CN113297893A - 笔画轮廓点集的提取方法 - Google Patents

Abstract

本发明公开了笔画轮廓点集的提取方法，包括以下步骤：输入只含有单一笔画的图像，对图像进行预处理；按照设定寻点逻辑对预处理后的图像中笔画的边界进行识别分析，提取笔画的外轮廓和/或内轮廓的轮廓像素点形成点集合；对点集合中的轮廓像素点进行筛选，删除点集合中的冗余像素点，保留点集合中的关键像素点。本发明采用以n×n矩阵为单位的寻点算法查找笔画的轮廓像素点，能够快速准确的提取轮廓像素点的坐标信息，筛选点集合中的轮廓像素点，保留轮廓发生形变的关键像素点。

Description

笔画轮廓点集的提取方法

技术领域

本发明涉及笔画轮廓点集的提取方法，尤其涉及采用边界轨迹跟踪算法对笔画轮廓点集进行提取的方法。

背景技术

现在很多设计软件的图形处理过程中，有各式各样的图形套索等快捷工具，可以快速提取指定图形的轮廓形状，方便设计者后期对相关区域进行二次创作的功能，但是相关工具均不涵盖轮廓像素点的坐标信息，笔画等图形的轮廓形状模糊，影响后续图形处理的效率。而且，由于没有轮廓像素点的坐标信息，无法对轮廓变化的关键像素点进行筛选，在矢量字形的笔画轮廓提取的过程中，需要记录轮廓发生变化的关键坐标点。

发明内容

为了解决现有技术不能提取轮廓像素点坐标信息的缺陷，本发明提出笔画轮廓点集的提取方法，该提取方法尤其适用于矢量笔画的轮廓点集提取，坐标信息提取准确且高效。

本发明采用的技术方案是，设计笔画轮廓点集的提取方法，包括以下步骤：

输入只含有单一笔画的图像，对图像进行预处理；

按照设定寻点逻辑对预处理后的图像中笔画的边界进行识别分析，提取笔画的外轮廓和/或内轮廓的轮廓像素点形成点集合；

对点集合中的轮廓像素点进行筛选，删除点集合中的冗余像素点，保留点集合中的关键像素点。

其中，对图像进行预处理包括：对图像的尺寸进行裁剪，对裁剪后的图像进行二值化及锐化处理。

优选的，设定寻点逻辑基于以n×n矩阵为单位的寻点算法，n∈奇数；沿寻点算法的中心点外圈顺时针移动，将当前像素点和上一个像素点进行比较，若像素值变化满足设定像素变化值，则当前像素点为轮廓像素点，记录轮廓像素点的坐标信息，并以轮廓像素点作为寻点算法的中心点寻找下一个轮廓像素点。

在优选实施例中，寻点算法以3×3矩阵为单位，寻点算法的中心点为起始序号0，每次移动的步长为1，依次记录序号1至序号8相对于序号0的横向偏移值和纵向偏移值形成对照数组；当前像素点的序号为k，k∈[1，2，3，4，5，6，7，8]，从对照数组中获取序号k对应的偏移值，将寻点算法的中心点的坐标信息与偏移值相加得到当前像素点的坐标信息。

寻找下一个轮廓像素点的寻找方式为：计算当前轮廓像素点的坐标信息和上一个轮廓像素点的坐标信息之间的偏移值，从对照数组中获取偏移值对应的序号t，按照寻点算法的步进方向依次从序号t+1开始寻找下一个轮廓像素点。

优选的，从图像的顶部至底部进行外轮廓边界捕获工作，直至捕获到外轮廓边界的像素点作为寻点算法的初始中心点，沿外轮廓的顺时针方向记录所有的外轮廓的轮廓像素点，当下一个轮廓像素点与第一个轮廓像素点重合时，笔画的外轮廓识别完成。

优选的，提取笔画的外轮廓和/或内轮廓的轮廓像素点形成点集合包括：

提取笔画的外轮廓的轮廓像素点；

判断外轮廓的轮廓像素点围成的封闭区域中是否有图像的背景色；

若是则笔画存在内轮廓，提取笔画的内轮廓的轮廓像素点。

优选的，从封闭区域的顶部至底部进行内轮廓边界捕获工作，直至捕获到内轮廓边界的像素点作为寻点算法的初始中心点，沿内轮廓的逆时针方向记录所有的内轮廓的轮廓像素点，当下一个轮廓像素点与第一个轮廓像素点重合时，笔画的内轮廓识别完成。

优选的，对点集合中的轮廓像素点进行筛选包括：位于同一直线或曲线上的首尾两个轮廓像素点为关键像素点，位于同一曲线上的曲度变化满足设定条件的轮廓像素点为关键像素点，点集合中除关键像素点之外的所有轮廓像素点均为冗余像素点。

优选的，位于同一曲线上的曲度变化满足设定条件的轮廓像素点为关键像素点包括：从曲线一端的关键像素点开始向曲线的另一端寻找下一个关键像素点，相邻两个关键像素点之间的连线满足设定夹角。

与现有技术相比，本发明具有以下有益效果：

1、采用以n×n矩阵为单位的寻点算法查找笔画的轮廓像素点，能够快速准确的提取轮廓像素点的坐标信息；

2、筛选点集合中的轮廓像素点，保留轮廓发生形变的关键像素点。

附图说明

下面结合实施例和附图对本发明进行详细说明，其中：

图1是本发明中寻点算法的执行方式示意图；

图2是本发明中寻点算法的3×3矩阵序号示意图；

图3是本发明中寻点算法的3×3矩阵相对坐标示意图；

图4是本发明中笔画的相对坐标示意图；

图5是本发明中笔画的示意图；

图6是图5中笔画轮廓筛选后的关键像素点示意图。

具体实施方式

本发明提出的提取方法适用于笔画轮廓点集提取，尤其适用于矢量笔画的轮廓点集提取，下面结合附图以及实施例对提取方法进行详细说明，提取方法包括以下步骤：

步骤1、输入只含有单一笔画的图像，对图像进行预处理，预处理包含对图像的尺寸进行裁剪，裁剪至恰好匹配笔画大小的尺寸之后，对图像进行二值化及锐化处理。

步骤2、按照设定寻点逻辑对预处理后的图像中笔画的边界进行识别分析，提取笔画的外轮廓和/或内轮廓的轮廓像素点形成点集合。

设定寻点逻辑基于以n×n矩阵为单位的寻点算法，n∈奇数；沿寻点算法的中心点外圈顺时针移动寻找轮廓像素点。在可行实施例中，从图像的顶部至底部进行外轮廓边界捕获工作，每行从左至右横向查找，直至捕获到外轮廓边界的像素点作为寻点算法的初始中心点，沿初始中心点外圈顺时针移动寻找轮廓像素点。

如图1所示，在沿着寻点算法的中心点外圈顺时针寻找轮廓像素点的过程中，将当前像素点和上一个像素点进行比较，若像素值变化满足设定像素变化值，则当前像素点为轮廓像素点，记录轮廓像素点的坐标信息，并以轮廓像素点作为寻点算法的中心点寻找下一个轮廓像素点。

需要说明的是，上一个像素点为背景色、当前像素点为笔画中的像素点时，该像素值变化满足设定像素变化值，上一个像素点为笔画中的像素点、当前像素点为背景色时，该像素值变化不满足设定像素变化值。其中，背景色可为白色，笔画中的像素点可为黑色，图1中序号表示笔画轮廓要记录的坐标点，其中浅灰色表示已经记录后的轮廓像素点，深灰色的表示要准备记录的轮廓像素点，方格中空心得到表示笔画外部的点，实心表示笔画内部的点。

如图2、3所示，在优选实施例中，为提高查找效率，寻点算法以3×3矩阵为单位，寻点算法的中心点为起始序号0，每次移动的步长为1，依次记录序号1至序号8相对于序号0的横向偏移值和纵向偏移值形成对照数组，对照数组由横向数组和纵向数组构成，分别是：

横向数组Xi依次记录横向偏移值：0，1，1，1，0，-1，-1，-1；

纵向数组Yi依次记录纵向偏移值：-1，-1，0，1，1，1，0，-1；

i=k-1，k为当前像素点的序号，k∈[1，2，3，4，5，6，7，8]。

当前像素点的坐标信息计算方式为：从对照数组中获取序号k对应的偏移值，将寻点算法的中心点的坐标信息与偏移值相加得到当前像素点的坐标信息。即当前寻点算法的中心点的坐标信息为P（m，n），当前像素点的坐标信息为Qk（m+Xi，n+Yi）。

为进一步提高查找效率，如图1至3所示，寻找下一个轮廓像素点的寻找方式为：计算上一个轮廓像素点的坐标信息和当前轮廓像素点的坐标信息之间的偏移值，从对照数组中获取偏移值对应的序号t，该序号t为以当前轮廓像素点为中心点时、上一个轮廓像素点相对于当前轮廓像素点的序号t，按照所述寻点算法的步进方向依次从序号t+1开始寻找下一个轮廓像素点，当序号超过最大步长8时，以序号对8的余数作为序号。

为便于理解，以实施例作为说明，如图4所示，当前轮廓像素点的坐标信息为C（m，n），上一个轮廓像素点的坐标信息为B（m-1，n），两个坐标信息之间的偏移值为（-1、0），从对照数据中可以确定寻找下一个轮廓像素点的起始序号t为7，结束序号为t+8，按照寻点算法查找下一个轮廓像素点：

当k=8时，从对照数组获取得到Xi=-1，Yi=-1，该像素点坐标信息为（m-1，n-1）；

当k=9时，k对8的余数为1，即k=1，从对照数组获取得到Xi=0，Yi=-1，该像素点坐标信息为（m，n-1）；

……

当k=12时，k对8的余数为4，即k=4，从对照数组获取得到Xi=1，Yi=1，该像素点坐标信息为（m+1，n-1）；

……

寻找到下一个轮廓像素点时，寻点算法的中心点移动到该轮廓像素点处继续寻找下一个轮廓像素点，沿外轮廓的顺时针方向记录所有的外轮廓的轮廓像素点，当下一个轮廓像素点与第一个轮廓像素点重合时，笔画的外轮廓识别完成。

笔画的外轮廓识别完成之后，判断外轮廓的轮廓像素点围成的封闭区域中是否有图像的背景色，若是则笔画存在内轮廓，提取笔画的内轮廓的轮廓像素点，若否则笔画轮廓识别完成。

内轮廓的寻点方式与外轮廓相同，初始中心点的捕获略有区别，从封闭区域的顶部至底部进行内轮廓边界捕获工作，直至捕获到内轮廓边界的像素点作为寻点算法的初始中心点，沿内轮廓的逆时针方向记录所有的内轮廓的轮廓像素点，当下一个轮廓像素点与第一个轮廓像素点重合时，笔画的内轮廓识别完成。

步骤3、对点集合中的轮廓像素点进行筛选，删除点集合中的冗余像素点，保留点集合中的关键像素点。

如图5、6所示，位于同一直线或曲线上的首尾两个轮廓像素点为关键像素点，位于同一曲线上的曲度变化满足设定条件的轮廓像素点为关键像素点，在一可行实施例中，曲线的关键像素点筛选方式为：从曲线一端的关键像素点开始向曲线的另一端寻找下一个关键像素点，相邻两个关键像素点之间的连线满足设定夹角，点集合中除关键像素点之外的所有轮廓像素点均为冗余像素点。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.笔画轮廓点集的提取方法，其特征在于，包括以下步骤：

输入只含有单一笔画的图像，对图像进行预处理；

按照设定寻点逻辑对预处理后的图像中笔画的边界进行识别分析，提取所述笔画的外轮廓和/或内轮廓的轮廓像素点形成点集合；

对所述点集合中的轮廓像素点进行筛选，删除所述点集合中的冗余像素点，保留所述点集合中的关键像素点。

2.根据权利要求1所述的提取方法，其特征在于，所述对图像进行预处理包括：对所述图像的尺寸进行裁剪，对裁剪后的图像进行二值化及锐化处理。

3.根据权利要求1所述的提取方法，其特征在于，所述设定寻点逻辑基于以n×n矩阵为单位的寻点算法，n∈奇数；沿所述寻点算法的中心点外圈顺时针移动，将当前像素点和上一个像素点进行比较，若像素值变化满足设定像素变化值，则当前像素点为轮廓像素点，记录所述轮廓像素点的坐标信息，并以所述轮廓像素点作为所述寻点算法的中心点寻找下一个轮廓像素点。

4.根据权利要求3所述的提取方法，其特征在于，所述寻点算法以3×3矩阵为单位，所述寻点算法的中心点为起始序号0，每次移动的步长为1，依次记录序号1至序号8相对于序号0的横向偏移值和纵向偏移值形成对照数组；当前像素点的序号为k，k∈[1，2，3，4，5，6，7，8]，从所述对照数组中获取所述序号k对应的偏移值，将所述寻点算法的中心点的坐标信息与偏移值相加得到当前像素点的坐标信息。

5.根据权利要求4所述的提取方法，其特征在于，寻找下一个轮廓像素点的寻找方式为：计算上一个轮廓像素点的坐标信息和当前轮廓像素点的坐标信息之间的偏移值，从所述对照数组中获取所述偏移值对应的序号t，按照所述寻点算法的步进方向依次从序号t+1开始寻找下一个轮廓像素点。

6.根据权利要求3所述的提取方法，其特征在于，从所述图像的顶部至底部进行外轮廓边界捕获工作，直至捕获到外轮廓边界的像素点作为所述寻点算法的初始中心点，沿所述外轮廓的顺时针方向记录所有的外轮廓的轮廓像素点，当下一个轮廓像素点与第一个轮廓像素点重合时，所述笔画的外轮廓识别完成。

7.根据权利要求1至6任一项所述的提取方法，其特征在于，提取所述笔画的外轮廓和/或内轮廓的轮廓像素点形成点集合包括：

提取所述笔画的外轮廓的轮廓像素点；

判断所述外轮廓的轮廓像素点围成的封闭区域中是否有所述图像的背景色；

若是则所述笔画存在内轮廓，提取所述笔画的内轮廓的轮廓像素点。

8.根据权利要求7所述的提取方法，其特征在于，从所述封闭区域的顶部至底部进行内轮廓边界捕获工作，直至捕获到内轮廓边界的像素点作为所述寻点算法的初始中心点，沿所述内轮廓的逆时针方向记录所有的内轮廓的轮廓像素点，当所述下一个轮廓像素点与第一个轮廓像素点重合时，所述笔画的内轮廓识别完成。

9.根据权利要求1至6任一项所述的提取方法，其特征在于，对所述点集合中的轮廓像素点进行筛选包括：位于同一直线或曲线上的首尾两个轮廓像素点为关键像素点，位于同一曲线上的曲度变化满足设定条件的轮廓像素点为关键像素点，所述点集合中除所述关键像素点之外的所有轮廓像素点均为冗余像素点。

10.根据权利要求9所述的提取方法，其特征在于，位于同一曲线上的曲度变化满足设定条件的轮廓像素点为关键像素点包括：从所述曲线一端的关键像素点开始向所述曲线的另一端寻找下一个关键像素点，相邻两个关键像素点之间的连线满足设定夹角。

Images