CN112330768A - 基于数据特征的图像快速合成方法 - Google Patents

Abstract

本发明公开了一种基于数据特征的图像快速合成方法，包括如下步骤：搜索合法文件，数量为M_file，从合法文件读取属性特征编号Q、及各像素点的位置、分量R、G和B；根据属性特征编号Q找出唯一对应的图像编号k；S3、计算各像素点的分量R、G和B在编号k的图像中对应的索引号，S4、将分量R、G和B的索引号赋值给图像矩阵imgk：将分量R、G和B的常整数值const赋值给透明矩阵alphak；S6、令i＝i+1，若i不大于M_file，则返回第一步，否则进入下一步；将透明矩阵alphak添加到图像矩阵imgk，形成分量R、G、B和透明通道alpha构成的四维矩阵后输出为图片格式。大幅度提高了大批量数据特征处理的图像合成与统计速度，尤其是当数据量越大时，速度提升越显著。

Description

基于数据特征的图像快速合成方法

技术领域

本发明属于图像合成技术领域，更具体地，本发明涉及一种基于数据特征的图像快速合成方法。

背景技术

随着现代信息技术的飞速发展，在通信电子、计算机视觉、医学诊断、遥感遥测、地质勘探等众多涉及图形图像的处理中，多图像之间联合特征处理的应用越来越多，一种常见的处理流程是从每一张图片中提取出感兴趣的数据特征信息，经过特殊的编码、映射等形成一一对应的数据特征文件，然后将这些特征文件组合成新的图像输出。当图片数量非常大、数据特征种类很多的情况下，会产生数以万计甚至更多的数据特征文件，这些文件的大小不同，数据类型不同，且每种特征中包含的图像像素差别很大，在组合数据特征文件的过程中需要占用大量的时间，从而严重影响数据分析的速度。

传统的特征文件合成方法不对特征的数据类型进行区分，在合成过程中混合处理汉字型、字符串型、数字型等不同数据，而且在输出图像像素时完全根据单点坐标进行索引，无法实现快速批量处理。

发明内容

本发明提供了一种基于数据特征的图像快速合成方法，旨在改善上述问题。

本发明是这样实现的，一种基于数据特征的图像快速合成方法，所述方法具体包括如下步骤：

S1、搜索合法文件数量为M_file，从合法文件读取属性特征编号Q、及各像素点的X坐标、Y坐标、红色分量R、绿色分量G和蓝色分量B；

S2、根据属性特征编号Q找出唯一对应的图像编号k，k＝1,2,3,……,M；

S3、计算各像素点的红色分量R、绿色分量G和蓝色分量B在编号k的图像中对应的索引号；

S4、将红色分量R、绿色分量G和蓝色分量B的索引号赋值给图像矩阵imgk；

S5、将红色分量R、绿色分量G和蓝色分量B的常整数值const赋值给透明矩阵alphak；

S6、令i＝i+1，若i不大于M_file，则返回步骤S1，否则进入步骤S7；

S7、将透明矩阵alphak添加到图像矩阵imgk，形成红色分量R、绿色分量G、蓝色分量B和透明通道alpha构成的四维矩阵后输出为图片格式。

进一步的，在步骤S6之前还包括：

S8、计算出indexR矩阵、indexG矩阵、indexB矩阵中包含的元素个数len；

在步骤S6之后还包括：

S9、计算有效数据的百分比：percent＝sta/(Nx×Ny)；

进一步的，红色分量R、绿色分量G和蓝色分量B的索引号indexR、indexG及indexB的计算公式具体如下：

indexR＝(X-1)×N_y+Y

indexG＝indexR+N_x×N_y

indexB＝indexG+N_x×N_y

其中，indexR、indexG及indexB分别表示红色分量R、绿色分量G和蓝色分量B的索引号，(X,Y)为红色分量R、绿色分量G和蓝色分量B所在像素点的位置坐标，N_x、N_y为透明矩阵的行数及列数。

本发明记载的基于特征数据的图像快速合成方法具有如下优点：

1)大幅度提高了大批量数据特征处理的图像合成与统计速度，尤其是当数据量越大时，速度提升越显著；

2)在处理过程中采用了混合数据类型的特征映射方法，结合矩阵→矢量→矩阵的转换，充分平衡了计算机内存与运算速度之间的关系，以相同的资源、更短的时间完成等数据量的图像合成与统计；

3)进一步简化了大批量数据特征处理的方法，使得代码设计得到了简化，减少了大量冗余的嵌套循环，有利于代码功能的扩展与升级。

附图说明

图1为本发明实施例提供的基于数据特征的图像快速合成方法流程图。

具体实施方式

下面对照附图，通过对实施例的描述，对本发明的具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。

本发明为了提高大批量数据特征处理速度，将不同类型的字符/数据形式映射为特征矩阵，形成只由纯数据构成的特征映射，克服了传统处理中混合数据类型带来的速度瓶颈，同时，在输出图像像素的过程中首先将二维/三维矩阵转换为一维的向量形式，完成批量像素输出后，再重新转换为二维/三维矩阵。

图1为本发明实施例提供的基于数据特征的图像快速合成方法流程图，该方法具体包括如下步骤：

S1、选择数据特征存储的文件夹，并指定需要在文件夹下搜索的文件类型(如通常使用TXT或DAT数据特征文件)，如果搜索到的合法文件数量大于0，则进入步骤S2，否则中止处理程序；

S2、加载预先设定的特征映射矩阵，该矩阵由N行两列的整型元素构成，N为属性特征的个数，其中第一列为图像编号，第二列为属性特征编号；

同一行的图像编号与属性特征具有对应关系，同一个图像编号可以对应多个属性特征，但一个属性特征只能够对应唯一的图像编号；

S3、初始化M个图像矩阵(img_k,k＝1,2,3,……,M)的背景均为白色，初始化M个透明矩阵(alpha_k,k＝1,2,3,……,M)均为N_x×N_y的全零矩阵，初始化M维统计向量sta为全零，其中M为本次处理中允许的最大图像编号；

S4、设指定文件夹下搜索到的合法文件数量为M_file，从第i(i初始化为1)个合法文件读取属性特征编号Q、该合法文件中各像素点的X坐标、Y坐标、红色分量R、绿色分量G和蓝色分量B，若i>M_file，则中止处理程序；

S5、根据属性特征编号Q找出唯一对应的图像编号k(k＝1,2,3,……,M)；

S6、根据以下关系式计算各像素点的红色分量R、绿色分量G和蓝色分量B在编号k的图像中对应的索引号，其中索引号的计算公式具体如下：

indexR＝(X-1)×N_y+Y

indexG＝indexR+N_x×N_y

indexB＝indexG+N_x×N_y

其中，indexR、indexG及indexB分别表示红色分量R、绿色分量G和蓝色分量B的索引号，(X,Y)为红色分量R、绿色分量G和蓝色分量B所在像素点的位置坐标，N_x、N_y为透明矩阵的行数及列数。

S7、将红色分量R、绿色分量G和蓝色分量B的索引号赋值给图像矩阵imgk：

img_k(indexR)＝R

img_k(indexG)＝G

img_k(indexB)＝B

S8、将红色分量R、绿色分量G和蓝色分量B的常整数值const(取值范围为0-255)赋值给透明矩阵alphak：alphak(indexR)＝const；

S9、计算出indexR矩阵、indexG矩阵、indexB矩阵中包含的元素个数len，并计算sta(k)＝sta(k)+len，；

S10、i＝i+1，若i不大于M_file，则返回步骤S4，否则进入步骤S11；

S11、计算有效数据的百分比：percent＝sta/(Nx×Ny)；

S12、将透明矩阵alphak添加到图像矩阵imgk，形成红色分量R、绿色分量G、蓝色分量B和透明通道alpha构成的四维矩阵后输出为图片格式。

图1是本发明的流程框图，设存储有数据特征的TXT文件数量M_file＝10000，属性特征个数N＝1000，特征映射矩阵由1000行两列的整型元素构成，图像透明通道的常数值const＝255，终需要生成的40000×20000图像矩阵为20个，即M＝20，N_x＝40000，N_y＝20000，则N_x×N_y＝8e8。

首先选择数据特征存储的文件夹，读取出10000个存储有数据特征的TXT文件，加载1000行两列的特征映射矩阵，将20个图像矩阵(img_k,k＝1,2,3,……,20)的背景初始化为白色，将20个透明矩阵(alpha_k)初始化为40000×20000的全零矩阵，将20×1的统计向量sta初始化为全零，初始化i＝1。然后从第i个合法的TXT文件读取属性特征编号Q、X坐标、Y坐标、红色分量R、绿色分量G和蓝色分量B，若i>10000，则中止处理程序，本次数据处理结束。

根据属性特征编号Q找出唯一对应的图像编号k(k＝1,2,3,……,M)，计算红色分量R、绿色分量G和蓝色分量B在编号ID的图像中对应的索引号分别为：

indexR＝(X-1)×20000+Y

indexG＝indexR+8e8

indexB＝indexG+8e8

将红色分量R、绿色分量G和蓝色分量B赋值给图像矩阵img_k，即img_k(indexR)＝R，img_k(indexG)＝G，img_k(indexB)＝B，将常整数值const＝255赋值给透明矩阵alpha_k：alpha_k(indexR)＝255；计算出矩阵indexR中包含的元素个数len，并计算sta(k)＝sta(k)+len，i＝i+1；此时，判断i是否大于M_file，若i不大于M_file，则从第(i+1)个文件中继续读取数据后处理，否则转入以下步骤的执行：计算有效数据的百分比：percent＝sta/8e8，将透明矩阵alpha_k添加到图像矩阵img_k，形成红色分量R、绿色分量G、蓝色分量B和透明通道alpha构成的四维矩阵后输出图片。

在华硕普通微型计算机平台上进行测试，CPU处理器型号为Intel(R)Core(TM)i7-5500U@2.40GHz，内存4GBytes，安装64位Windows 10操作系统，对于本实施例的处理，现有方法大约耗时21分19秒，采用本发明的改进方法之后，只需要59秒就完成了全部数据的处理。

本发明为了提高传统特征文件合成方法的处理速度，节约动力资源，通过充分挖掘计算机内存的存储空间与并行处理能力，提出了一种用于大批量数据特征处理的快速图像合成与统计方法，该方法不仅大幅度提升了处理速度，优化了硬件效率，还进一步简化了数据处理流程，为设计/维护人员带来了方便。

本发明记载的基于特征数据的图像快速合成方法具有如下优点：

1)大幅度提高了大批量数据特征处理的图像合成与统计速度，尤其是当数据量越大时，速度提升越显著；

2)在处理过程中采用了混合数据类型的特征映射方法，结合矩阵→矢量→矩阵的转换，充分平衡了计算机内存与运算速度之间的关系，以相同的资源、更短的时间完成等数据量的图像合成与统计；

3)进一步简化了大批量数据特征处理的方法，使得代码设计得到了简化，减少了大量冗余的嵌套循环，有利于代码功能的扩展与升级。

上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。

Claims (3)

1.一种基于数据特征的图像快速合成方法，其特征在于，所述方法具体包括如下步骤：

S1、搜索合法文件数量为M_file，从合法文件读取属性特征编号Q、及各像素点的X坐标、Y坐标、红色分量R、绿色分量G和蓝色分量B；

S2、根据属性特征编号Q找出唯一对应的图像编号k，k＝1,2,3,……,M；

S3、计算各像素点的红色分量R、绿色分量G和蓝色分量B在编号k的图像中对应的索引号；

S4、将红色分量R、绿色分量G和蓝色分量B的索引号赋值给图像矩阵imgk；

S5、将红色分量R、绿色分量G和蓝色分量B的常整数值const赋值给透明矩阵alphak；

S6、令i＝i+1，若i不大于M_file，则返回步骤S1，否则进入步骤S7；

S7、将透明矩阵alphak添加到图像矩阵imgk，形成红色分量R、绿色分量G、蓝色分量B和透明通道alpha构成的四维矩阵后输出为图片格式。

2.如权利要求1所述基于数据特征的图像快速合成方法，其特征在于，在步骤S6之前还包括：

S8、计算出indexR矩阵、indexG矩阵、indexB矩阵中包含的元素个数len；

在步骤S6之后还包括：

S9、计算有效数据的百分比：percent＝sta/(Nx×Ny)。

3.如权利要求1所述基于数据特征的图像快速合成方法，其特征在于，红色分量R、绿色分量G和蓝色分量B的索引号indexR、indexG及indexB的计算公式具体如下：

indexR＝(X-1)×N_y+Y

indexG＝indexR+N_x×N_y

indexB＝indexG+N_x×N_y

其中，indexR、indexG及indexB分别表示红色分量R、绿色分量G和蓝色分量B的索引号，(X,Y)为红色分量R、绿色分量G和蓝色分量B所在像素点的位置坐标，N_x、N_y为透明矩阵的行数及列数。

Images