CN111462136B - 一种基于边界分割算法的图像矢量化系统和方法 - Google Patents
一种基于边界分割算法的图像矢量化系统和方法 Download PDFInfo
- Publication number
- CN111462136B CN111462136B CN202010246238.8A CN202010246238A CN111462136B CN 111462136 B CN111462136 B CN 111462136B CN 202010246238 A CN202010246238 A CN 202010246238A CN 111462136 B CN111462136 B CN 111462136B
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- boundary
- sub
- module
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Image Generation (AREA)
Abstract
本发明公开了一种基于边界分割算法的图像矢量化系统和方法。系统包括区域分割模块,边界检测模块,边界拟合模块以及SVG整合模块。操作方法为将图像分成不同的区域,通过扩充空白像素块,边界像素块及相交像素块的方式生成亚像素图像,将亚像素图像的边界提取出来并且使用Catmull‑Rom样条拟合三次贝塞尔曲线来表示边界C(u),最后整合生成SVG格式文件。与现有技术相比较,该发明能够更好地划分边界,并且能够能为精准地确定和提取不同区域的边界,易于构造矢量图和后期的评估。
Description
技术领域
本发明属于光栅图像进行矢量化处理技术领域,具体涉及的是一种基于边界分割算法的图像矢量化系统和方法。
背景技术
计算机显示的图像分为位图与矢量图两大类,位图亦称为点阵图像或栅格图像,是由单个像素点所组成。图像矢量化是近期数字图像处理中的一个热门话题,矢量图像有很多优点:首先,矢量图像由简单的几何图元组成,表示紧凑,所占存储空间小;其次,矢量图像易于进行编辑,对矢量图像进行编辑的时候,如进行旋转、拉伸、平移等操作时仅需要修改相应几何图元的参数信息;第三,用矢量表示的对象易于放大或者压缩,而且不会降低其在计算机中的显示质量,矢量图像的放缩能够保持边角的尖锐等特性,不会出现模糊影响显示质量。如何用更高效快捷的算法将光栅图像转换为矢量图是有待于进一步研究和探索的课题。
发明内容
本发明的目的在于解决现有传统方法对光栅图像进行矢量化时不够精细的问题,提供一种基于边界分割算法的图像矢量化系统和方法。
为达到上述目的,本发明采用下述技术方案:
一种基于边界分割算法的图像矢量化系统,包括区域分割模块,边界检测模块,边界拟合模块以及SVG整合模块;所述区域分割模块利用统计区域融合的方法将图像分割成区域,方便接下来各模块对图像进行处理;所述边界检测模块对图像进行像素扩充并生成空白像素块,边界像素块及相交像素块,最终输入亚像素图像;所述边界拟合模块将亚像素图像的边界提取出来并且使用Catmull-Rom样条拟合三次贝塞尔曲线来表示边界C(u);所述SVG整合模块将边界拟合模块输出的边界C(u)和边界检测模块产生的亚像素图像以及带有颜色属性的分割图像汇总处理生成SVG格式的矢量图文件。
一种基于边界分割算法的图像矢量化方法,使用上述的基于边界分割算法的图像矢量化系统,具体操作步骤如下:
(1)用户将目标图像通过区域分割模块进行处理,将图像中每个像素划分为一个区域;
(2)区域分割模块遍历图像中每个像素通道,计算并储存相邻像素通道之间的差异值;
(3)根据计算所得的差异值,将图像中的像素划分为不同区域,并使用标签进行定义,得到分割后的图片I;
(4)将分割后的图像I输入边界检测模块,根据分割图像I均匀扩充为亚像素图像S,亚像素图像像素通道约为分割图像的两倍;
(5)边界检测模块将亚像素图像扩充的像素通道定义为空白像素块或者边界像素块;
(6)边界检测模块将继续对检测出边界像素的像素块进行检测,确定其中的相交像素块,便于后期提取边界;
(7)将判定完成像素分类的图像S使用边界拟合模块处理,将边界提取出来,用一系列的集合Ni来表示这样的边界;
(8)边界拟合模块使用Catmull-Rom样条拟合三次贝塞尔曲线的方式来表示边界C(u);
(9)将边界拟合模块输出的边界C(u)和边界检测模块产生的亚像素图像S以及带有颜色属性的分割图像I输入SVG整合模块,汇总处理生成SVG格式的矢量图文件。
本发明与现有技术相比较,具有如下显而易见的突出实质性特点和显著技术进步:
本发明方法对图像进行预处理,分割图像为不同区域,方便后期更好地划分边界;采用扩充像素的方法来确定不用区域的边界,定义三种像素块,空白像素块,边界像素块和相交像素块,能够能为精准地确定和提取不同区域的边界;使用Catmull-Rom样条拟合三次贝塞尔曲线的方式来表示边界曲线,易于构造矢量图和后期的评估。
附图说明
图1为本发明系统整体框架示意图。
图2为方法运作程序框图。
具体实施方式
本发明的优选实施例子结合附图详述如下:
实施例一:
如图1所示,一种基于边界分割算法的图像矢量化系统,包括区域分割模块,边界检测模块,边界拟合模块以及SVG整合模块;所述区域分割模块利用统计区域融合的方法将图像分割成区域,方便接下来各模块对图像进行处理;所述边界检测模块对图像进行像素扩充并生成空白像素块,边界像素块及相交像素块,最终输入亚像素图像;所述边界拟合模块将亚像素图像的边界提取出来并且使用Catmull-Rom样条拟合三次贝塞尔曲线来表示边界C(u);所述SVG整合模块将边界拟合模块输出的边界C(u)和边界检测模块产生的亚像素图像以及带有颜色属性的分割图像汇总处理生成SVG格式的矢量图文件。实施例二:
如图2所示,一种基于边界分割算法的图像矢量化方法,使用上述的基于边界分割算法的图像矢量化系统,具体操作步骤如下:
(1)将图像M使用区域分割模块处理,主要方法为统计区域融合方法,首先采集图像像素,将图像中的每个像素通道划分成一个区域,并且定义每一个像素通道的平均值为M。
(2)遍历每个像素通道,计算并储存相邻像素通道p与p′之间的差异值f(p,p′)(差异值取R,G,B三个通道中差异fa(p,p′)最大值):
f(p,p′)=maxa∈R,G,Bfa(p,p′) (1)
(3)根据计算所得的差异值f,定义差异低于之前设定平均值的区域为相似区域合并相似区域,不同的相似区域使用不同的标签进行定义,得到图像区域分割完成的图像,区域分割模块输出分割后的图像记为I:
M→I (2)
(4)将分割后的图像I使用边界检测模块处理,定义分割图像的宽度为WI,高度为HI,用坐标表示为I(x,y),其中x=0,1,...,WI-1;y=0,1,...,HI-1。根据分割图像I均匀扩充为亚像素图像S,亚像素图像像素通道约为分割图像的两倍,定义亚像素图像的宽度为WS,高度为HS,用坐标表示为S(x,y),其中x=0,1,...,2*WS-1;y=0,1,...,2*HS-1。
WS=2*WI-1 (3)
HS=2*HI-1 (4)
(5)边界检测模块将按照特定算法将亚像素图像扩充的像素通道定义为空白像素块或者边界像素块,扩充算法如下:对于亚像素图像S,若该像素块所对应的x为奇数,y为偶数,则对应其原分割图像I来说,若I((x+1)/2,y/2)≠I((x-1)/2,y/2),则定义该像素块为边界像素块,否则为空白像素块。对于亚像素图像S,若该像素块所对应的x为偶数,y为奇数,则对应其原分割图像I来说,若I(x/2,(y+1)/2)≠I(x/2,(y-1)/2),则定义该像素块为边界像素块,否则为空白像素块。对于亚像素图像S,若该像素块所对应的x与y同时为偶数或奇数,则该像素保留为所对应原分割图像相应像素块的标签。其公式描述如下:
(6)边界检测模块将继续对检测出边界像素的像素块进行检测,确定其中的相交像素块,为了便于后期提取边界。相加像素块是两个区域相邻的像素块,识别算法如下:对于亚像素图像S,如果在S上的坐标满足S(x+1,y)+S(x-1,y)+S(x,y+1)+S(x,y-1)>2,则此像素为相交像素块。至此完成了亚像素图像S上所有像素块的判定:
I→S (6)
(7)判定完成像素分类的图像S使用边界拟合模块处理,将边界提取出来,将以下三种情况视为边界:两个相交像素块之间的连续的边界像素块;闭合连续的边界像素块;在S的边界处开始和结束的连续的边界像素块,提取出之后用一系列的集合Ni来表示这样的边界:
S→Ni (7)
(8)边界拟合模块使用Catmull-Rom样条拟合三次贝塞尔曲线的方式来表示边界C(u),样条的公式为:C(u)=UMPT其中U为参数向量,P为控制点向量,M为特征方程:
Ni→C(u) (8)
(9)将边界拟合模块输出的边界C(u)和边界检测模块产生的亚像素图像S以及带有颜色属性的分割图像I使用SVG整合模块处理,将边界C(u)中的曲线值存入SVG文件中,并且根据S中的标签储存区域的颜色并写入SVG文件中:
(C(u)i,S)→SVG (9)
至此矢量图SVG文件生成。
Claims (2)
1.一种基于边界分割算法的图像矢量化系统,其特征在于,包括区域分割模块,边界检测模块,边界拟合模块以及SVG整合模块;所述区域分割模块利用统计区域融合的方法将图像分割成区域;所述边界检测模块对图像进行像素扩充并生成空白像素块,边界像素块及相交像素块,最终输入亚像素图像;所述边界拟合模块将亚像素图像的边界提取出来并且使用Catmull-Rom样条拟合三次贝塞尔曲线来表示边界C(u);所述SVG整合模块将边界拟合模块输出的边界C(u)和边界检测模块产生的亚像素图像以及带有颜色属性的分割图像汇总处理生成SVG格式的矢量图文件;
所述区域分割模块利用统计区域融合的方法将图像分割成区域的具体步骤为:
首先采集图像像素,将图像中的每个像素通道划分成一个区域,并且定义每一个像素通道的平均值;
然后遍历每个像素通道,计算并储存相邻像素通道之间的差异值,差异值取R,G,B三个通道差异值中最大值;
然后根据计算所得的差异值,定义差异值低于所述平均值的区域为相似区域,合并相似区域,不同的相似区域使用不同的标签进行定义,得到图像区域分割完成的图像,区域分割模块输出分割后的图像记为I;
所述边界检测模块的实现的具体步骤:
定义分割后的图像的宽度为WI,高度为HI,用坐标表示为I(x,y),其中x=0,1,…,WI-1;y=0,1,...,HI–1;根据分割后的图像I均匀扩充为亚像素图像S,亚像素图像像素通道约为分割图像的两倍,定义亚像素图像的宽度为WS,高度为HS,用坐标表示为S(x,y),其中x=0,1,…,2*WS-1;y=0,1,...,2*HS–1;
WS=2*WI-1
HS=2*HI-1;
边界检测模块将按照特定算法将亚像素图像扩充的像素通道定义为空白像素块或者边界像素块,扩充算法如下:
对于亚像素图像S,若该像素块所对应的x为奇数,y为偶数,则对应分割后的图像I来说,若I((x+1)/2,y/2)≠I((x-1)/2,y/2),则定义该像素块为边界像素块,否则为空白像素块;对于亚像素图像S,若该像素块所对应的x为偶数,y为奇数,则对应分割后的图像I来说,若I(x/2,(y+1)/2)≠I(x/2,(y-1)/2),则定义该像素块为边界像素块,否则为空白像素块;对于亚像素图像S,若该像素块所对应的x与y同时为偶数或奇数,则该像素块保留为所对应分割后的图像I相应像素块的标签;
边界检测模块将继续对检测出边界像素的像素块进行检测,确定其中的相交像素块;相交像素块是两个区域相邻的像素块,识别算法如下:
对于亚像素图像S,如果在S上的坐标满足S(x+1,y)+S(x-1,y)+S(x,y+1)+S(x,y-1)>2,则此像素为相交像素块。
2.一种基于边界分割算法的图像矢量化方法,使用如权利要求1所述的基于边界分割算法的图像矢量化系统,其特征在于,具体操作步骤如下:
(1)用户将目标图像通过区域分割模块进行处理,将图像中每个像素划分为一个区域;
(2)区域分割模块遍历图像中每个像素通道,计算并储存相邻像素通道之间的差异值;
(3)根据计算所得的差异值,将图像中的像素划分为不同区域,并使用标签进行定义,得到分割后的图像I;
(4)将分割后的图像I输入边界检测模块,根据分割后的图像I均匀扩充为亚像素图像S,亚像素图像像素通道约为分割图像的两倍;
(5)边界检测模块将亚像素图像扩充的像素通道定义为空白像素块或者边界像素块;
(6)边界检测模块将继续对检测出边界像素的像素块进行检测,确定其中的相交像素块;
(7)将判定完成像素分类的亚像素图像S使用边界拟合模块处理,将边界提取出来,用一系列的集合Ni来表示这样的边界;
(8)边界拟合模块使用Catmull-Rom样条拟合三次贝塞尔曲线的方式来表示边界C(u);
(9)将边界拟合模块输出的边界C(u)和边界检测模块产生的亚像素图像S以及带有颜色属性的分割后的图像I输入SVG整合模块,汇总处理生成SVG格式的矢量图文件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010246238.8A CN111462136B (zh) | 2020-03-31 | 2020-03-31 | 一种基于边界分割算法的图像矢量化系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010246238.8A CN111462136B (zh) | 2020-03-31 | 2020-03-31 | 一种基于边界分割算法的图像矢量化系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111462136A CN111462136A (zh) | 2020-07-28 |
CN111462136B true CN111462136B (zh) | 2023-05-16 |
Family
ID=71680955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010246238.8A Active CN111462136B (zh) | 2020-03-31 | 2020-03-31 | 一种基于边界分割算法的图像矢量化系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111462136B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113112570B (zh) * | 2021-05-12 | 2022-05-20 | 北京邮电大学 | 一种基于感知驱动的矢量化效果评价方法 |
CN113706648B (zh) * | 2021-08-04 | 2024-03-19 | 武汉理工大学 | 基于扩散曲线的唐卡元素矢量化方法 |
CN114119427B (zh) * | 2022-01-28 | 2022-05-27 | 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 (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012088796A (ja) * | 2010-10-15 | 2012-05-10 | Kddi Corp | 画像領域分割装置、画像領域分割方法および画像領域分割プログラム |
CN108805957A (zh) * | 2018-06-07 | 2018-11-13 | 青岛九维华盾科技研究院有限公司 | 一种基于位图图像自适应分割的矢量图生成方法及系统 |
CN110049340A (zh) * | 2019-04-03 | 2019-07-23 | 浙江工业大学 | 一种基于亚像素的图像矢量化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10607374B2 (en) * | 2018-06-01 | 2020-03-31 | Adobe Inc. | Generating enhanced digital images by selectively transforming raster images to vector drawing segments |
-
2020
- 2020-03-31 CN CN202010246238.8A patent/CN111462136B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012088796A (ja) * | 2010-10-15 | 2012-05-10 | Kddi Corp | 画像領域分割装置、画像領域分割方法および画像領域分割プログラム |
CN108805957A (zh) * | 2018-06-07 | 2018-11-13 | 青岛九维华盾科技研究院有限公司 | 一种基于位图图像自适应分割的矢量图生成方法及系统 |
CN110049340A (zh) * | 2019-04-03 | 2019-07-23 | 浙江工业大学 | 一种基于亚像素的图像矢量化方法 |
Non-Patent Citations (1)
Title |
---|
胡卫军 ; 刘昕 ; 陆永亮 ; 何昆 ; .一种光栅图像SVG矢量化表示的方法.计算机工程与科学.2010,第32卷(第08期),64-66. * |
Also Published As
Publication number | Publication date |
---|---|
CN111462136A (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111462136B (zh) | 一种基于边界分割算法的图像矢量化系统和方法 | |
CN111814722B (zh) | 一种图像中的表格识别方法、装置、电子设备及存储介质 | |
CN101453575B (zh) | 一种视频字幕信息提取方法 | |
Vaquero et al. | A survey of image retargeting techniques | |
CN105528614B (zh) | 一种漫画图像版面的识别方法和自动识别系统 | |
Shen et al. | Depth-aware image seam carving | |
CN105488758A (zh) | 一种基于内容感知的图像缩放方法 | |
CN104346615B (zh) | 版式文档中复合图的提取装置和提取方法 | |
US11625871B2 (en) | System and method for capturing and interpreting images into triple diagrams | |
EP2339533B1 (en) | Saliency based video contrast enhancement method | |
KR101028628B1 (ko) | 영상 텍스쳐 필터링 방법, 이를 수행하는 프로그램을 기록한 기록매체 및 이를 수행하는 장치 | |
CN112418165B (zh) | 基于改进型级联神经网络的小尺寸目标检测方法与装置 | |
JP2001043376A (ja) | 画像抽出方法及び装置並びに記憶媒体 | |
CN109034136A (zh) | 图像处理方法、装置、摄像设备及存储介质 | |
CN103440664A (zh) | 一种生成高分辨率深度图的方法、系统及计算设备 | |
CN104200505A (zh) | 一种人脸视频图像的漫画式动画生成方法 | |
CN103902730A (zh) | 一种缩略图生成方法和系统 | |
CN110889854B (zh) | 一种基于多尺度深度学习的草图部件分割方法、系统、装置及存储介质 | |
CN113065404B (zh) | 基于等宽文字片段的火车票内容检测方法与系统 | |
CN104268845A (zh) | 极值温差短波红外图像的自适应双局部增强方法 | |
CN113177526A (zh) | 基于人脸识别的图像处理方法、装置、设备及存储介质 | |
CN111462084B (zh) | 基于随机森林的图像矢量化印刷出血点预测系统和方法 | |
CN114612456B (zh) | 一种基于深度学习的钢坯自动语义分割识别方法 | |
CN110991440A (zh) | 一种像素驱动的手机操作界面文本检测方法 | |
CN106056575A (zh) | 一种基于似物性推荐算法的图像匹配方法 |
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 |