CN112561844A - 一种融合纹理结构的数码迷彩图案自动生成方法 - Google Patents
一种融合纹理结构的数码迷彩图案自动生成方法 Download PDFInfo
- Publication number
- CN112561844A CN112561844A CN202011443610.0A CN202011443610A CN112561844A CN 112561844 A CN112561844 A CN 112561844A CN 202011443610 A CN202011443610 A CN 202011443610A CN 112561844 A CN112561844 A CN 112561844A
- Authority
- CN
- China
- Prior art keywords
- color
- polygon
- colors
- image
- foreground
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 239000003086 colorant Substances 0.000 claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000012805 post-processing Methods 0.000 claims abstract description 9
- 238000004043 dyeing Methods 0.000 claims abstract description 7
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000004075 alteration Effects 0.000 claims description 3
- KVFIJIWMDBAGDP-UHFFFAOYSA-N ethylpyrazine Chemical compound CCC1=CN=CC=N1 KVFIJIWMDBAGDP-UHFFFAOYSA-N 0.000 claims description 3
- 239000000975 dye Substances 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000002910 structure generation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Image Generation (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种融合纹理结构的数码迷彩图案自动生成方法,选定伪装环境的图像中任意矩形区域作为源图像,进行背景生成与前景生成处理;背景生成:根据采集的颜色字典,对源图像中颜色进行聚类,与标准色比对,产生候选主色;根据用户设置的多边形周长、分裂深度、染色搜索深度参数进行区域分裂和颜色填充,得到反映源图像颜色和纹理信息的背景图案;前景生成:构建网格点,根据用户设置的色差、面积阈值参数对源图像进行区域生长,与字典进行匹配,得到反映结构的前景图案;将前景图案与背景图案融合与后处理得到最终的数码迷彩图案。本发明考虑了自然图像的结构轮廓,兼顾了颜色和纹理,利用现行的标准色进行染色,兼具随机性、可控性和实用性。
Description
技术领域
本发明属于图形图像处理技术领域,更具体的说是涉及一种融合纹理结构的数码迷彩图案自动生成方法。
背景技术
传统迷彩设计方法需要对待伪装环境进行人工比色,在颜色库中选出候选色,再人工绘制斑块并上色,存在很大的主观性,且效率低,无法适应环境的变化。现代方法根据自然环境图像生成数码迷彩图案,具有很强的灵活性和实时性,主要步骤包括主色提取、斑块绘制和颜色渲染。但现有方法仍存在一些不足,体现在:(1)大多数方法只注重保留图像的色彩特征,虽然少数方法提取了图像的纹理信息,但忽略了背景的结构信息,在伪装时必然会造成一定程度的断层;(2)斑块生成上,各方法过于人工化,虽然能够带来主观视觉的良好体验,但随机性不足,不能体现出现实背景的动态特性;(3)几乎所有的方法仅根据提取的颜色进行渲染,忽略了生产中仅有数量有限的标准色供使用。
因此,如何提供一种融合纹理结构的数码迷彩图案自动生成方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种融合纹理结构的数码迷彩图案自动生成方法,既考虑了自然图像的结构轮廓,又兼顾了颜色和纹理,兼具随机性和可控性,利用现行的标准色进行染色,为实际使用提供了灵活高效的解决方案。
为了实现上述目的,本发明采用如下技术方案:
一种融合纹理结构的数码迷彩图案自动生成方法,选定伪装环境的图像中任意矩形区域作为源图像,输入两分支的处理网络,分别进行背景生成与前景生成处理;
背景生成:根据采集好的颜色字典,对源图像中的颜色进行聚类,并与标准色比对,产生候选主色;再根据用户设置的多边形周长、分裂深度、染色搜索深度参数进行区域分裂和颜色填充,得到反映源图像颜色和纹理信息的背景图案;
前景生成:构建网格点,根据用户设置的色差、面积阈值参数对源图像进行区域生长,再与字典进行匹配,得到成片反映结构的前景图案;
将前景图案与背景图案融合与后处理得到最终的数码迷彩图案。
优选的,背景生成的方法包括如下步骤:
(1)主色选取:采用Kmeans聚类算法对图像区域提取颜色中心,再在字典中检索最相近颜色,作为候选主色;
(2)区域分裂:将图像区域看作多边形,多边形由顶点依次组成,对多边形随机分裂并递归可将整个区域分割为数量可控的斑块;
(3)颜色填充:采用启发式搜索策略,根据步骤(1)中选择好的颜色在步骤(2)中随机填充,并尽可能使相邻区域颜色不同;启发式搜索策略为:首先得到每个多边形的邻域,再遍历每个多边形,搜索其邻域,对邻域的邻域颜色进行检索排序,确定下一个递归位置。
优选的,主色选取的方法包括如下步骤:
②将源图像由RGB空间转换到LAB空间,取出源图像中每个像素的L、A、B值形成样本集{(lj,aj,bj)}j,其中j为图像像素序号,lj、aj、bj分别为第j个像素的L、A、B数值;
优选的,区域分裂的方法包括如下步骤:
①初始化:由源图像四个顶点(x,y)组成的数组P,分裂深度d,最小多边形周长cmin,由多边形组成的数组Ps置空,其中,x为顶点的横坐标,y为顶点的纵坐标;随后步骤②~步骤④步记为split(P,d);
②若当前P的周长小于cmin,或d=0,则将P加入Ps;
③若否,计算P的各边长,选择最长的2条,分别在其上取一点;
④新的两点与旧点分别组成2个新的多边形Pa和Pb,d=d-1;
⑤分别计算split(Pa,d)和split(Pb,d),直到停止递归;
⑥最后随机置乱Ps中的多边形元素。
优选的,颜色填充的方法包括如下步骤:
②遍历Ps中所有多边形,每个的颜色设为其序号;
③遍历每个多边形,通过选择多边形以外的点的颜色,得到每个多边形的邻域索引;
④为每个多边形分配颜色;
优选的,遍历每个多边形,通过选择多边形以外的点的颜色,得到每个多边形的邻域索引,具体方法为:
Ⅰ、从多边形第1个顶点开始,设当前顶点为v1,其后一个顶点为v2,前一个为v3,x、y方向偏移量xoff、yoff均初始化为0;
Ⅱ、判断:
若v2.x<v1.x,xoff+=1;
若v3.y>v1.y,yoff-=1;
若v3.x>v1.x,xoff-=1;
若v2.y>v1.y,yoff-=1;
若v2.x>v1.x,xoff-=1;
若v3.y<v1.y,yoff+=1;
若v3.x<v1.x,xoff+=1;
若v2.y<v1.y,yoff+=1;
Ⅲ、以(v1.x+xoff,v1.y+yoff)为坐标点,若在图像范围内,则取出该点像素值,放入该多边形邻域序列中;
Ⅳ、转向下个顶点,回到步骤Ⅰ,直到遍历所有顶点。
优选的,为每个多边形分配颜色,具体方法为:
1)、在候选颜色中随机取出1种分配给当前多边形的颜色索引;
2)、若b>0,遍历该多边形所有邻域,若邻域未分配颜色,则作为1个candidate,再搜索candidate的邻域颜色是否与该多边形颜色一致,并记录一致的个数;选择个数最多的candidate,b=b-1,以它为新的多边形递归,直到结束;
3)、转向下一个多边形,回到步骤1),直到遍历所有多边形。
优选的,前景生成的方法包括如下步骤:
(2)由源图像、网格点i、Tc和Tr生长得到区域标记M;
(3)以M为1位置的平均颜色在候选颜色中检索最相近的,并用来对这些位置染色,结果为Itemp,更新
Mold+=M-M*Mold
IF+=Itemp
i+=1
(4)回到步骤(2)直到遍历完所有网格点。
优选的,由源图像、网格点i、Tc和Tr生长得到区域标记M,具体方法为:
①初始化:种子seed为网格点i坐标、Tc和Tr、种子队列seedlist=[seed],M=[0]W×H;
②当seedlist为空,则退出,返回M,否则向下执行;
③seedlist第0个元素sd出列;
④取出sd的相邻像素p,若p未出图像边界,则计算sd与p像素的色差D,若
D<Tc且M[p]==0
则M[p]=1,将p进入seedlist尾部;如此反复直至遍历完所有相邻像素;
⑤若M为1的个数与像素总数比值大于Tr,则退出,返回M,否则回到步骤②。
优选的,将前景图案与背景图案融合与后处理的方法为:
前景处理结束后,背景标记为
B=[1]W×H-IF,其中[1]W×H为宽高分别为W和H的全1图像,IF为已生成的前景图像。
最后的结果为前、背景各自标记下之和
Ic=IB*B+IF*Mold,其中IB为已生成的背景图像,B为背景标记,Mold为最终的前景标记。
对Ic进行斑点化和像素化处理,得最终的数码迷彩图案。
本发明的有益效果在于:
本发明将源图像分别进行背景生成与前景生成处理;将前景图案与背景图案融合与后处理得到最终的数码迷彩图案,既考虑了自然图像的结构轮廓,又兼顾了颜色和纹理,兼具随机性和可控性,利用现行的标准色进行染色,为实际使用提供了灵活高效的解决方案。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明方法的总体框图。
图2为本发明由源图像生成迷彩结果图
图3附图为伪装实验的全景图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明针对目前主要生成方法只重视颜色的提取和混合,而忽略了图像结构,且迷彩斑块的形状过于人工化,缺乏随机性的问题,提出了一种融合源图像纹理和结构的迷彩自动生成方法。分为背景纹理生成和前景结构生成两步。背景纹理生成中,首先在LAB空间中用K均值算法提取图像的主色,在给定的颜色库匹配到色差最近的颜色,再根据用户设置的参数随机生成斑块多边形,而后提出了染色算法进行颜色填充,得到反映源图像颜色信息的背景纹理。前景结构生成中,根据设置的色差和面积阈值,提出网格点区域生长算法,得到一系列区域,再由颜色库中检索得到的颜色逐次填充,得到反映源图像结构信息的前景斑块,前景背景融合成迷彩图像。
请参阅附图1,本发明提供了一种融合纹理结构的数码迷彩图案自动生成方法,选定伪装环境的图像中任意矩形区域作为源图像,输入两分支的处理网络,分别进行背景生成与前景生成处理;背景生成:根据采集好的颜色字典,对源图像中的颜色进行聚类,并与标准色比对,产生候选主色;再根据用户设置的多边形周长、分裂深度、染色搜索深度等参数进行区域分裂和颜色填充,得到反映源图像颜色和纹理信息的背景图案;前景生成:构建网格点,根据用户设置的色差、面积阈值参数对源图像进行区域生长,再与字典进行匹配,得到成片反映结构的前景图案;将前景图案与背景图案融合与后处理得到最终的数码迷彩图案,可用于源图像区域的遮挡伪装。
人类视觉对颜色信息比较敏感,颜色的选取必须符合被伪装区域的色彩分布。另外为了体现自然环境杂乱无章的特点,需要根据一定的规则将一整块区域随机地划分为若干块,用候选颜色随机填充,并尽可能地保证相邻块颜色不同。因此,背景生成的方法包括如下步骤:
(1)主色选取:采用Kmeans聚类算法对图像区域提取颜色中心,再在字典中检索最相近颜色,作为候选主色;
主色选取的方法包括如下步骤:
②将源图像由RGB空间转换到LAB空间,取出源图像中每个像素的L、A、B值形成样本集{(lj,aj,bj)}j,其中j为图像像素序号,lj、aj、bj分别为第j个像素的L、A、B数值;
(2)区域分裂:将图像区域看作多边形,多边形由顶点依次组成,对多边形随机分裂并递归可将整个区域分割为数量可控的斑块;
区域分裂的方法包括如下步骤:
①初始化:由源图像四个顶点(x,y)组成的数组P,分裂深度d,最小多边形周长cmin,由多边形组成的数组Ps置空,其中,x为顶点的横坐标,y为顶点的纵坐标;随后步骤②~步骤④步记为split(P,d);
②若当前P的周长小于cmin,或d=0,则将P加入Ps;
③若否,计算P的各边长,选择最长的2条,分别在其上取一点;
④新的两点与旧点分别组成2个新的多边形Pa和Pb,d=d-1;
⑤分别计算split(Pa,d)和split(Pb,d),直到停止递归;
⑥最后随机置乱Ps中的多边形元素。
(3)颜色填充:采用启发式搜索策略,根据步骤(1)中选择好的颜色在步骤(2)中随机填充,并尽可能使相邻区域颜色不同;启发式搜索策略为:首先得到每个多边形的邻域,再遍历每个多边形,搜索其邻域,对邻域的邻域颜色进行检索排序,确定下一个递归位置。这样可在复杂度较小时,最大限度保证成片同色区域被打乱。
颜色填充的方法包括如下步骤:
②遍历Ps中所有多边形,每个的颜色设为其序号;
③遍历每个多边形,通过选择多边形以外的点的颜色,得到每个多边形的邻域索引;具体方法为:
Ⅰ、从多边形第1个顶点开始,设当前顶点为v1,其后一个顶点为v2,前一个为v3,x、y方向偏移量xoff、yoff均初始化为0;
Ⅱ、判断:
若v2.x<v1.x(横坐标),xoff+=1;
若v3.y>v1.y(纵坐标),yoff-=1;
若v3.x>v1.x,xoff-=1;
若v2.y>v1.y,yoff-=1;
若v2.x>v1.x,xoff-=1;
若v3.y<v1.y,yoff+=1;
若v3.x<v1.x,xoff+=1;
若v2.y<v1.y,yoff+=1;
Ⅲ、以(v1.x+xoff,v1.y+yoff)为坐标点,若在图像范围内,则取出该点像素值(索引),放入该多边形邻域序列中;
Ⅳ、转向下个顶点,回到步骤Ⅰ,直到遍历所有顶点。
④为每个多边形分配颜色;具体方法为:
1)、在候选颜色中随机取出1种分配给当前多边形的颜色索引;
2)、若b>0,遍历该多边形所有邻域,若邻域未分配颜色,则作为1个candidate,再搜索candidate的邻域颜色是否与该多边形颜色一致,并记录一致的个数;选择个数最多的candidate,b=b-1,以它为新的多边形递归,直到结束;
3)、转向下一个多边形,回到步骤1),直到遍历所有多边形。
背景生成方法可以提供随机性很强的斑块和混合颜色,可在纹理细节上接近被伪装的环境,然而如何从尺度结构上模拟环境的真实性却鲜有研究。本发明提出的前景生成方法建立在区域相似性假设基础上,利用均匀分布的网格点作为种子,逐个生长及合并,再与颜色库中进行匹配和填充。前景生成的方法包括如下步骤:
(2)由源图像、网格点i、Tc和Tr生长得到区域标记M;具体方法为:
①初始化:种子seed为网格点i坐标、Tc和Tr、种子队列seedlist=[seed],M=[0]W×H;
②当seedlist为空,则退出,返回M,否则向下执行;
③seedlist第0个元素sd出列;
④取出sd的相邻像素p,若p未出图像边界,则计算sd与p像素的色差(LAB欧氏距离)D,若
D<Tc且M[p]==0
则M[p]=1,将p进入seedlist尾部;如此反复直至遍历完所有相邻像素;
⑤若M为1的个数与像素总数比值大于Tr,则退出,返回M,否则回到步骤②。
(3)以M为1位置的平均颜色在候选颜色中检索最相近的,并用来对这些位置染色,结果为Itemp,更新
Mold+=M-M*Mold
IF+=Itemp
i+=1
(4)回到步骤(2)直到遍历完所有网格点。
将前景图案与背景图案融合与后处理的方法为:
前景处理结束后,背景标记为
B=[1]W×H-IF,其中[1]W×H为宽高分别为W和H的全1图像,IF为已生成的前景图像。
最后的结果为前、背景各自标记下之和
Ic=IB*B+IF*Mold,其中IB为已生成的背景图像,B为背景标记,Mold为最终的前景标记。
对Ic进行斑点化和像素化处理,得最终的数码迷彩图案。
本发明将源图像分别进行背景生成与前景生成处理;将前景图案与背景图案融合与后处理得到最终的数码迷彩图案,既考虑了自然图像的结构轮廓,又兼顾了颜色和纹理,兼具随机性和可控性,利用现行的标准色进行染色,为实际使用提供了灵活高效的解决方案。
实施例
用航拍图像的切片作为源图像,进入两分支的处理网络。
1、背景生成
(1)采用Kmeans聚类算法对伪装区域提取颜色中心,再在字典中检索最相近颜色,作为候选主色。
(2)将图像区域看作多边形,多边形由顶点依次组成,对多边形随机分裂并递归,将整个区域分割为数量可控的斑块。
(3)根据(1)中选择好的颜色在(2)中随机填充,首先得到每个多边形的邻域,再遍历每个多边形,搜索其邻域,对邻域的邻域颜色进行检索排序,确定下一个递归位置。
2、前景生成
利用均匀分布的网格点作为种子,逐个生长及合并,再与颜色库中进行匹配和填充。
3、融合与后处理
最后的结果为前、背景各自标记下之和,再进行斑点化和像素化处理,得到最终的数码迷彩图案。
得到的效果如图2所示,可见,本发明的背景生成算法模块提取了源图像的颜色信息,并用随机性的斑块纹理模拟了现实中的一些细节,前景生成算法则反映了源图像的大块同色区域,使得最终结果与源图像具有相似性。
应用例:
为了进一步表明本方法的伪装效果,将该方法嵌于软件中。首先选定一幅全景图像,让用户在系统中抠取一块矩形区域作为源图像,经过实施例1的处理后,再回填到全景图像中,效果图3所示,图3中左侧纵列为全景图(抠取区域为红框所示),中间纵列为源图像及迷彩图案,右侧纵列为回填效果图。可见,本发明方法所产生的迷彩图案比较契合所伪装背景的颜色和纹理,取得了较好的视觉效果。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种融合纹理结构的数码迷彩图案自动生成方法,其特征在于,选定伪装环境的图像中任意矩形区域作为源图像,输入两分支的处理网络,分别进行背景生成与前景生成处理;
背景生成:根据采集好的颜色字典,对源图像中的颜色进行聚类,并与标准色比对,产生候选主色;再根据用户设置的多边形周长、分裂深度、染色搜索深度参数进行区域分裂和颜色填充,得到反映源图像颜色和纹理信息的背景图案;
前景生成:构建网格点,根据用户设置的色差、面积阈值参数对源图像进行区域生长,再与字典进行匹配,得到反映结构的前景图案;
将前景图案与背景图案融合与后处理得到最终的数码迷彩图案。
2.根据权利要求1所述的一种融合纹理结构的数码迷彩图案自动生成方法,其特征在于,背景生成的方法包括如下步骤:
(1)主色选取:采用Kmeans聚类算法对图像区域提取颜色中心,再在字典中检索最相近颜色,作为候选主色;
(2)区域分裂:将图像区域看作多边形,多边形由顶点依次组成,对多边形随机分裂并递归可将整个区域分割为数量可控的斑块;
(3)颜色填充:采用启发式搜索策略,根据步骤(1)中选择好的颜色在步骤(2)中随机填充,并尽可能使相邻区域颜色不同;启发式搜索策略为:首先得到每个多边形的邻域,再遍历每个多边形,搜索其邻域,对邻域的邻域颜色进行检索排序,确定下一个递归位置。
3.根据权利要求2所述的一种融合纹理结构的数码迷彩图案自动生成方法,其特征在于,主色选取的方法包括如下步骤:
②将源图像由RGB空间转换到LAB空间,取出源图像中每个像素的L、A、B值形成样本集{(lj,aj,bj)}j,其中j为图像像素序号,lj、aj、bj分别为第j个像素的L、A、B数值;
4.根据权利要求3所述的一种融合纹理结构的数码迷彩图案自动生成方法,其特征在于,区域分裂的方法包括如下步骤:
①初始化:由源图像四个顶点(x,y)组成的数组P,分裂深度d,最小多边形周长cmin,由多边形组成的数组Ps置空,其中,x为顶点的横坐标,y为顶点的纵坐标;随后步骤②~步骤④步记为split(P,d);
②若当前P的周长小于cmin,或d=0,则将P加入Ps;
③若否,计算P的各边长,选择最长的2条,分别在其上取一点;
④新的两点与旧点分别组成2个新的多边形Pa和Pb,d=d-1;
⑤分别计算split(Pa,d)和split(Pb,d),直到停止递归;
⑥最后随机置乱Ps中的多边形元素。
6.根据权利要求5所述的一种融合纹理结构的数码迷彩图案自动生成方法,其特征在于,遍历每个多边形,通过选择多边形以外的点的颜色,得到每个多边形的邻域索引,具体方法为:
Ⅰ、从多边形第1个顶点开始,设当前顶点为v1,其后一个顶点为v2,前一个为v3,x、y方向偏移量xoff、yoff均初始化为0;
Ⅱ、判断:
若v2.x<v1.x,xoff+=1;
若v3.y>v1.y,yoff-=1;
若v3.x>v1.x,xoff-=1;
若v2.y>v1.y,yoff-=1;
若v2.x>v1.x,xoff-=1;
若v3.y<v1.y,yoff+=1;
若v3.x<v1.x,xoff+=1;
若v2.y<v1.y,yoff+=1;
Ⅲ、以(v1.x+xoff,v1.y+yoff)为坐标点,若在图像范围内,则取出该点像素值,放入该多边形邻域序列中;
Ⅳ、转向下个顶点,回到步骤Ⅰ,直到遍历所有顶点。
7.根据权利要求5所述的一种融合纹理结构的数码迷彩图案自动生成方法,其特征在于,为每个多边形分配颜色,具体方法为:
1)、在候选颜色中随机取出1种分配给当前多边形的颜色索引;
2)、若b>0,遍历该多边形所有邻域,若邻域未分配颜色,则作为1个candidate,再搜索candidate的邻域颜色是否与该多边形颜色一致,并记录一致的个数;选择个数最多的candidate,b=b-1,以它为新的多边形递归,直到结束;
3)、转向下一个多边形,回到步骤1),直到遍历所有多边形。
9.根据权利要求8所述的一种融合纹理结构的数码迷彩图案自动生成方法,其特征在于,由源图像、网格点i、Tc和Tr生长得到区域标记M,具体方法为:
①初始化:种子seed为网格点i坐标、Tc和Tr、种子队列seedlist=[seed],M=[0]W×H;
②当seedlist为空,则退出,返回M,否则向下执行;
③seedlist第0个元素sd出列;
④取出sd的相邻像素p,若p未出图像边界,则计算sd与p像素的色差D,若
D<Tc且M[p]==0
则M[p]=1,将p进入seedlist尾部;如此反复直至遍历完所有相邻像素;
⑤若M为1的个数与像素总数比值大于Tr,则退出,返回M,否则回到步骤②。
10.根据权利要求9所述的一种融合纹理结构的数码迷彩图案自动生成方法,其特征在于,将前景图案与背景图案融合与后处理的方法为:
前景处理结束后,背景标记为B=[1]W×H-IF,其中[1]W×H为宽高分别为W和H的全1图像,IF为已生成的前景图像。
最后的结果为前、背景各自标记下之和
Ic=IB*B+IF*Mold,其中IB为已生成的背景图像,B为背景标记,Mold为最终的前景标记。
对Ic进行斑点化和像素化处理,得最终的数码迷彩图案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011443610.0A CN112561844B (zh) | 2020-12-08 | 2020-12-08 | 一种融合纹理结构的数码迷彩图案自动生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011443610.0A CN112561844B (zh) | 2020-12-08 | 2020-12-08 | 一种融合纹理结构的数码迷彩图案自动生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112561844A true CN112561844A (zh) | 2021-03-26 |
CN112561844B CN112561844B (zh) | 2023-05-02 |
Family
ID=75060956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011443610.0A Active CN112561844B (zh) | 2020-12-08 | 2020-12-08 | 一种融合纹理结构的数码迷彩图案自动生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112561844B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113407289A (zh) * | 2021-07-13 | 2021-09-17 | 上海米哈游璃月科技有限公司 | 壁纸切换方法、壁纸生成方法、装置及存储介质 |
CN117058275A (zh) * | 2023-10-12 | 2023-11-14 | 深圳兔展智能科技有限公司 | 商品宣传图生成方法、装置、计算机设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080170787A1 (en) * | 2007-01-12 | 2008-07-17 | Arcsoft, Inc. | Method for image separating |
US20090067709A1 (en) * | 2007-09-07 | 2009-03-12 | Ari David Gross | Perceptually lossless color compression |
CN104966320A (zh) * | 2015-07-21 | 2015-10-07 | 北京工业大学 | 一种基于三阶Bezier曲线的伪装迷彩自动生成方法 |
CN111798539A (zh) * | 2020-01-10 | 2020-10-20 | 中国人民解放军国防科技大学 | 自适应迷彩伪装在线设计方法及系统 |
-
2020
- 2020-12-08 CN CN202011443610.0A patent/CN112561844B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080170787A1 (en) * | 2007-01-12 | 2008-07-17 | Arcsoft, Inc. | Method for image separating |
US20090067709A1 (en) * | 2007-09-07 | 2009-03-12 | Ari David Gross | Perceptually lossless color compression |
CN104966320A (zh) * | 2015-07-21 | 2015-10-07 | 北京工业大学 | 一种基于三阶Bezier曲线的伪装迷彩自动生成方法 |
CN111798539A (zh) * | 2020-01-10 | 2020-10-20 | 中国人民解放军国防科技大学 | 自适应迷彩伪装在线设计方法及系统 |
Non-Patent Citations (2)
Title |
---|
MINLING HUANG: "Passive ground camouflage target recognition based on gray feature and texture feature in SAR images" * |
张勇;吴文健;刘志明;: "基于改进K均值聚类分析的迷彩伪装色选取" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113407289A (zh) * | 2021-07-13 | 2021-09-17 | 上海米哈游璃月科技有限公司 | 壁纸切换方法、壁纸生成方法、装置及存储介质 |
CN117058275A (zh) * | 2023-10-12 | 2023-11-14 | 深圳兔展智能科技有限公司 | 商品宣传图生成方法、装置、计算机设备及存储介质 |
CN117058275B (zh) * | 2023-10-12 | 2024-04-12 | 深圳兔展智能科技有限公司 | 商品宣传图生成方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112561844B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Remez et al. | Learning to segment via cut-and-paste | |
CN106296786B (zh) | 游戏场景可见区域的确定方法及装置 | |
CN109255831A (zh) | 基于多任务学习的单视图人脸三维重建及纹理生成的方法 | |
CN104851113B (zh) | 多分辨率遥感影像的城市植被自动提取方法 | |
CN104376529B (zh) | 一种基于glcm的灰度图像彩色化系统和方法 | |
US20090210205A1 (en) | Geospatial modeling system providing simulated tree trunks and branches for groups of tree crown vegetation points and related methods | |
CN109903257A (zh) | 一种基于图像语义分割的虚拟头发染色方法 | |
CN108961390A (zh) | 基于深度图的实时三维重建方法 | |
CN112561844A (zh) | 一种融合纹理结构的数码迷彩图案自动生成方法 | |
CN110222722A (zh) | 交互式图像风格化处理方法、系统、计算设备及存储介质 | |
CN108682017A (zh) | 基于Node2Vec算法的超像素图像边缘检测方法 | |
CN101739721B (zh) | 基于时变和无序多图像的四维场景建模方法 | |
CN109829868B (zh) | 一种轻量级深度学习模型图像去雾方法、电子设备及介质 | |
CN101251932A (zh) | 基于物理的植物叶子模拟方法 | |
CN106855996A (zh) | 一种基于卷积神经网络的灰阶图像着色方法及其装置 | |
CN115661404A (zh) | 一种多细粒度树木实景参数化建模方法 | |
Liu et al. | Generating classic mosaics with graph cuts | |
CN108388901A (zh) | 基于空间-语义通道的协同显著目标检测方法 | |
CN113838158B (zh) | 一种图像和视频的重构方法、装置、终端设备及存储介质 | |
CN107492082A (zh) | 一种利用边缘统计特征的mrf样本块图像修复方法 | |
He | Application of local color simulation method of landscape painting based on deep learning generative adversarial networks | |
CN108062758A (zh) | 一种基于图像分割算法的人群生成仿真方法及系统 | |
RU2710659C1 (ru) | Совместная неконтролируемая сегментация объектов и подрисовка | |
CN104091318B (zh) | 一种中国手语视频过渡帧的合成方法 | |
CN111415299A (zh) | 一种高分辨率图像风格迁移方法 |
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 |