CN117333373A - 一种曲线多边形图像缩放方法、系统及电子设备 - Google Patents
一种曲线多边形图像缩放方法、系统及电子设备 Download PDFInfo
- Publication number
- CN117333373A CN117333373A CN202311628131.XA CN202311628131A CN117333373A CN 117333373 A CN117333373 A CN 117333373A CN 202311628131 A CN202311628131 A CN 202311628131A CN 117333373 A CN117333373 A CN 117333373A
- Authority
- CN
- China
- Prior art keywords
- image
- edge
- value
- gray level
- gray
- 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 68
- 238000009499 grossing Methods 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 42
- 230000008859 change Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 14
- 230000008569 process Effects 0.000 description 16
- 238000003860 storage Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000006880 cross-coupling reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000001459 lithography Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
Abstract
本发明提供一种曲线多边形图像缩放方法、系统及电子设备,方法包括:在曲线多边形图像边缘各点放置偏导数,得到矢量梯度场;对梯度场进行积分,得到辅助灰度图像;对图像边缘进行分段;基于图像缩放参数和矢量梯度场在辅助灰度图像上对边缘各段处的灰度值进行调制,采用平滑函数调制其附近的灰度值,得到更新的辅助灰度图像;采用截断阈值对更新图像进行截取,提取多边形轮廓,若当前提取的多边形轮廓与原始曲线多边形图像边缘各处的边缘位置距离和图像缩放参数的差值小于阈值,则将其作为对曲线多边形图像缩放后的图像;否则迭代调制,直至差值均小于阈值。本发明通过构造和优化辅助图像,对多边形图像实现缩放,计算效率高且避免了图像畸变。
Description
技术领域
本发明属于图像处理领域,更具体地,涉及一种曲线多边形图像缩放方法、系统及电子设备。
背景技术
在计算机图像处理和计算机图形学中,多边形的缩放是一种常见的操作需求,应用广泛。目前的主流处理方式有两种,一是通过几何操作对多边形的边缘段移动、伸长或缩短,之后通过交点将其重新封闭成多边形实现,这种操作中,对每一个边缘段的移动都需要确定操作类型和方向,同时考虑是否与周围其他边缘交互,容易遇到边缘段交叉或耦合造成图像畸变的问题;另一种是通过图形学的膨胀和腐蚀等操作对图像进行放大或缩小,这种操作往往需要多次遍历原始图像的所有像素点,用结构元素图滑动遍历原始图像所有像素点,通过交、并、补等几何操作,得到膨胀或腐蚀的结果图像,这会耗费大量的运行时间和计算内存。上述两种几何操作的图像缩放方法,在应用于计算光刻等方面时受到较大限制。
发明内容
针对现有技术的缺陷,本发明的目的在于提供一种曲线多边形图像缩放方法、系统及电子设备,旨在解决现有图像缩放方法会引入图像畸变或者会耗费大量运行时间和计算内存的问题。
为实现上述目的,第一方面,本发明提供了一种曲线多边形图像缩放方法,包括以下步骤:
S11,在曲线多边形边缘各点放置偏导数,得到矢量梯度场;
S12,对所述矢量梯度场进行积分,将积分值作为灰度值,得到辅助灰度图像;
S13,对所述曲线多边形边缘进行分段,确定边缘各段的位置;
S14,基于预设的图像缩放参数和求得的矢量梯度场在所述辅助灰度图像上对所述边缘各段处的灰度值进行调制,且采用平滑函数调制其附近的灰度值,使得调制区域内的灰度值连续变化,得到更新的辅助灰度图像;
S15,采用截断阈值对更新的辅助灰度图像进行截取,提取一个多边形轮廓,若当前提取的多边形轮廓与原始曲线多边形图像边缘各处的边缘位置距离与所述图像缩放参数的差值小于阈值,则将其作为按照所述图像缩放参数对曲线多边形图像缩放后的图像;否则在更新的辅助灰度图像上对所述差值不小于阈值的各点的灰度值和其附近的灰度值迭代调制,直至最终提取的多边形轮廓上各点的所述差值均小于阈值。
需要说明的是,本发明借鉴水平集的思想,先确定曲线多边形边缘各点的矢量梯度场,之后对其进行积分,将图像各个点的积分值作为灰度值,将二维图像转化为三维的辅助灰度图像。之后通过在辅助灰度图像上调制灰度值,再通过阈值截取的方式获得缩放后的曲线多边形的轮廓,实现对曲线多边形的缩放。
可见,本发明提供的方法不依赖图形学的几何操作,不受到像素大小及结构元素的限制,且计算效率可以得到有效提高,同时可以降低计算内存消耗,同时上述方法可以避免几何操作带来的交叉耦合等复杂情况,可以保证缩放的准确性。
可以理解的是,本发明中提到的曲线多边形图像指的是边缘为曲线的多边形。因此,本发明中所提到的图像也可称为图形。
具体地,本发明中的矢量梯度场的正负方向可以指向曲线多边形图像的内外做区分。
在一个可选的示例中,在更新的辅助灰度图像上对所述差值不小于阈值的各点的灰度值和其附近的灰度值迭代调制,具体为:
S151,在当前提取的多边形轮廓中所述差值不小于阈值的各点处放置偏导数,得到矢量梯度场;
S152,基于步骤S151得到的矢量梯度场、各点对应的所述边缘位置距离以及所述图像缩放参数,在更新的辅助灰度图像上对所述各点的灰度值进行调制,且采用平滑函数调制其附近的灰度值,使得调制区域内的灰度值连续变化,得到再一次更新的辅助灰度图像。
在一个可选的示例中,所述步骤S152中,在更新的辅助灰度图像上对所述各点的灰度值进行调制,具体为:在当前灰度值的基础上,累加当前多边形轮廓各点矢量梯度场对应的标量梯度与当前边缘位置距离和图像缩放参数之间差值的乘积,得到调制后的灰度值。
具体地,由于灰度值调制时可能不能一次性调制到位,需要对其进行迭代调制,在迭代调制的过程中参考各边缘段中点或控制点处当前的边缘位置距离与图像缩放参数之间的差值调制,使得尽快提取到准确的缩放后的曲线多边形轮廓。
本领域技术人员可以理解的是,本发明采用辅助灰度图像的方式,通过调制辅助灰度图像上的灰度值,之后采用阈值截取实现对曲线多边形图像的缩放,不需要遍历原始曲线多边形图像上的每个点,更不需要对原始曲线多边形图像上各个点进行膨胀或腐蚀,并通过迭代优化辅助灰度图像上的灰度值精准的找到缩放后的边界,兼顾了缩放的效率和准确率。
在一个可选的示例中,所述偏导数为积分有限的连续函数。
在一个可选的示例中,所述步骤S11还包括:
基于曲线多边形图像边缘各点的矢量梯度场,得到沿曲线多边形图像边缘法线方向的标量梯度场图像,以得到矢量梯度场对应的两个坐标轴方向的标量梯度场图像,便于执行后续步骤。
在一个可选的示例中,所述平滑函数为高斯函数或低通滤波函数中的至少一种。
在一个可选的示例中,所述截断阈值为灰度值阈值,由所述矢量梯度场生成时放置的偏导数函数和初始得到的辅助灰度图像的灰度值阈值决定;当采用所述截断阈值对初始辅助灰度图像进行截取时,提取到多边形轮廓与所述曲线多边形图像的边缘一致。
需要说明的是,偏导数函数可以取任意积分值为有限值的单峰连续函数,亦可进行自定义,需满足:/>,/>,F为有限值,/>在x-y平面上分布为单峰。阈值可设置为该函数积分取值范围(0,F)内的值。优选的,如果/>的单峰分布具有对称性,则阈值可取值F/2。
具体地,若偏导数函数为高斯函数,且初始积分得到的辅助灰度图像的灰度值在0-1之间,则曲线多边形图像内部点在辅助灰度图像上的灰度值趋近于1,曲线多边形图像外部点在辅助灰度图像上的灰度值趋近于0。截断阈值可以设置为0.5,当得到初始的辅助灰度图像时,若采用截断阈值0.5截取,提取的多边形轮廓将与原始曲线多边形边缘一致。
进一步地,当对曲线多边形图像进行缩放时,通过在辅助灰度图像上对曲线多边形边缘和其附近的灰度值调制,之后再通过截断阈值0.5截取时,会得到缩放后的多边形轮廓。
在一个可选的示例中,所述曲线多边形图像包括任意曲线多边形图像和曼哈顿图像。
在一个可选的示例中,调制边缘各段的灰度值时,调制边缘各段上中心点(CenterPoint)或控制点(Control Point)的灰度值,之后调制其附近的灰度值;其中,所述中心点或控制点无需始终在像素点上,可以是边缘各段上的任意点。
第二方面,本发明提供了一种曲线多边形图像缩放系统,包括:
梯度场获取模块,用于在曲线多边形图像边缘各点放置偏导数,得到矢量梯度场;
辅助灰度图获取模块,用于对所述矢量梯度场进行积分,将积分值作为灰度值,得到辅助灰度图像;
分段模块,用于对所述曲线多边形边缘进行分段,确定边缘各段的位置;
灰度调制模块,用于基于预设的图像缩放参数和求得的矢量梯度场在所述辅助灰度图像上对所述边缘各段的灰度值进行调制,且采用平滑函数调制其附近的灰度值,使得调制区域内的灰度值连续变化,得到更新的辅助灰度图像;
图像截取模块,用于采用截断阈值对更新的辅助灰度图像进行截取,提取一个多边形轮廓,若当前提取的多边形轮廓与原始曲线多边形图像边缘各处的边缘位置距离与所述图像缩放参数的差值小于阈值,则将其作为按照所述图像缩放参数对曲线多边形图像缩放后的图像;否则基于灰度调制模块在更新的辅助灰度图像上对所述差值不小于阈值的各点的灰度值和其附近的灰度值进行迭代调制,直至最终提取的多边形轮廓上各点的所述差值均小于阈值。
在一个可选的示例中,所述梯度场获取模块,还用于在当前提取的多边形轮廓中所述差值不小于阈值的各点处放置偏导数,得到矢量梯度场;
所述灰度调制模块,还用于基于最新得到的矢量梯度场、各点对应的所述边缘位置距离以及所述图像缩放参数,在更新的辅助灰度图像上对所述各点的灰度值进行调制,且采用平滑函数调制其附近的灰度值,使得调制区域内的灰度值连续变化,得到再一次更新的辅助灰度图像。
第三方面,本发明提供一种电子设备,包括:至少一个存储器,用于存储程序;至少一个处理器,用于执行存储器存储的程序,当存储器存储的程序被执行时,处理器用于执行第一方面或第一方面的任一个可选的示例所描述的方法。
第四方面,本发明提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,当计算机程序在处理器上运行时,使得处理器执行第一方面或第一方面的任一个可选的示例所描述的方法。
第五方面,本发明提供一种计算机程序产品,当计算机程序产品在处理器上运行时,使得处理器执行第一方面或第一方面的任一个可选的示例所描述的方法。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
本发明提供一种曲线多边形图像缩放方法、系统及电子设备,对原始图像进行分段和像素化表征,并通过其构建辅助图像和初始梯度场,对辅助图像进行迭代优化,设置截断阈值,以截断图像与原始图像的边缘位置距离达到需要扩大或缩小的值为迭代停止条件,从而实现对原始图像的放大或缩小。该方法不依赖图像学几何操作,计算效率可以得到有效提高,同时可以降低计算内存消耗。
本发明提供一种曲线多边形图像缩放方法、系统及电子设备,该方法可以适用于任意曲线多边形图像,同样也可适用于曼哈顿图像。在适用于曲线多边形图像时,图像的放大或缩小效果评价以缩放后图像与原始图像各边缘段沿法向向外或向内的边缘位置距离来判断;对于曼哈顿图像,以曼哈顿图像的分段和边缘位置距离计算方式来判断,在转角处的移动中,缝合和去除等较为简单的几何操作被认为是自动完成的。相较于图像学几何操作的图像膨胀和缩小方法,本发明的方法不受到像素大小及结构元素的限制。
本发明提供一种曲线多边形图像缩放方法、系统及电子设备,涉及的辅助灰度图像在首次生成的过程中,只依赖于原始的图像,不依赖其他任何操作和辅助参数,生成的过程是易实现的。辅助图像在优化过程中,优于依赖像素的几何操作的是,每一个边缘段的中心点或控制点无需始终在像素上,通过逆插值的方式,可以对任意位置的中心点或控制点的值进行调整,从而实现辅助图像的连续优化。
附图说明
图1是本发明实施例提供的曲线多边形图像缩放方法的一种流程图;
图2是本发明实施例提供的图像缩放截取示意图;
图3是本发明实施例提供的曲线多边形图像缩放方法的另一种实现流程图;
图4是本发明实施例提供的曲线多边形轮廓向外扩大Bias的具体实现流程图;
图5是本发明实施例提供的曲线多边形图像缩放系统架构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本文中术语“和/或”,是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。本文中符号“/”表示关联对象是或者的关系,例如A/B表示A或者B。
在本发明实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
接下来,对本发明实施例中提供的技术方案进行介绍。
本发明提供了一种曲线多边形图像缩放方法,该方法旨在应用水平集思想,通过构造和优化辅助图像,对多边形图像实现放大或缩小,整个过程不依赖几何操作,从而提高计算效率,节省计算内存消耗,同时避免几何操作带来的交叉耦合等复杂情况。
图1是本发明实施例提供的曲线多边形图像缩放方法的一种流程图;如图1所示,包括以下步骤:
S11,在曲线多边形图像边缘各点放置偏导数,得到矢量梯度场;
S12,对所述矢量梯度场进行积分,将积分值作为灰度值,得到辅助灰度图像;
S13,对所述曲线多边形图像边缘进行分段,确定边缘各段的位置;
S14,基于预设的图像缩放参数和求得的矢量梯度场在所述辅助灰度图像上对所述边缘各段处的灰度值进行调制,且采用平滑函数调制其附近的灰度值,使得调制区域内的灰度值连续变化,得到更新的辅助灰度图像;
S15,采用截断阈值对更新的辅助灰度图像进行截取,提取一个多边形轮廓,若当前提取的多边形轮廓与原始曲线多边形图像边缘各处的边缘位置距离与所述图像缩放参数的差值小于阈值,则将其作为按照所述图像缩放参数对曲线多边形图像缩放后的图像;否则在更新的辅助灰度图像上对所述差值不小于阈值的各点的灰度值和其附近的灰度值迭代调制,直至最终提取的多边形轮廓上各点的所述差值均小于阈值。
参见图2所示,图2中(a)表示对曲线多边形图像放大时,其辅助灰度图像上灰度值的调制变化情况,图2中(b)表示对曲线多边形图像缩小时,其辅助灰度图像上灰度值的调制变化情况。图2中灰度值曲线中实线表示调制前的灰度值分布,虚线表示调制后的灰度值分布。
在一个具体的实施例中,本发明提供的曲线多边形图像缩放方法,参见图3所示,包括如下步骤:
步骤1、根据原始的曲线多边形图像进行像素网格划分设置,在多边形边缘各点,放置水平函数在x轴和y轴方向上的偏导数,获取矢量梯度场,计算一个沿多边形边缘轮廓法线方向的标量梯度(slope)场图像。
需要说明的是,通常按照多边形图像的内外定义梯度的符号,例如但不限于,设置标量梯度的正方向指向多边形内侧。这里放置的偏导数可设置为但不限于近似脉冲函数。
步骤2、对步骤1的矢量梯度场进行积分,得到辅助灰度图像。
步骤3、对多边形边缘进行分段,每一小段(Edgelet)可由其中心点(CenterPoint)或另外设置的控制点(Control Point)来代表。这里各边缘段的数学代表不限于使用单一点,亦可选用多个控制点,取加权平均代表。
步骤4、对于多边形边缘上每一小段,采用水平调制函数,对其信号值进行调制。用I代表信号值,设置水平调制函数对每一个边缘段进行调制,例如但不限于,在第一次迭代中,I 1(ECP) =I 0(ECP) +Slope 0(ECP)×Bias,其中,ECP为各小段中点(Edgelet CenterPoint)的缩写,Slope 0代表步骤1中设置的标量梯度,Bias代表图像放大或缩小尺寸的参数,即放大时往外扩Bias,或缩小时往内缩Bias,通常采用长度单位;在第k次迭代中(k>1),I k(ECP) =I k-1(ECP) +Slope k-1(ECP)×[ EPEk-1(ECP) -Bias]。其中,Slope k-1代表根据第k-1次迭代的标量梯度,EPEk-1(ECP)为第k-1次迭代生成的图像与原始图像的边缘位置距离,与Bias单位一致,其中边缘位置距离可采用EPE指代。
步骤5、在每个步骤4中调整的各点,通过高斯函数或其它低通滤波函数对辅助灰度图像进行处理,对附近的网格像素点上的信号值进行调整。这里高斯函数的σ或其它低通滤波函数的宽度w的取值通常与几个像素点大小相近,如果σ或w的取值过大,容易波及太大范围,引起图像畸变;如果σ或w取值过小,易造成无法通过逆插值或其他手段对相邻像素点进行调整。
步骤6、设置辅助图像的截断阈值Threshold,提取新的多边形轮廓。计算提取的多边形与原始多边形图像各边缘段的边缘位置距离,判断是否满足迭代停止条件。如果满足停止条件,跳转至步骤7;如果不满足迭代停止条件,跳转至步骤4。这里的迭代停止条件,可以设置为但不限于以下几个条件的其中之一或几个的组合:设置每一个边缘段的边缘位置距离都在区间[Bias-ε, Bias+ε]内,或 |EPE -bias|≤ε;设置所有边缘段的边缘位置距离与bias差值的绝对值加和在设置的范围参数ξ以内,即sum |EPE -bias|≤ξ;迭代次数达到了设置的上限值等。
需要说明的是,跳转值步骤4,指的是:在边缘位置距离不满足停止条件的各点,沿法线方向放置导数,获取对应的标量梯度Slope k-1(ECP) ;之后参见步骤4中描述的:I k(ECP) =I k-1(ECP) +Slope k-1(ECP)×[ EPEk-1(ECP) -Bias]对灰度值进行迭代调制。
步骤7、停止迭代,输出当前多边形图像,即为缩放后的多边形图像。
具体地,本发明利用原始多边形图像生成辅助图像,并对进行优化,将图像缩放问题转化成了辅助灰度图像的优化问题,通过设置目标函数和停止条件,对优化问题进行迭代求解。本发明的适用不受曲线多边形图像表征方式的限制。所述的原始图像可采用任意表征或描述方式,可清晰表达多边形图像即可。所述像素化图像表达方式可采用但不限于空间直角坐标系。放置水平函数偏导数得到矢量场图像可根据选用的坐标表达方式进行偏导数拆分,以便于存储和处理,例如但不限于,采用直角坐标系时,可拆分为和/>两张图像进行存储和处理。
进一步地,本发明不受多边形图像特征及边缘位置距离定义和计算的约束。曲线多边形图像包含但不限于自由曲线图像、曼哈顿图像等;边缘位置距离的计算方法包含但不限于自由曲线掩模的法向距离计算、曼哈顿图像的竖直或水平距离计算等。
示例地,本发明适用于要求将多边形轮廓向外扩大一定尺寸,或向内缩小一定尺寸,下面以曲线多边形图像轮廓向外扩大Bias为例对本发明进行说明,其具体实施方式如图4所示,包含以下步骤:
步骤S101、根据曲线多边形图像,选用合适的坐标系,所述坐标系可选用但不限于平面直角坐标系;设置像素网格大小pixel,进行像素网格划分,所述pixel值为可调节值,在实际应用过程中,可根据需求进行调节。
步骤S102、在步骤S101基础上,对多边形进行像素化表征,在多边形边缘轮廓各点,放置水平函数在x轴和y轴方向上的偏导数的初始值,该步骤旨在通过多边形轮廓图,生成初始矢量梯度场,并且计算一个标量梯度场图像。该标量梯度初始方向建议采用但不限于沿多边形边缘轮廓法线方向,其正负方向定义建议但不限于以朝向多边形内或外定义。放置的初始偏导数可采用但不限于近似脉冲函数。若采用平面直角坐标系,矢量梯度场可用表示,即可拆分成/>和/>两张图像分别进行存储和处理。
步骤S103、对步骤S102生成的矢量梯度场进行积分,可得到初始的辅助灰度图像。如果步骤S102中放置的初始偏导数为高斯函数,初始梯度方向为朝向多边形内部,那么得到的初始辅助图像的信号值取值区间为[0, 1],多边形内部像素点信号值渐进地趋于1,外部像素点信号值渐进地趋于0。
步骤S104、设置多边形边缘分段方式,可以但不限于采用基于像素网格的分段方式;对于较为简单的多边形图像,亦可采用对边缘段分类打标签的分段方式。对于分段后的每一小段,可采用中心点作为每段的代表;对于分类打签的分段,亦可采用设置一个或几个控制点作为各段代表。
步骤S105、设置Threshold= 0.5,截断辅助图像,获取多边形图像,该图像理论上应为原始多边形图像,但由于对图像的表征采用了像素化表征方式,因而该图像有一定可能与原始图像有细微差别;在有需求的情况下,可将截取多边形图像与原始图像比较,跳转至步骤S101,调整pixel设置或像素网格划分方式,直至满足需求,再进入后续步骤。需要说明的是,这里所述Threshold可设置为任意值,此处选择0.5,作为将辅助图像信号值归一化后的截断取值,实际应用中,可根据具体应用场景和情况设置合适的取值。该步骤为验证调整步骤,在应用过程中非必须。
步骤S106、沿多边形轮廓,调整每个边缘段中点(ECP)的信号值I,在第k次迭代中,对于每个边缘段,I k(ECP) =I k-1(ECP) +Slope k-1(ECP)×[EPEk-1(ECP) -Bias]。I为辅助灰度图像信号值,在第一次迭代中,Slope 0为步骤S102计算的标量梯度场,EPE0可设置为0或步骤S105生成图像与原始图像的边缘位置距离;在第k次迭代中(k>1),Slopek-1代表上一次迭代后步骤S111生成的矢量梯度场计算的标量梯度场,EPEk-1(ECP)为第k-1次迭代生成的图像与原始图像的边缘位置距离,与Bias单位一致。
步骤S107、在每个slope≠0的ECP点,添加一个高斯脉冲函数或者其它的低通滤波函数,调整辅助灰度图像上附近像素点的值。在第1次迭代中,slope≠0的点即为每个边缘段中点(ECP);在后续迭代中,为边缘位置距离不满足要求(EPE>error)的边缘段中点(ECP),这里error为设置的较小值,用来判断边缘位置距离是否满足要求。所述高斯脉冲函数的σ或者其它低通滤波函数的宽度w的取值通常与几个像素点大小相近,如果σ或w的取值过大,容易波及太大范围,引起图像畸变;如果σ或w取值过小,易造成无法逆插值到周围像素点。对于ECP在像素网格上的点,根据高斯脉冲函数计算周围像素点的值并进行调整即可;对于ECP不在像素网格上的点,可通过逆插值的方式计算出周围相邻像素点的值,所述可采用的逆插值方法不限于逆二次插值法、逆双线性插值法、逆抛物线插值法等。通过步骤S106和步骤S107,辅助图像上的信号值被部分调整了,主要集中在多边形轮廓附近。
步骤S108、设置Threshold= 0.5,截断经步骤S107获得的辅助灰度图像,获取新的多边形轮廓图像。这里Threshold可以任意设置,在应用过程中可根据实际需求设置取值截断辅助图像。
步骤S109、计算步骤S108生成的新多边形图像与原始图像的边缘位置距离,迭代优化目标是使获取的多边形图像与原始图像各处边缘位置距离均相差bias。据此,可以但不限于设置迭代停止条件为以下其中之一或几个的组合:其一、每一个边缘段的边缘位置距离与bias的差值都在极小值[-ε, ε]内,即对所有边缘段,均满足|EPE -bias|≤ε,极小值ε可设置或调制;其二、所有边缘段的边缘位置距离与bias差值的绝对值加和在一定范围[-ξ, ξ]内,即 sum |EPE -bias|≤ξ,范围参数ξ可设置或调制;其三、迭代次数达到了设置的上限值。判断是否满足迭代停止条件,如果满足停止条件,跳转至步骤S110;如果不满足迭代停止条件,跳转至步骤S111,并记录迭代次数k=k+1。
步骤S110、停止迭代,输出步骤S108生成的多边形图像作为结果。
步骤S111、对于边缘位置距离不满足要求的点,即EPE>error的点,沿法线方向放置导数,符号由边缘位置距离与bias差值的符号确定,获取矢量场图像,并据此计算新的标量梯度场,跳转至S106,进入新一轮迭代。
可以理解的是,对于缩小一定尺寸的具体实施过程,与上述放大过程类似,不再赘述。
图5是本发明实施例提供的曲线多边形图像缩放系统架构图,如图5所示,包括:
梯度场获取模块510,用于在曲线多边形图像边缘各点放置偏导数,得到矢量梯度场;
辅助灰度图获取模块520,用于对所述矢量梯度场进行积分,将积分值作为灰度值,得到辅助灰度图像;
分段模块530,用于对所述曲线多边形图像边缘进行分段,确定边缘各段的位置;
灰度调制模块540,用于基于预设的图像缩放参数和求得的矢量梯度场在所述辅助灰度图像上对所述边缘各段的灰度值进行调制,且采用平滑函数调制其附近的灰度值,使得调制区域内的灰度值连续变化,得到更新的辅助灰度图像;
图像截取模块550,用于采用截断阈值对更新的辅助灰度图像进行截取,提取一个多边形轮廓,若当前提取的多边形轮廓与原始曲线多边形图像边缘各处的边缘位置距离与所述图像缩放参数的差值小于阈值,则将其作为按照所述图像缩放参数对曲线多边形图像缩放后的图像;否则指示灰度调制模块在更新的辅助灰度图像上对所述差值不小于阈值的各点的灰度值和其附近的灰度值进行迭代调制,直至最终提取的多边形轮廓上各点的所述差值均小于阈值。
进一步地,梯度场获取模块510,还用于在当前提取的多边形轮廓中所述差值不小于阈值的各点处放置偏导数,得到矢量梯度场;
灰度调制模块540,还用于基于最新得到的矢量梯度场、各点对应的所述边缘位置距离以及所述图像缩放参数,在更新的辅助灰度图像上对所述各点的灰度值进行调制,且采用平滑函数调制其附近的灰度值,使得调制区域内的灰度值连续变化,得到再一次更新的辅助灰度图像。
应当理解的是,上述系统用于执行上述实施例中的方法,系统中相应的程序模块,其实现原理和技术效果与上述方法中的描述类似,该系统的工作过程可参考上述方法中的对应过程,此处不再赘述。
基于上述实施例中的方法,本发明实施例提供了一种电子设备。该设备可以包括:至少一个用于存储程序的存储器和至少一个用于执行存储器存储的程序的处理器。其中,当存储器存储的程序被执行时,处理器用于执行上述实施例中所描述的方法。
基于上述实施例中的方法,本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,当计算机程序在处理器上运行时,使得处理器执行上述实施例中的方法。
基于上述实施例中的方法,本发明实施例提供了一种计算机程序产品,当计算机程序产品在处理器上运行时,使得处理器执行上述实施例中的方法。
可以理解的是,本发明实施例中的处理器可以是中央处理单元(centralprocessing unit,CPU),还可以是其他通用处理器、数字信号处理器(digital signalprocessor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现场可编程门阵列(field programmable gate array,FPGA)或者其他可编程逻辑器件、晶体管逻辑器件,硬件部件或者其任意组合。通用处理器可以是微处理器,也可以是任何常规的处理器。
本发明实施例中的方法步骤可以通过硬件的方式来实现,也可以由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成,软件模块可以被存放于随机存取存储器(random access memory,RAM)、闪存、只读存储器(read-only memory,ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)、寄存器、硬盘、移动硬盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者通过所述计算机可读存储介质进行传输。所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
可以理解的是,在本发明实施例中涉及的各种数字编号仅为描述方便进行的区分,并不用来限制本发明的实施例的范围。
本领域的技术人员容易理解,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 (12)
1.一种曲线多边形图像缩放方法,其特征在于,包括以下步骤:
S11,在曲线多边形图像边缘各点放置偏导数,得到矢量梯度场;
S12,对所述矢量梯度场进行积分,将积分值作为灰度值,得到辅助灰度图像;
S13,对所述曲线多边形图像边缘进行分段,确定边缘各段的位置;
S14,基于预设的图像缩放参数和求得的矢量梯度场在所述辅助灰度图像上对所述边缘各段处的灰度值进行调制,且采用平滑函数调制其附近的灰度值,使得调制区域内的灰度值连续变化,得到更新的辅助灰度图像;
S15,采用截断阈值对更新的辅助灰度图像进行截取,提取一个多边形轮廓,若当前提取的多边形轮廓与原始曲线多边形图像边缘各处的边缘位置距离与所述图像缩放参数的差值小于阈值,则将其作为按照所述图像缩放参数对曲线多边形图像缩放后的图像;否则在更新的辅助灰度图像上对所述差值不小于阈值的各点的灰度值和其附近的灰度值迭代调制,直至最终提取的多边形轮廓上各点的所述差值均小于阈值。
2.根据权利要求1所述的方法,其特征在于,在更新的辅助灰度图像上对所述差值不小于阈值的各点的灰度值和其附近的灰度值迭代调制,具体为:
S151,在当前提取的多边形轮廓中所述差值不小于阈值的各点处放置偏导数,得到矢量梯度场;
S152,基于步骤S151得到的矢量梯度场、各点对应的所述边缘位置距离以及所述图像缩放参数,在更新的辅助灰度图像上对所述各点的灰度值进行调制,且采用平滑函数调制其附近的灰度值,使得调制区域内的灰度值连续变化,得到再一次更新的辅助灰度图像。
3.根据权利要求2所述的方法,其特征在于,所述步骤S152中,在更新的辅助灰度图像上对所述各点的灰度值进行调制,具体为:在当前灰度值的基础上,累加当前多边形轮廓各点矢量梯度场对应的标量梯度与当前边缘位置距离和图像缩放参数之间差值的乘积,得到调制后的灰度值。
4.根据权利要求1所述的方法,其特征在于,所述偏导数为积分有限的连续函数。
5.根据权利要求1所述的方法,其特征在于,所述步骤S11还包括:
基于曲线多边形图像边缘各点的矢量梯度场,得到沿曲线多边形图像边缘法线方向的标量梯度场图像,以得到矢量梯度场对应的两个坐标轴方向的标量梯度场图像,便于执行后续步骤。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述平滑函数为高斯函数或低通滤波函数中的至少一种。
7.根据权利要求1至5任一项所述的方法,其特征在于,所述截断阈值为灰度值阈值,由所述矢量梯度场生成时放置的偏导数函数和初始得到的辅助灰度图像的灰度值阈值决定;当采用所述截断阈值对初始辅助灰度图像进行截取时,提取到多边形轮廓与所述曲线多边形图像的边缘一致。
8.根据权利要求1至5任一项所述的方法,其特征在于,所述曲线多边形图像包括任意曲线多边形图像和曼哈顿图像。
9.根据权利要求1至3任一项所述的方法,其特征在于,调制边缘各段的灰度值时,调制边缘各段上中心点或控制点的灰度值,之后调制其附近的灰度值;其中,所述中心点或控制点无需始终在像素点上,可以是边缘各段上的任意点。
10.一种曲线多边形图像缩放系统,其特征在于,包括:
梯度场获取模块,用于在曲线多边形图像边缘各点放置偏导数,得到矢量梯度场;
辅助灰度图获取模块,用于对所述矢量梯度场进行积分,将积分值作为灰度值,得到辅助灰度图像;
分段模块,用于对所述曲线多边形图像边缘进行分段,确定边缘各段的位置;
灰度调制模块,用于基于预设的图像缩放参数和求得的矢量梯度场在所述辅助灰度图像上对所述边缘各段的灰度值进行调制,且采用平滑函数调制其附近的灰度值,使得调制区域内的灰度值连续变化,得到更新的辅助灰度图像;
图像截取模块,用于采用截断阈值对更新的辅助灰度图像进行截取,提取一个多边形轮廓,若当前提取的多边形轮廓与原始曲线多边形图像边缘各处的边缘位置距离与所述图像缩放参数的差值小于阈值,则将其作为按照所述图像缩放参数对曲线多边形图像缩放后的图像;否则指示灰度调制模块在更新的辅助灰度图像上对所述差值不小于阈值的各点的灰度值和其附近的灰度值进行迭代调制,直至最终提取的多边形轮廓上各点的所述差值均小于阈值。
11.根据权利要求10所述的系统,其特征在于,所述梯度场获取模块,还用于在当前提取的多边形轮廓中所述差值不小于阈值的各点处放置偏导数,得到矢量梯度场;
所述灰度调制模块,还用于基于最新得到的矢量梯度场、各点对应的所述边缘位置距离以及所述图像缩放参数,在更新的辅助灰度图像上对所述各点的灰度值进行调制,且采用平滑函数调制其附近的灰度值,使得调制区域内的灰度值连续变化,得到再一次更新的辅助灰度图像。
12.一种电子设备,其特征在于,包括:
至少一个存储器,用于存储程序;
至少一个处理器,用于执行所述存储器存储的程序,当所述存储器存储的程序被执行时,所述处理器用于执行如权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311628131.XA CN117333373B (zh) | 2023-12-01 | 2023-12-01 | 一种曲线多边形图像缩放方法、系统及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311628131.XA CN117333373B (zh) | 2023-12-01 | 2023-12-01 | 一种曲线多边形图像缩放方法、系统及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117333373A true CN117333373A (zh) | 2024-01-02 |
CN117333373B CN117333373B (zh) | 2024-02-23 |
Family
ID=89277741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311628131.XA Active CN117333373B (zh) | 2023-12-01 | 2023-12-01 | 一种曲线多边形图像缩放方法、系统及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117333373B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0981106A2 (en) * | 1998-07-17 | 2000-02-23 | Pagemasters, Inc. | Method and apparatus for image scaling |
US20030107770A1 (en) * | 2001-07-11 | 2003-06-12 | Applied Materials, Inc. | Algorithm for adjusting edges of grayscale pixel-map images |
US20090169090A1 (en) * | 2007-12-27 | 2009-07-02 | Cytyc Corporation | Targeted edge detection method and apparatus for cytological image processing applications |
CN103366342A (zh) * | 2013-07-02 | 2013-10-23 | 天津大学 | 应用于视频图像放大的分段线性插值方法 |
EP2889830A1 (en) * | 2013-12-31 | 2015-07-01 | Huawei Technologies Co., Ltd. | Image enlargement method and apparatus |
US20180300852A1 (en) * | 2017-04-12 | 2018-10-18 | Microsoft Technology Licensing, Llc | Scaling and feature retention in graphical elements defined based on functions |
CN113538491A (zh) * | 2021-09-15 | 2021-10-22 | 风脉能源(武汉)股份有限公司 | 一种基于自适应阈值的边缘识别方法、系统及存储介质 |
CN115272362A (zh) * | 2022-06-22 | 2022-11-01 | 杭州迪英加科技有限公司 | 一种数字病理全场图像有效区域分割方法、装置 |
-
2023
- 2023-12-01 CN CN202311628131.XA patent/CN117333373B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0981106A2 (en) * | 1998-07-17 | 2000-02-23 | Pagemasters, Inc. | Method and apparatus for image scaling |
US20030107770A1 (en) * | 2001-07-11 | 2003-06-12 | Applied Materials, Inc. | Algorithm for adjusting edges of grayscale pixel-map images |
US20090169090A1 (en) * | 2007-12-27 | 2009-07-02 | Cytyc Corporation | Targeted edge detection method and apparatus for cytological image processing applications |
CN103366342A (zh) * | 2013-07-02 | 2013-10-23 | 天津大学 | 应用于视频图像放大的分段线性插值方法 |
EP2889830A1 (en) * | 2013-12-31 | 2015-07-01 | Huawei Technologies Co., Ltd. | Image enlargement method and apparatus |
US20180300852A1 (en) * | 2017-04-12 | 2018-10-18 | Microsoft Technology Licensing, Llc | Scaling and feature retention in graphical elements defined based on functions |
CN113538491A (zh) * | 2021-09-15 | 2021-10-22 | 风脉能源(武汉)股份有限公司 | 一种基于自适应阈值的边缘识别方法、系统及存储介质 |
CN115272362A (zh) * | 2022-06-22 | 2022-11-01 | 杭州迪英加科技有限公司 | 一种数字病理全场图像有效区域分割方法、装置 |
Non-Patent Citations (2)
Title |
---|
RADHAKRISHNA ACHANTA; SABINE SÜSSTRUNK: "Saliency detection for content-aware image resizing", 《2009 16TH IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING (ICIP)》 * |
张伟红: "隐参数曲线曲面及基于PHT样条的间断图像缩放", 《中国博士学位论文全文数据库信息科技辑》, pages 138 - 43 * |
Also Published As
Publication number | Publication date |
---|---|
CN117333373B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8873835B2 (en) | Methods and apparatus for correcting disparity maps using statistical analysis on local neighborhoods | |
CN108280450B (zh) | 一种基于车道线的高速公路路面检测方法 | |
CN109784250B (zh) | 自动引导小车的定位方法和装置 | |
US20160055648A1 (en) | Non-uniform curve sampling method for object tracking | |
CN115797300A (zh) | 一种基于自适应梯度阈值canny算子的边缘检测方法及其装置 | |
CN111598088B (zh) | 目标检测方法、装置、计算机设备及可读存储介质 | |
CN112102202A (zh) | 一种图像分割方法和图像处理装置 | |
CN115331245A (zh) | 一种基于图像实例分割的表格结构识别方法 | |
CN110807730B (zh) | 影像几何纠正方法、装置及电子设备 | |
CN111260564A (zh) | 一种图像处理方法和装置及计算机存储介质 | |
US9443312B2 (en) | Line parametric object estimation | |
CN110110697B (zh) | 基于方向矫正的多指纹分割提取方法、系统、设备及介质 | |
CN117333373B (zh) | 一种曲线多边形图像缩放方法、系统及电子设备 | |
Marukatat | Image enhancement using local intensity distribution equalization | |
CN109712075B (zh) | 一种数字图像数据原图识别方法及装置 | |
CN110751156A (zh) | 用于表格线大块干扰去除方法、系统、设备及介质 | |
US9904988B2 (en) | Image processing method and image processing program | |
KR20140071367A (ko) | 이미지 분할 방법 | |
JP7188336B2 (ja) | 付着物検出装置、および付着物検出方法 | |
Wu et al. | Adaptive wide-lens distortion correction based on piecewise polynomial optimization | |
KR100587979B1 (ko) | 이미지 확대를 위한 경계선 및 귀퉁이 기반 보간 방법 | |
CN113723424A (zh) | 一种目标检测方法及装置、设备、存储介质 | |
CN112052777B (zh) | 一种基于高分辨率遥感影像的跨水桥梁提取方法和装置 | |
CN112862907B (zh) | 显微图像校正方法、装置、设备、存储介质及产品 | |
JP2006023976A (ja) | パラメータ設定方法、画像パターン抽出方法、パラメータ設定装置、画像パターン抽出装置、およびこれら方法のプログラム |
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 |