critical patent/CN110738712B/zh
Publication of CN110738712A publication Critical patent/CN110738712A/zh
Application granted granted Critical
Publication of CN110738712B publication Critical patent/CN110738712B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T11/203—Drawing of straight lines or curves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/752—Contour matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Image Generation (AREA)
  • Image Processing (AREA)

Abstract

本申请实施例公开了一种几何图案重构方法、装置、设备及存储介质。本申请实施例提供的技术方案通过获取原始图像，对所述原始图像进行灰度处理得到灰度图像，根据所述灰度图像的灰度值分布情况对像素点进行聚类合并，得到多个色块，对所述色块进行边缘识别得到色块边缘，并根据所述色块边缘的形状进行几何图形匹配生成匹配结果，根据所述匹配结果将所述色块替换为所述几何图形，并根据替换后的所述几何图形形成绘画图像，提高了几何图案绘画的效率，并且几何图形的匹配与原始图像更加匹配，形成的绘画图像更能反映原始图像的形态和外观。

Description

一种几何图案重构方法、装置、设备及存储介质
技术领域
本申请实施例涉及计算机技术领域，尤其涉及一种几何图案重构方法、装置、设备及存储介质。
背景技术
本部分旨在为权利要求书中陈述的本申请的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
生活中到处都有几何图形，我们所看见的一切都是由点、线、面等基本几何图形组成的。几何图形组成的图案，具有无穷尽的丰富变化，拥有无穷魅力，受到广大民众的喜爱。艺术家们也使用圆形、方形、三角形、菱形等几何图形，组合出各种神奇美丽的图画。
但是现有的几何图案绘画方式主要是依靠人工进行，绘画的效率较低。
发明内容
本申请实施例提供一种几何图案重构方法、装置、设备及存储介质，以提高几何图案绘画的效率。
在第一方面，本申请实施例提供了一种几何图案重构方法，包括：
获取原始图像，对所述原始图像进行灰度处理得到灰度图像；
根据所述灰度图像的灰度值分布情况对像素点进行聚类合并，得到多个色块；
对所述色块进行边缘识别得到色块边缘，并根据所述色块边缘的形状进行几何图形匹配生成匹配结果；
根据所述匹配结果将所述色块替换为所述几何图形，并根据替换后的所述几何图形形成绘画图像。
进一步的，所述根据所述灰度图像的灰度值分布情况对像素点进行聚类合并，得到多个色块，包括：
确定所述灰度图像各像素点的灰度值所处的灰度值分布范围；
对所述灰度图像中处于同一灰度值分布范围的连续的像素点进行聚类合并，得到对应于不同灰度值分布范围的色块。
进一步的，所述根据所述色块边缘的形状进行几何图形匹配生成匹配结果，包括：
将不同形状的几何图形与所述色块边缘的形状进行重合度匹配，并得到对应的重合度；
生成指向所述重合度最高的几何图形的匹配结果。
进一步的，所述将不同形状的几何图形与所述色块边缘的形状进行重合度匹配，并得到对应的重合度，包括：
将不同形状的几何图形的尺寸缩放至与所述色块边缘的尺寸相适应；
将缩放后的不同形状的几何图形与所述色块边缘的形状进行重合度匹配，并得到对应的重合度。
进一步的，所述根据所述匹配结果将所述色块替换为所述几何图形，包括：
获取所述匹配结果指向的几何图形，将所述几何图形的尺寸缩放至与所述色块边缘的尺寸相适应；
根据缩放后的所述几何图形对所述色块进行替换。
进一步的，所述根据所述匹配结果将所述色块替换为所述几何图形，包括：
根据所述匹配结果将所述色块替换为所述几何图形；
若用于替换的所述几何图形与先前替换的几何图形存在重叠区域，则根据被替换的所述色块与先前被替换的色块的灰度值确定在所述重叠区域的替代方式，所述替代方式包括填充替代和挖空替代。
进一步的，所述根据替换后的所述几何图形形成绘画图像，包括：
根据所述原始图像的尺寸新建绘画画布；
根据替换后的所述几何图形在所述绘画画布上形成绘画图像。
在第二方面，本申请实施例提供了一种几何图案重构装置，包括预处理模块、色块获取模块、图形匹配模块和绘画模块，其中：
预处理模块，用于获取原始图像，对所述原始图像进行灰度处理得到灰度图像；
色块获取模式，用于根据所述灰度图像的灰度值分布情况对像素点进行聚类合并，得到多个色块；
图形匹配模块，用于对所述色块进行边缘识别得到色块边缘，并根据所述色块边缘的形状进行几何图形匹配生成匹配结果；
绘画模块，用于根据所述匹配结果将所述色块替换为所述几何图形，并根据替换后的所述几何图形形成绘画图像。
在第三方面，本申请实施例提供了一种计算机设备，包括：存储器以及一个或多个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的几何图案重构方法。
在第四方面，本申请实施例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几何图案重构方法。
本申请实施例通过获取原始图像，对所述原始图像进行灰度处理得到灰度图像，根据所述灰度图像的灰度值分布情况对像素点进行聚类合并，得到多个色块，对所述色块进行边缘识别得到色块边缘，并根据所述色块边缘的形状进行几何图形匹配生成匹配结果，根据所述匹配结果将所述色块替换为所述几何图形，并根据替换后的所述几何图形形成绘画图像。其作画对象为原始图像，通过对原始图像处理得到的色块匹配几何图形，并由匹配到的几何图形形成绘画图像，完成原始图像到绘画图像的转换，提高了几何图案绘画的效率，并且几何图形的匹配与原始图像更加匹配，形成的绘画图像更能反映原始图像的形态和外观。
附图说明
图1是本申请实施例提供的一种几何图案重构方法的流程图；
图2是本申请实施例提供的一种灰度图像的示意图；
图3是本申请实施例提供的一种色块的示意图；
图4是本申请实施例提供的一种绘画图像的示意图；
图5是本申请实施例提供的另一种几何图案重构方法的流程图；
图6是本申请实施例提供的一种灰度图像的示意图；
图7是本申请实施例提供的一种色块的示意图；
图8是本申请实施例提供的一种绘画图像的示意图；
图9是本申请实施例提供的另一种几何图案重构方法的流程图；
图10是本申请实施例提供的一种几何图案重构装置的结构示意图；
图11是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚，下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
图1给出了本申请实施例提供的一种几何图案重构方法的流程图，本实施例可适用于几何图案作画，该几何图案重构方法可以由几何图案重构装置来执行，该几何图案重构装置可通过硬件和/或软件的方式实现，并集成在计算机设备中。
下述以几何图案重构装置来执行几何图案重构方法为例进行描述。参考图1，该几何图案重构方法包括：
S101：获取原始图像，对所述原始图像进行灰度处理得到灰度图像。
其中，该原始图像可以是用户使用拍摄设备如携带的手机拍摄的图片，还可以用户手机内部存储的图片或者从网络中下载的图片。
具体的，几何图案绘画制作者可将原始图像发送至用于几何图案绘画制作的几何图案重构装置中，在原始图像传输完毕后，获取该原始图像，对该原始图像进行灰度处理得到灰度图像。
其中，灰度图像指每个像素只使用一个采样颜色的图像，显示为从最暗黑色到最亮的白色的灰度，与纯黑白图像不同，在计算机图像领域中黑白图像只有黑白两种颜色，灰度图像在黑色与白色之间还有许多级的颜色深度，通常灰度值范围表示为0到255，其中白色为255，黑色为0，灰度值越小颜色越深，灰度值越大颜色越趋于白色。
在获取原始图像后，对原始图像进行灰度处理从而获得灰度图像，其中以原始图像为RGB彩色图像为例(R、G、B分别为红、绿、蓝三个基色分量，其共同决定了像素点颜色)，确定该原始图像每个像素点的R、G、B基色分量，依据下述公式确定每个像素点的灰度值Y：
Y＝0.3R+0.59G+0.11B
上述计算方式中，根据基色的重要性及其它人脸作画参考指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，故绿色(G)的权值最高，取值0.59。需要说明的是，R、G、B对应的权值大小可适应性调整。在另一个实施例中，在进行灰度处理时可采取分量值法、最大值法或平均值法求取图像每个像素点的灰度值。在确定原始图像每个像素点的灰度值后，可相应得出灰度图像。其可以理解的是，灰度处理并不会影响图像的纹理特征信息，而且各像素点只需一个灰度值便可表示，有效提高图像的处理效率。
S102：根据所述灰度图像的灰度值分布情况对像素点进行聚类合并，得到多个色块。
示例性的，在获得灰度图像后，对灰度图像上像素点的灰度值分布情况进行分析，并根据分析情况对像素点进行聚类合并。具体的，对0到255的灰度值进行灰度值分布范围划分，得到多个代表不同灰度范围灰度值分布范围。
进一步的，获取灰度图像上每个像素点的灰度值，并判断灰度值所对应的灰度值分布范围，将位于同一灰度值分布范围的像素点进行聚类合并，得到多个像素点的集合，并且同一集合的像素点位于同一灰度值分布范围。根据聚类合并后得到的像素点的集合所在区域生成色块，其中每一个色块均与一个像素点的集合对应，色块所在的区域应覆盖对应的集合上的全部或大部分像素点。
S103：对所述色块进行边缘识别得到色块边缘，并根据所述色块边缘的形状进行几何图形匹配生成匹配结果。
示例性的，在获得色块后，利用边缘检测算法对色块进行边缘识别得到色块边缘。示例性的，采用sobel边缘检测算法对色块进行边缘识别。该算法包含两组3x3的矩阵，分别代表横向及纵向，将之与上述色块作平面卷积，即可分别得出横向及纵向的亮度差分近似值，基于已处理(即平面卷积)色块的每个像素横向及纵向的亮度差分近似值，得出各像素的梯度大小以及方向，若像素梯度大于某一阀值，则认为该点为边缘点。以下是sobel边缘检测算法的计算公式：
Figure BDA0002246775390000061
Figure BDA0002246775390000062
通过上述公式，可计算出色块横向及纵向的亮度差分近似值，其中A代表色块，Gx和Gy分别代表经横向及纵向边缘检测的色块灰度值。
Figure BDA0002246775390000063
通过上述公式，对色块的每一个像素点的横向及纵向灰度值进行结合，来计算该像素点像素梯度的大小。如果像素梯度G大于某一设定的阀值，则认为该像素点(x，y)为边缘点。
Figure BDA0002246775390000064
通过上述公式，计算已色块的每个像素梯度方向。例如，若角度Θ等于零，即代表色块该处拥有纵向边缘，左方较右方暗。
基于以上公式对色块进行边缘识别，并结合像素梯度方向把边缘点用线条两两连接，实现色块边缘描边，从而得到色块边缘。
进一步的，在获得色块边缘后，根据色块边缘的形状进行几何图形匹配并生成匹配结果。在一个实施例中，几何图形包括但不限于圆形、三角形、平行四边形、正多边形等形状的图形，另外，几何图形的形状还可根据实际需要进行导入。将几何图形的形状与色块边缘的形状进行比较，将形状与色块边缘的形状最接近(例如与色块面积区域重合度大于90％的最接近的几何形状)的几何图形确定为与该色块边缘匹配的几何图形，生成指向该几何图形和对应色块的匹配结果。
S104：根据所述匹配结果将所述色块替换为所述几何图形，并根据替换后的所述几何图形形成绘画图像。
示例性的，获取匹配结果所指向的几何图形，将该几何图形对相应的色块进行替换或重叠嵌入，并将对应色块在该几何形状外部的非重叠区域删除，此时对应色块的面积与高几何形状一致。不断重复以上过程，直至将所有色块用几何形状匹配替换完毕。最后根据原始图像的尺寸新建绘画画布，并根据替换后的几何图形在绘画画布上形成绘画图像。在其他实施例中，还可直接利用原有的灰度图像作为画布，在完成对色块的替换后即形成绘画图像。
进一步的，对色块进行替换的顺序可以是按照色块的坐标从左到右、从上到下的顺序进行，还可以是根据色块的面积从大到小的顺序进行，本实施例不做限定。在一个实施例中，根据剩余的未进行替换的色块的面积判断是否完成色块的替换。例如，在替换色块的过程中，获取剩余的每个色块占灰度图像或原始图像总面积的百分比，并分别与第一预设阈值(如5％)进行比较，若均小于第一预设阈值，则确定完成色块的替换，否则继续进行色块的替换。还可以是，在对色块进行替换前，先获取色块占灰度图像或原始图像总面积的百分比，筛除百分比小于第二预设阈值(如3％)的色块，再进行色块的替换，并在色块替换的过程中根据剩余的未进行替换的色块的面积判断是否完成色块的替换。
在一个实施例中，对色块的替换可以是在生成一个色块对应的匹配结果时进行，还可以是在完成所有色块的匹配后进行，本实施例不做限定。
示例性的，图2为本申请实施例提供的一种灰度图像的示意图，图3为本申请实施例提供的一种色块的示意图，图4为本申请实施例提供的一种绘画图像的示意图。结合图2、图3、和图4，假设灰度图像1011上有灰度值在50-100的灰度值分布范围的像素点的集合1012和灰度值在150-200的灰度值分布范围的像素点的集合1013(虚线范围)，灰度图像1011中其他位置的像素点的灰度值均接近255，选择忽略这些区域，不形成色块，并由像素点的集合1012和像素点的集合1013形成色块1014和色块1015，并由色块1014和色块1015得到色块边缘1016和色块边缘1017，并根据色块边缘1016和色块边缘1017匹配出几何图形1018和几何图形1019，并将几何图形1018和几何图形1019添加至与原始图像或灰度图像尺寸一致的画布1020上，形成绘画图像。
由上述方案可知，通过获取原始图像，对所述原始图像进行灰度处理得到灰度图像，根据所述灰度图像的灰度值分布情况对像素点进行聚类合并，得到多个色块，对所述色块进行边缘识别得到色块边缘，并根据所述色块边缘的形状进行几何图形匹配生成匹配结果，根据所述匹配结果将所述色块替换为所述几何图形，并根据替换后的所述几何图形形成绘画图像，可将由几何图形形成的绘画图像展示给用户。其作画对象为原始图像，通过对原始图像处理得到的色块匹配几何图形，并由匹配到的几何图形形成绘画图像，完成原始图像到绘画图像的转换，提高了几何图案绘画的效率，并且几何图形的匹配与原始图像更加匹配，形成的绘画图像更能反映原始图像的形态和外观。
图5为本申请实施例提供的另一种几何图案重构方法的流程图。该几何图案重构方法是对上述几何图案重构方法的具体化。参考图5，该几何图案重构方法包括：
S201：获取原始图像，对所述原始图像进行灰度处理得到灰度图像。
S202：确定所述灰度图像各像素点的灰度值所处的灰度值分布范围。
示例性的，在获得灰度图像后，对灰度图像上像素点的灰度值分布情况进行分析。例如，对0到255的灰度值数值范围进行灰度值分布范围划分，得到多个代表不同灰度范围灰度值分布范围。
其中灰度值分布范围可以是根据默认范围进行划分，也可以是通过自定义的方式进行划分，还可以是预设多个常用的灰度值分布范围，并通过选择列表的方式进行选择，本实施例中不进行限制。进一步的，还可对颜色较浅的灰度值分布范围(如250-255，具体范围可根据实际情况设定)进行筛除，即颜色较浅的像素点不进行聚类合并，对应区域不形成色块。
进一步的，获取灰度图像上每个像素点的灰度值，将每个像素点的灰度值分别与灰度值分布范围进行比较，以判断并确定灰度值所对应的灰度值分布范围。
S203：对所述灰度图像中处于同一灰度值分布范围的连续的像素点进行聚类合并，得到对应于不同灰度值分布范围的色块。
具体的，将位于同一灰度值分布范围的像素点进行聚类合并，得到多个像素点的集合，并且同一集合的像素点位于同一灰度值分布范围。根据聚类合并后得到的像素点的集合所在区域生成色块，其中每一个色块均与一个像素点的集合对应，色块所在的区域应覆盖对应的集合上的全部或大部分像素点。
进一步的，判断位于同一灰度值分布范围的像素点是否为连续的像素点(例如判断像素点之间的距离是否超过预设距离阈值，若超过，则为非连续的像素点，若未超过，则为连续的像素点)，若像素点为非连续像素点，则将该像素点排除在该像素点的集合外，并将该像素点归入其他处于同一灰度值分布范围的连续的像素点得集合中，分别形成色块，即同一灰度值范围的像素点存在形成多个形状大小不一的多个色块。
S204：对所述色块进行边缘识别得到色块边缘，并根据所述色块边缘的形状进行几何图形匹配生成匹配结果。
S205：根据所述匹配结果将所述色块替换为所述几何图形，并根据替换后的所述几何图形形成绘画图像。
示例性的，获取匹配结果所指向的几何图形，将该几何图形对相应的色块进行替换或重叠嵌入，并将对应色块在该几何形状外部的非重叠区域删除，此时对应色块的面积与高几何形状一致。不断重复以上过程，直至将所有色块用几何形状匹配替换完毕。最后根据原始图像的尺寸新建绘画画布，并根据替换后的几何图形在绘画画布上形成绘画图像。
进一步的，在利用几何图形对色块进行替换的过程中，判断当前用于替换的几何图形与先前用于替换的几何图形是否存在重叠区域，若当前用于替换的几何图形与先前用于替换的几何图形存在重叠区域，则根据被替换的色块与先前被替换的色块的灰度值确定在重叠区域的替代方式，替代方式包括填充替代和挖空替代(如当前用于替换的几何图形对应的色块的灰度值或所处的灰度值分布范围小于先前用于替换的几何图形对应的色块的灰度值或所处的灰度值分布范围，则确定替代方式为填充替代，否则替代方式为挖空替代)。
图6为本申请实施例提供的一种灰度图像的示意图，图7为本申请实施例提供的一种色块的示意图，图8为本申请实施例提供的一种绘画图像的示意图。结合图6、图7、和图8，为了方便解释，假设灰度图像2011上有灰度值在200-230的灰度值分布范围的像素点的集合2012、灰度值在20-50的灰度值分布范围的像素点的集合2013和灰度值在100-130的灰度值分布范围的像素点的集合2014，灰度图像2011中其他位置的像素点的灰度值均接近255，选择忽略这些区域，不形成色块。
进一步的，由像素点的集合2012、像素点的集合2013和像素点的集合2014分别形成色块2015、色块2016和色块2017，并由色块2015、色块2016和色块2017得到色块边缘2018、色块边缘2019和色块边缘2020。
进一步的，根据色块边缘2018、色块边缘2019和色块边缘2020匹配出几何图形2021、几何图形2022和几何图形2023，假设几何图形2021、几何图形2022和几何图形2023按照先后顺序依次对色块2015、色块2016和色块2017进行替换。在完成几何图形2021对色块2015的替换后，利用几何图形2022替换色块2016时，几何图形2022和几何图形2021存在重叠区域2024，此时几何图形2022对应的灰度值分布范围(灰度值在20-50)小于几何图形2021的灰度值分布范围(灰度值在200-230)，确定在重叠区域2024的替换方式为填充替换，即直接将几何图形2022对色块2016进行替换。
进一步的，在完成几何图形2022对色块2016的替换后，利用几何图形2023替换色块2017时，几何图形2023和几何图形2022存在重叠区域2025，此时几何图形2023对应的灰度值分布范围(灰度值在100-130)大于几何图形2022的灰度值分布范围(灰度值在20-50)，确定在重叠区域的替换方式为挖空替换，即在重叠区域2025处对几何图形2023进行挖空，在将几何图形2022对色块2016进行替换。最后将几何图形2021、几何图形2022和几何图形2023添加至与原始图像或灰度图像尺寸一致的画布2026上，形成绘画图像。
由上述方案可知，通过获取原始图像，对所述原始图像进行灰度处理得到灰度图像，根据所述灰度图像的灰度值分布情况对像素点进行聚类合并，得到多个色块，对所述色块进行边缘识别得到色块边缘，并根据所述色块边缘的形状进行几何图形匹配生成匹配结果，根据所述匹配结果将所述色块替换为所述几何图形，并根据替换后的所述几何图形形成绘画图像，可将由几何图形形成的绘画图像展示给用户。并且根据像素点是否为连续像素点判断处于同一灰度值分布范围对应的色块的形状、大小和数量，减少出现色块面积过大而影响形成的绘画图像的质量的情况。同时，根据被替换的色块与先前被替换的色块的灰度值确定在重叠区域的替代方式，优化绘画图像的显示效果。
图9为本申请实施例提供的另一种几何图案重构方法的流程图。该几何图案重构方法是对上述几何图案重构方法的具体化。参考图9，该几何图案重构方法包括：
S301：获取原始图像，对所述原始图像进行灰度处理得到灰度图像。
S302：根据所述灰度图像的灰度值分布情况对像素点进行聚类合并，得到多个色块。
S303：对所述色块进行边缘识别得到色块边缘。
S304：将不同形状的几何图形与所述色块边缘的形状进行重合度匹配，并得到对应的重合度。
其中，几何图形包括但不限于圆形、三角形、平行四边形、正多边形等形状的图形，并储存在图形库中。另外，几何图形的形状还可根据实际需要进行导入。
示例性的，由于图形库中的几何图形的尺寸不一定适应于色块边缘的尺寸，在进行重合度匹配前，先将不同形状的几何图形的尺寸缩放至与色块边缘的尺寸相适应(如几何图形的面积接近于色块的面积、几何图形内接或外接于色块，实施例中不做限定)，再将缩放后的不同形状的几何图形与色块边缘的形状进行重合度匹配，并得到对应的重合度。
S305：生成指向所述重合度最高的几何图形的匹配结果。
具体的，在获得对应于同一色块边缘的多个几何图形的重合度后，对这几个重合度的大小进行比较，确定重合度最高的几何图形，并生成指向该几何图形和对应色块的匹配结果。
S306：获取所述匹配结果指向的几何图形，将所述几何图形的尺寸缩放至与所述色块边缘的尺寸相适应。
示例性的，获取匹配结果所指向的几何图形，并根据匹配结果所对应的色块，将所述几何图形的尺寸缩放至与色块边缘的尺寸相适应(如将几何图形缩放至面积接近于色块的面积、几何图形内接或外接于色块，实施例中不做限定)。在一个可能的实施例中，在生成匹配结果时还可将几何图形的缩放比例进行记录，后续可根据匹配结果所记录的缩放比例对几何图形进行缩放。
S307：根据缩放后的所述几何图形对所述色块进行替换。
具体的，将缩放后的几何图形对相应的色块进行替换或重叠嵌入，并将对应色块在该几何形状外部的非重叠区域删除。不断重复以上过程，直至将所有色块用几何形状匹配替换完毕。最后根据原始图像的尺寸新建绘画画布，并根据替换后的几何图形在绘画画布上形成绘画图像。在其他实施例中，还可直接利用原有的灰度图像作为画布，在完成对色块的替换后即形成绘画图像。
由上述方案可知，通过获取原始图像，对所述原始图像进行灰度处理得到灰度图像，根据所述灰度图像的灰度值分布情况对像素点进行聚类合并，得到多个色块，对所述色块进行边缘识别得到色块边缘，并根据所述色块边缘的形状进行几何图形匹配生成匹配结果，根据所述匹配结果将所述色块替换为所述几何图形，并根据替换后的所述几何图形形成绘画图像，可将由几何图形形成的绘画图像展示给用户。并且根据色块边缘的尺寸对几何图形进行缩放，使得缩放后的几何图形更接近原始图像中的图案的形状，提高绘画图像的展现效果。
图10为本申请实施例提供的一种几何图案重构装置的结构示意图。参考图10，本实施例提供的几何图案重构装置包括预处理模块41、色块获取模块42、图形匹配模块43和绘画模块44。
其中，预处理模块41，用于获取原始图像，对所述原始图像进行灰度处理得到灰度图像；色块获取模式，用于根据所述灰度图像的灰度值分布情况对像素点进行聚类合并，得到多个色块；图形匹配模块43，用于对所述色块进行边缘识别得到色块边缘，并根据所述色块边缘的形状进行几何图形匹配生成匹配结果；绘画模块44，用于根据所述匹配结果将所述色块替换为所述几何图形，并根据替换后的所述几何图形形成绘画图像。
上述，通过获取原始图像，对所述原始图像进行灰度处理得到灰度图像，根据所述灰度图像的灰度值分布情况对像素点进行聚类合并，得到多个色块，对所述色块进行边缘识别得到色块边缘，并根据所述色块边缘的形状进行几何图形匹配生成匹配结果，根据所述匹配结果将所述色块替换为所述几何图形，并根据替换后的所述几何图形形成绘画图像，可将由几何图形形成的绘画图像展示给用户。其作画对象为原始图像，通过对原始图像处理得到的色块匹配几何图形，并由匹配到的几何图形形成绘画图像，完成原始图像到绘画图像的转换，提高了几何图案绘画的效率，并且几何图形的匹配与原始图像更加匹配，形成的绘画图像更能反映原始图像的形态和外观。
在一个可能的实施例中，所述色块获取模块42具体用于：确定所述灰度图像各像素点的灰度值所处的灰度值分布范围；对所述灰度图像中处于同一灰度值分布范围的连续的像素点进行聚类合并，得到对应于不同灰度值分布范围的色块。
在一个可能的实施例中，所述图形匹配模块43在根据所述色块边缘的形状进行几何图形匹配生成匹配结果时，具体包括：将不同形状的几何图形与所述色块边缘的形状进行重合度匹配，并得到对应的重合度；生成指向所述重合度最高的几何图形的匹配结果。
在一个可能的实施例中，所述图形匹配模块43在将不同形状的几何图形与所述色块边缘的形状进行重合度匹配，并得到对应的重合度时，具体包括：将不同形状的几何图形的尺寸缩放至与所述色块边缘的尺寸相适应；将缩放后的不同形状的几何图形与所述色块边缘的形状进行重合度匹配，并得到对应的重合度。
在一个可能的实施例中，所述绘画模块44在根据所述匹配结果将所述色块替换为所述几何图形时，具体包括：获取所述匹配结果指向的几何图形，将所述几何图形的尺寸缩放至与所述色块边缘的尺寸相适应；根据缩放后的所述几何图形对所述色块进行替换。
在一个可能的实施例中，所述绘画模块44在根据所述匹配结果将所述色块替换为所述几何图形时，具体包括：根据所述匹配结果将所述色块替换为所述几何图形；若用于替换的所述几何图形与先前替换的几何图形存在重叠区域，则根据被替换的所述色块与先前被替换的色块的灰度值确定在所述重叠区域的替代方式，所述替代方式包括填充替代和挖空替代。
在一个可能的实施例中，所述绘画模块44在根据替换后的所述几何图形形成绘画图像时，具体包括：根据所述原始图像的尺寸新建绘画画布；根据替换后的所述几何图形在所述绘画画布上形成绘画图像。
本申请实施例还提供了一种计算机设备，该计算机设备可集成本申请实施例提供的几何图案重构装置。图11是本申请实施例提供的一种计算机设备的结构示意图。参考图11，该计算机设备包括：输入装置53、输出装置54、存储器52以及一个或多个处理器51；所述存储器52，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器51执行，使得所述一个或多个处理器51实现如上述实施例提供的几何图案重构方法。其中输入装置53、输出装置54、存储器52和处理器51可以通过总线或者其他方式连接，图11中以通过总线连接为例。
存储器52作为一种计算设备可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请任意实施例所述的几何图案重构方法对应的程序指令/模块(例如，几何图案重构装置中的预处理模块41、色块获取模块42、图形匹配模块43和绘画模块44)。存储器52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52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52可进一步包括相对于处理器51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。
输入装置53可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置54可包括显示屏等显示设备。
处理器51通过运行存储在存储器52中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的几何图案重构方法。
上述提供的几何图案重构装置和计算机可用于执行上述实施例提供的几何图案重构方法，具备相应的功能和有益效果。
本申请实施例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如上述实施例提供的几何图案重构方法，该几何图案重构方法包括：获取原始图像，对所述原始图像进行灰度处理得到灰度图像；根据所述灰度图像的灰度值分布情况对像素点进行聚类合并，得到多个色块；对所述色块进行边缘识别得到色块边缘，并根据所述色块边缘的形状进行几何图形匹配生成匹配结果；根据所述匹配结果将所述色块替换为所述几何图形，并根据替换后的所述几何图形形成绘画图像。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然，本申请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几何图案重构方法，还可以执行本申请任意实施例所提供的几何图案重构方法中的相关操作。
上述实施例中提供的几何图案重构装置、计算机设备及存储介质可执行本申请任意实施例所提供的几何图案重构方法，未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的几何图案重构方法。
上述仅为本申请的较佳实施例及所运用的技术原理。本申请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的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由权利要求的范围决定。

Claims (10)

1.一种几何图案重构方法，其特征在于，包括：
获取原始图像，对所述原始图像进行灰度处理得到灰度图像；
根据所述灰度图像的灰度值分布情况对像素点进行聚类合并，得到多个色块；
对所述色块进行边缘识别得到色块边缘，并根据所述色块边缘的形状进行几何图形匹配生成匹配结果；
根据所述匹配结果将所述色块替换为所述几何图形，并根据替换后的所述几何图形形成绘画图像。
2.根据权利要求1所述的几何图案重构方法，其特征在于，所述根据所述灰度图像的灰度值分布情况对像素点进行聚类合并，得到多个色块，包括：
确定所述灰度图像各像素点的灰度值所处的灰度值分布范围；
对所述灰度图像中处于同一灰度值分布范围的连续的像素点进行聚类合并，得到对应于不同灰度值分布范围的色块。
3.根据权利要求1所述的几何图案重构方法，其特征在于，所述根据所述色块边缘的形状进行几何图形匹配生成匹配结果，包括：
将不同形状的几何图形与所述色块边缘的形状进行重合度匹配，并得到对应的重合度；
生成指向所述重合度最高的几何图形的匹配结果。
4.根据权利要求3所述的几何图案重构方法，其特征在于，所述将不同形状的几何图形与所述色块边缘的形状进行重合度匹配，并得到对应的重合度，包括：
将不同形状的几何图形的尺寸缩放至与所述色块边缘的尺寸相适应；
将缩放后的不同形状的几何图形与所述色块边缘的形状进行重合度匹配，并得到对应的重合度。
5.根据权利要求1所述的几何图案重构方法，其特征在于，所述根据所述匹配结果将所述色块替换为所述几何图形，包括：
获取所述匹配结果指向的几何图形，将所述几何图形的尺寸缩放至与所述色块边缘的尺寸相适应；
根据缩放后的所述几何图形对所述色块进行替换。
6.根据权利要求1所述的几何图案重构方法，其特征在于，所述根据所述匹配结果将所述色块替换为所述几何图形，包括：
根据所述匹配结果将所述色块替换为所述几何图形；
若用于替换的所述几何图形与先前替换的几何图形存在重叠区域，则根据被替换的所述色块与先前被替换的色块的灰度值确定在所述重叠区域的替代方式，所述替代方式包括填充替代和挖空替代。
7.根据权利要求1-6任一项所述的几何图案重构方法，其特征在于，所述根据替换后的所述几何图形形成绘画图像，包括：
根据所述原始图像的尺寸新建绘画画布；
根据替换后的所述几何图形在所述绘画画布上形成绘画图像。
8.一种几何图案重构装置，其特征在于，包括预处理模块、色块获取模块、图形匹配模块和绘画模块，其中：
预处理模块，用于获取原始图像，对所述原始图像进行灰度处理得到灰度图像；
色块获取模式，用于根据所述灰度图像的灰度值分布情况对像素点进行聚类合并，得到多个色块；
图形匹配模块，用于对所述色块进行边缘识别得到色块边缘，并根据所述色块边缘的形状进行几何图形匹配生成匹配结果；
绘画模块，用于根据所述匹配结果将所述色块替换为所述几何图形，并根据替换后的所述几何图形形成绘画图像。
9.一种计算机设备，其特征在于，包括：存储器以及一个或多个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7任一所述的几何图案重构方法。
10.一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1-7任一所述的几何图案重构方法。
CN201911019651.4A 2019-10-24 2019-10-24 一种几何图案重构方法、装置、设备及存储介质 Active CN110738712B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911019651.4A CN110738712B (zh) 2019-10-24 2019-10-24 一种几何图案重构方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911019651.4A CN110738712B (zh) 2019-10-24 2019-10-24 一种几何图案重构方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN110738712A true CN110738712A (zh) 2020-01-31
CN110738712B CN110738712B (zh) 2023-07-25

Family

ID=69271277

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911019651.4A Active CN110738712B (zh) 2019-10-24 2019-10-24 一种几何图案重构方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110738712B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112102435A (zh) * 2020-09-24 2020-12-18 北京文香信息技术有限公司 一种几何图形绘制的方法、装置、设备及存储介质
CN117014704A (zh) * 2023-03-31 2023-11-07 苏州宇懋医学科技有限公司 影像融合装置及影像融合算法平行化优化之方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150193973A1 (en) * 2014-01-08 2015-07-09 Adobe Systems Incorporated Single image photometric stereo for colored objects
CN105069454A (zh) * 2015-08-24 2015-11-18 广州视睿电子科技有限公司 图像识别的方法及装置
CN106780531A (zh) * 2016-12-22 2017-05-31 河海大学 一种基于色块点特征的图像边缘提取方法
CN106846390A (zh) * 2017-02-27 2017-06-13 迈吉客科技（北京）有限公司 一种图像处理的方法及装置
US20180070033A1 (en) * 2016-09-07 2018-03-08 Essential Products, Inc. Color reconstruction
CN107909646A (zh) * 2017-11-17 2018-04-13 浙江工业大学 一种基于平面图像的三维建模方法
CN108257179A (zh) * 2018-02-02 2018-07-06 成都元点智库科技有限公司 一种图像处理方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150193973A1 (en) * 2014-01-08 2015-07-09 Adobe Systems Incorporated Single image photometric stereo for colored objects
CN105069454A (zh) * 2015-08-24 2015-11-18 广州视睿电子科技有限公司 图像识别的方法及装置
US20180070033A1 (en) * 2016-09-07 2018-03-08 Essential Products, Inc. Color reconstruction
CN106780531A (zh) * 2016-12-22 2017-05-31 河海大学 一种基于色块点特征的图像边缘提取方法
CN106846390A (zh) * 2017-02-27 2017-06-13 迈吉客科技（北京）有限公司 一种图像处理的方法及装置
CN107909646A (zh) * 2017-11-17 2018-04-13 浙江工业大学 一种基于平面图像的三维建模方法
CN108257179A (zh) * 2018-02-02 2018-07-06 成都元点智库科技有限公司 一种图像处理方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112102435A (zh) * 2020-09-24 2020-12-18 北京文香信息技术有限公司 一种几何图形绘制的方法、装置、设备及存储介质
CN117014704A (zh) * 2023-03-31 2023-11-07 苏州宇懋医学科技有限公司 影像融合装置及影像融合算法平行化优化之方法
CN117014704B (zh) * 2023-03-31 2024-02-27 苏州宇懋医学科技有限公司 影像融合装置及影像融合算法平行化优化之方法

Also Published As

Publication number Publication date
CN110738712B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CN112348815B (zh) 图像处理方法、图像处理装置以及非瞬时性存储介质
CN107993216B (zh) 一种图像融合方法及其设备、存储介质、终端
Omer et al. Color lines: Image specific color representation
US8126268B2 (en) Edge-guided morphological closing in segmentation of video sequences
CN109993810B (zh) 一种智能素描绘画方法、装置、存储介质及终端设备
US8565525B2 (en) Edge comparison in segmentation of video sequences
CN113034358B (zh) 一种超分辨率图像处理方法以及相关装置
US10755153B2 (en) Method of generating 3-dimensional code based on gaussian modulating function
US20090028432A1 (en) Segmentation of Video Sequences
CN111882627B (zh) 图像处理方法、视频处理方法、装置、设备和存储介质
CN108431751B (zh) 背景去除
CN110084204B (zh) 基于目标对象姿态的图像处理方法、装置和电子设备
CN108230256A (zh) 图像处理方法、装置、计算机装置及计算机可读存储介质
WO2007074844A1 (ja) 顔パーツの位置の検出方法及び検出システム
CN110738712B (zh) 一种几何图案重构方法、装置、设备及存储介质
CN111260655A (zh) 基于深度神经网络模型的图像生成方法与装置
CN110751703B (zh) 一种绕线画生成方法、装置、设备及存储介质
CN116740261B (zh) 图像重建方法和装置、图像重建模型的训练方法和装置
US11354828B2 (en) Generating contextualized image variants of multiple component images
CN109064431B (zh) 一种图片亮度调节方法、设备及其存储介质
CN114758054A (zh) 光斑添加方法、装置、设备及存储介质
CN113052923A (zh) 色调映射方法、装置、电子设备和存储介质
CN112070703B (zh) 一种仿生机器鱼水下视觉图像增强方法及系统
CN110136225A (zh) 生成书面印刷数据的样本的方法、装置及计算机存储介质
CN111160063B (zh) 一种物联网ipc二维码配网图像增强方法及系统

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