CN111915488B - 大数据下的高性能图像瓦块图生成方法 - Google Patents

Abstract

本发明公开了一种大数据下的高性能图像瓦块图生成方法，包括以下步骤：根据从上至下的瓦块图级别建立坐标系，并获得任一图像在拼接大图中的位置映射表；遍历任一图像的坐标范围，求得拼接平面内的任一图像的矩形区域和该图像投影后的最小外接矩形包围盒；将拼接大图的图像拆分成固定尺寸的数个子任务；并求得任一级别瓦块图的数量和最佳分区数；将拼接大图的图像放入最小外接矩形包围盒内，采用分冶策略求得子区域在坐标系上的瓦块图索引；根据子区域和任一图像的最小外接矩形包围盒的重叠关系，求得任一图像在瓦块图级别下的矩阵；根据任一图像在瓦块图级别下的矩阵生产子区域图，并切分得到瓦块图。

Description

大数据下的高性能图像瓦块图生成方法

技术领域

本发明涉及图像处理技术领域，尤其是大数据下的高性能图像瓦块图生成方法。

背景技术

瓦块图(即在WebGIS系统中，瓦片地图金字塔)，瓦片地图金字塔模型是一种多分辨层次模型，从瓦片金字塔的底层到顶层，分辨率越来越低，但表示的地理范围不变。现在技术中瓦片地图金字塔模型的构建过程如下：

首先，确定地图服务平台所要提供的缩放级别的数量N，把缩放级别最高、地图比例尺最大的地图图片作为金字塔的底层，即第0层，并对其进行分块，从地图图片的左上角开始，从左至右、从上到下进行切割，分割成相同大小(比如256x256像素)的正方形地图瓦片，形成第0层瓦片矩阵；在第0层地图图片的基础上，按每2x2像素合成为一个像素的方法生成第1层地图图片，并对其进行分块，分割成与下一层相同大小的正方形地图瓦片，形成第1层瓦片矩阵；采用同样的方法生成第2层瓦片矩阵；…；如此下去，直到第N一1层，构成整个瓦片金字塔。

目前，现有技术中暂未应对大数据下的快速生成瓦块图的技术，在像瓦块图生成技术领域，其处于空白状态。因此，急需要提出一种逻辑简单、计算工作量少的高性能图像瓦块图生成方法。

发明内容

针对上述问题，本发明的目的在于提供一种大数据下的高性能图像瓦块图生成方法，本发明采用的技术方案如下：

大数据下的高性能图像瓦块图生成方法，包括以下步骤：

根据从上至下的瓦块图级别建立坐标系，并获得任一图像在拼接大图中的位置映射表；

遍历任一图像的坐标范围，求得拼接平面内的任一图像的矩形区域和该图像投影后的最小外接矩形包围盒；

将拼接大图的图像拆分成固定尺寸的数个子任务；

并求得任一级别瓦块图的数量和最佳分区数；

将拼接大图的图像放入最小外接矩形包围盒内，采用分冶策略求得子区域在坐标系上的瓦块图索引；

根据子区域和任一图像的最小外接矩形包围盒的重叠关系，求得任一图像在瓦块图级别下的矩阵；

根据任一图像在瓦块图级别下的矩阵生产子区域图，并切分得到瓦块图。

进一步的，所述大数据下的高性能图像瓦块图生成方法，还包括若所述瓦块图级别下所需的内存无法存储整体的拼接大图，则对存储的拼接大图进行切分得到瓦块图。

优选地，所述获得任一图像在拼接大图中的位置映射表，包括以下步骤：

选取采集的图像的中心所在的平面作为拼接平面，并获得任一图像在坐标系中的单应性矩阵，并投影到拼接平面。

进一步地，所述图像在第i级别下第j张图投影变换后的图像矩阵M′_ij的表达式为：

M′_ij＝S_i*H_j*M_ij

其中，M_ij表示图像在i级别下的矩阵，S_i表示缩放矩阵，H_j表示第i级别下第j张图在瓦块图第N级下，投影到拼接平面的投影矩阵；所述N为大1的自然数。

进一步地，所述遍历任一图像的坐标范围，求得拼接平面内的任一图像的矩形区域和该图像投影后的最小外接矩形包围盒，包括以下步骤：

在拼接大图中获取任一图像的四个顶点坐标P_i1(x_i1,y_i1)，所述x_i1,y_i1表示拼接大图中的像素坐标；所述i1为大于0且小于5的自然数；

将任一图像的四个顶点坐标P_i1(x_i1,y_i1)转换成三维齐次坐标P′_i1(x_i1,y_i1,1)；

根据所述图像对应的单应性矩阵，求得投影后的坐标P″_i1(x′_i1,y′_i1,1)；

根据投影后的坐标P″_i1(x′_i1,y′_i1,1)，求得所述图像投影后的最小外接矩形包围盒，其表达式为

W_i＝Xmax_i-Xmin_i

H_i＝Ymax_i-Ymin_i

其中，Ymax_i表示拼接大图中的图像的最大纵坐标，Ymin_i表示拼接大图中的图像的最小纵坐标，Xmax_i表示拼接大图中的图像的最大横坐标，Xmin_i表示拼接大图中的图像的最小横坐标。

更进一步地，所述求得任一级别瓦块图的数量，包括以下步骤：

求得起始索引和结束索引，其表达式为

XStart_i＝floor(Xmin_i/B)

YStart_i＝floor(Ymin_i/B)

XEnd_i＝floor((Xmin_i+W_i)/B+1)

YEnd_i＝floor((Ymin_i+H_i)/B+1)

其中，XStart_i表示第i级别下X方向瓦块图的起始索引，XEnd_i表示第i级别下X方向瓦块图的结束索引，YStart_i表示第i级别下Y方向瓦块图的起始索引，YEnd_i表示第i级别下Y方向瓦块图的结束索引，B表示瓦块图的边长；

求得X方向和Y方向的瓦块图数量，其表达式为：

X_i2＝XEnd_i-XStart_i

Y_i2＝YEnd_i-YStart_i。

与现有技术相比，本发明具有以下有益效果：

(1)本发明巧妙地建立瓦块图级别的坐标系，并获得图像在拼接大图中的位置映射表，利用投影变换后的图像矩阵进行图像拼接，其好处在于：投影变换会使得拼接更加准确，能适应存在较大角度；另外，建立位置映射表，能将拼接结果用一个表代替，其不涉及到图像操作，使得计算更高效，不费内存。

(2)本发明巧妙地遍历任一图像的坐标范围，并求得拼接平面内的任一图像的矩形区域和该图像投影后的最小外接矩形包围盒，其好处在于：得到任一图像尺寸后就能清楚知道该图像属于那块瓦块图。

(3)本发明通过求得任一级别瓦块图的数量和最佳分区数，其好处在于：第一，对于大数据拼接情况，内存有限，不分区无法创建足够大内存装下所有图；第二，合理的分区有利于极大提高瓦块图生成效率。

(4)本发明将拼接小图的图像放入拼接大图对应的最小外接矩形包围盒内，采用分冶策略求得子区域在坐标系上的瓦块图索引，其好处在于：本发明可以只用读取一次原始图像，便能在切分局部瓦块图的同时，生成拼接大图。

(5)本发明根据子区域和任一图像的最小外接矩形包围盒的重叠关系，求得任一图像在瓦块图级别下的矩阵，其好处在于：本发明只进行一次匹配，计算一次H矩阵，便能适应不同级别下瓦块图生成。

综上所述，本发明具有逻辑简单、计算工作量少等优点，在图像处理技术领域具有很高的实用价值和推广价值。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需使用的附图作简单介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对保护范围的限定，对于本领域技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明的流程示意图。

图2为本发明的图像在坐标系中的位置关系图。

图3为本发明的图像投影拼接示意图。

图4为本发明的原始图像放入最小外接矩形包围盒的示意图。

具体实施方式

为使本申请的目的、技术方案和优点更为清楚，下面结合附图和实施例对本发明作进一步说明，本发明的实施方式包括但不限于下列实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

实施例

如图1至图4所示，本实施例提供了一种大数据下的高性能图像瓦块图生成方法，包括以下步骤：

首先，在本实施例中原图的分辨率1800*900，PPM(pixel per meter)＝1071，并且本实施例的瓦块图级别从0-10级，第i级瓦块图代表PPM_i＝2ⁱ。其中，瓦块图单元，其为正方形，边长为B、且尺寸为B*B，其中B＝256，那么不同级别下，每个瓦块图单元视野尺寸为B*PPM_i。本实施例定义一个矩形区域Rect:Rect(x,y,w,h)，如图2所示，x，y代表该区域左上角点像素坐标,可用Rect.x；Rect.y表示；w,h表示该区域的宽和高，其可用Rect.w；Rect.h。

第一步，根据从上至下的瓦块图级别建立坐标系，并获得任一图像在拼接大图中的位置映射表；在本实施例中，位置映射表就代表每张图在整个拼接大图中的位置。本实施例的拼接平面是选定所有图像中心的图所在平面作为拼接平面，该平面即为拼接大图的平面。对于每张图来说，都会存一个H矩阵(Homograph，单应性矩阵)，通过这个矩阵，可将该图投影到拼接平面上。

在此，图像在第i级别下第j张图投影变换后的图像矩阵M′_ij的表达式为：

M′_ij＝S_i*H_j*M_ij

其中，M_ij表示图像在i级别下的矩阵，S_i表示缩放矩阵，H_j表示第i级别下第j张图在瓦块图第N级下，投影到拼接平面的投影矩阵；所述N为大1的自然数。

在本实施例中，缩放矩阵S_i的表达式为

其中，s为缩放比例，s＝1/2^10-i。

第二步，遍历任一图像的坐标范围，求得拼接平面内的任一图像的矩形区域和该图像投影后的最小外接矩形包围盒，即M′_ij的范围

(1)在拼接大图中获取任一图像的四个顶点坐标P_i1(x_i1,y_i1)，所述x_i1,y_i1表示拼接大图中的像素坐标；所述i1为大于0且小于5的自然数；

(2)将任一图像的四个顶点坐标P_i1(x_i1,y_i1)转换成三维齐次坐标P′_i1(x_i1,y_i1,1)；

(3)根据所述图像对应的单应性矩阵，求得投影后的坐标P″_i1(x′_i1,y′_i1,1)；

(4)根据投影后的坐标P″_i1(x′_i1,y′_i1,1)，求得所述图像投影后的最小外接矩形包围盒，其表达式为

W_i＝Xmax_i-Xmin_i

H_i＝Ymax_i-Ymin_i

其中，Ymax_i表示拼接大图中的图像的最大纵坐标，Ymin_i表示拼接大图中的图像的最小纵坐标，Xmax_i表示拼接大图中的图像的最大横坐标，Xmin_i表示拼接大图中的图像的最小横坐标。

第三步，检测内存能否存下整图：

例如：在某个瓦块图级别下，所需内存M，单位byte，M_i＝W_i*H_i*C

其中，W_i为某个级别下拼接大图宽度；H_拼接大图为某个级别下拼接大图宽度；C代表图像通道数，在本例中C＝4。

如果M＜f*M_系统，代表当前内存能够存下拼接大图。

M_系统为系统当前空闲内存；f为内存使用系数，本例取f＝0.8。

第四步，将整个拼接大图按照固定块大小分成多个子任务。如果不分任务，其原因主要是：一，有限内存下存不了大多数数据量；二，不分会极大减慢效率。Opencv的Mat里面不断操作数据会很慢

第五步，并求得任一级别瓦块图的数量和最佳分区数；

(1)求得任一级别瓦块图的数量：

求得起始索引和结束索引，其表达式为

XStart_i＝floor(Xmin_i/B)

YStart_i＝floor(Ymin_i/B)

XEnd_i＝floor((Xmin_i+W_i)/B+1)

YEnd_i＝floor((Ymin_i+H_i)/B+1)

其中，XStart_i表示第i级别下X方向瓦块图的起始索引，XEnd_i表示第i级别下X方向瓦块图的结束索引，YStart_i表示第i级别下Y方向瓦块图的起始索引，YEnd_i表示第i级别下Y方向瓦块图的结束索引，B表示瓦块图的边长；

求得X方向和Y方向的瓦块图数量，其表达式为：

X_i2＝XEnd_i-XStart_i

Y_i2＝YEnd_i-YStart_i。

(2)计算最佳分区数：

总共划分数SplitNum：splitNum_i＝W_i/N_opt*H_i/N_opt，其中N_opt为最佳划分尺度，本实施例N_opt＝3000，X方向划分数SplitX_i，Y方向划分数SplitY_i。

SplitX_i*SplitY_i＞＝splitNum

min(SplitX_i+SplitY_i)

其中，步长：

(3)分成子任务：

将拼接大图的图像放入最小外接矩形包围盒内，采用分冶策略求得子区域在坐标系上的瓦块图索引；

如图4所示，总的区域为Sketch_i(Xmin_i,Ymin_i,W_i,H_i)，将所有原始图放入这个拼接平面的这个最小外接矩形包围盒。每个子区域SubSketch_m(Xsub_m,Ysub_m,Wsub_m,Hsub_m)，其中，长宽为A，本例中，根据测试结果取A＝3000像素。

在第i级瓦块图下，每个子区域可以表示为Xsub_m、Ysub_m、Wsub_m、Hsub_m；Xsub_m、Ysub_m为区域块左上角像素坐标，Wsub_m＝A,Hsub_m＝A；SubXStart_i、SubYStart_i、SubXEnd_i、SubYEnd_i分别代表下，该子区域在x,y方向上瓦块图的索引。

对于第m个子区域0≤m＜SplitX_i*SplitY_i,

SubXStart_i＝j*StepX_i+XStart_i

SubYStart_i＝k*StepY_i+YStart_i

SubXEnd_i＝min(SubXStart_i+StepX_i,XEnd_i)

SubYEnd_i＝min(SubYStart_i+StepY_i,YEnd_i)

Xsub_m＝SubXStart_i*B+Xmin_i

Ysub_m＝SubYStart_i*B+Ymin_i

其中，0≤j＜SplitX_i，0≤k＜SplitY_i。

第六步，根据子区域和任一图像的最小外接矩形包围盒的重叠关系，求得任一图像在瓦块图级别下的矩阵M_ij。

第七步，生成子区域图：

(1)如果已经生成拼接大图，那么直接将上一级别生成的拼接大图MSketch_K+1缩放，MSketch_K＝0.5*MSketch_K+1。

对应区域Sketch_K+1也进行缩放，其如下式：

Sketch_K(X_K,Y_K,W_K,H_K)

X_K＝0.5*X_K+1,Y_K＝0.5*Y_K+1,W_K＝0.5*W_K+1,H_K＝0.5*H_K+1。

(2)如果还未生成拼接大图，那么将第六步步骤搜索到的图按照第二步所说位置关系表，装到MSubSketch_m里，MSubSketch_m即是每个子区域生成的子区域拼接图。

第八步，根据任一图像在瓦块图级别下的矩阵生产子区域图，并切分得到瓦块图。在本实施例中，每个瓦块图Block_i，每个Block_i的区域记为Block_i(Bx_i,By_i,Bw,By)，其中Bw＝B,By＝B。

在本实施例中，Rect0表示子拼接区域图或拼接大图中Block的区域，Rect1为Block中Rect0。

在本实施例中，可分为两种情况：

(1)若已经生成拼接大图：

直接对拼接大图MSketch_K切分，对应区域为第七步中缩放后的区域Sketch_K

Block_i(Rect1)＝MSketch_K(Rect0)

其中。CrossRect为Block_i与Sketch_K相交部分，如果CrossRect面积大于0(w*h>0)，则需要生成Block_i

Rect0＝(CrossRect.x-Sketch_K.x,CrossRect.y-

Sketch_K.y，B,B)

Rect1＝(CrossRect.x-Block_i.x,CrossRect.y-Block_i.y，

B,B)

(2)如果还未生成拼接大图：

对每个第七步中子任务拼接图MSubSketch_m进行切分,对应区域为第五步中SubSketch_m遍历每个SubSketch_m中的SubXStart_i、SubYStart_i、SubXEnd_i、SubYEnd_i

SubXStart_i≤j＜SubXEnd_i

SubYStart_i≤k＜SubYEnd_i

Bx_i＝j*B+Xmin_i

By_i＝k*B+Ymin_i

Rect0＝(CrossRect.x-SubSketch_m.x,CrossRect.y-

SubSketch_m.y，B,B)

Rect1＝(CrossRect.x-Block_i.x,CrossRect.y-Block_i.y，

B,B)

Block_i(Rect1)＝MSubSketch_m(Rect0)

第九步，将切分的小图复制到拼接大图，MSketch_K表示在第K级下能够生成拼接大图。当内存够存放到某个拼接大图时，将MSubSketch_m根据子区域划分，拷贝到拼接大图对应区域上。

上述实施例仅为本发明的优选实施例，并非对本发明保护范围的限制，但凡采用本发明的设计原理，以及在此基础上进行非创造性劳动而作出的变化，均应属于本发明的保护范围之内。

Claims (6)

1.大数据下的高性能图像瓦块图生成方法，其特征在于，包括以下步骤：

根据从上至下的瓦块图级别建立坐标系，并获得任一图像在拼接大图中的位置映射表；

遍历任一图像的坐标范围，求得拼接平面内的任一图像的矩形区域和该图像投影后的最小外接矩形包围盒；

将拼接大图的图像拆分成固定尺寸的数个子任务；

并求得任一级别瓦块图的数量和最佳分区数；

将拼接大图的图像放入最小外接矩形包围盒内，采用分冶策略求得子区域在坐标系上的瓦块图索引；

根据子区域和任一图像的最小外接矩形包围盒的重叠关系，求得任一图像在瓦块图级别下的矩阵；

根据任一图像在瓦块图级别下的矩阵生产子区域图，并切分得到瓦块图。

2.根据权利要求1所述的大数据下的高性能图像瓦块图生成方法，其特征在于，还包括若所述瓦块图级别下所需的内存无法存储整体的拼接大图，则对存储的拼接大图进行切分得到瓦块图。

3.根据权利要求1所述的大数据下的高性能图像瓦块图生成方法，其特征在于，所述获得任一图像在拼接大图中的位置映射表，包括以下步骤：

选取采集的图像的中心所在的平面作为拼接平面，并获得任一图像在坐标系中的单应性矩阵，并投影到拼接平面。

4.根据权利要求3所述的大数据下的高性能图像瓦块图生成方法，其特征在于，所述图像在第i级别下第j张图投影变换后的图像矩阵M'_ij的表达式为：

M'_ij＝S_i*H_j*M_ij

其中，M_ij表示图像在i级别下的矩阵，S_i表示缩放矩阵，H_j表示第i级别下第j张图在瓦块图第N级下，投影到拼接平面的投影矩阵；所述N为大1的自然数。

5.根据权利要求4所述的大数据下的高性能图像瓦块图生成方法，其特征在于，所述遍历任一图像的坐标范围，求得拼接平面内的任一图像的矩形区域和该图像投影后的最小外接矩形包围盒，包括以下步骤：

在拼接大图中获取任一图像的四个顶点坐标P_i1(x_i1,y_i1)，所述x_i1,y_i1表示拼接大图中的像素坐标；所述i1为大于0且小于5的自然数；

将任一图像的四个顶点坐标P_i1(x_i1,y_i1)转换成三维齐次坐标P'_i1(x_i1,y_i1,1)；

根据所述图像对应的单应性矩阵，求得投影后的坐标P”_i1(x'_i1,y'_i1,1)；

根据投影后的坐标P”_i1(x'_i1,y'_i1,1)，求得所述图像投影后的最小外接矩形包围盒，其表达式为

W_i＝Xmax_i-Xmin_i

H_i＝Ymax_i-Ymin_i

其中，Ymax_i表示拼接大图中的图像的最大纵坐标，Ymin_i表示拼接大图中的图像的最小纵坐标，Xmax_i表示拼接大图中的图像的最大横坐标，Xmin_i表示拼接大图中的图像的最小横坐标。

6.根据权利要求5所述的大数据下的高性能图像瓦块图生成方法，其特征在于，所述求得任一级别瓦块图的数量，包括以下步骤：

求得起始索引和结束索引，其表达式为

XStart_i＝floor(Xmin_i/B)

YStart_i＝floor(Ymin_i/B)

XEnd_i＝floor((Xmin_i+W_i)/B+1)

YEnd_i＝floor((Ymin_i+H_i)/B+1)

其中，XStart_i表示第i级别下X方向瓦块图的起始索引，XEnd_i表示第i级别下X方向瓦块图的结束索引，YStart_i表示第i级别下Y方向瓦块图的起始索引，YEnd_i表示第i级别下Y方向瓦块图的结束索引，B表示瓦块图的边长；

求得X方向和Y方向的瓦块图数量，其表达式为：

X_i2＝XEnd_i-XStart_i

Y_i2＝YEnd_i-YStart_i。