买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：青岛科技大学;山东大学

摘要：本发明涉及一种基于边界提取和颜色重构的图像矢量化处理方法，通过基于梯度信息计算待处理栅格图像内每一个像素的边缘显著性，并根据待处理栅格图像的所有初始边界像素之间的相邻关系，将各初始边界像素的中心点连接成曲线，并将该曲线作为待生成矢量化图像的初始边界曲线，然后计算边缘显著性映射关于初始边界曲线的对称能量和刚性能量，进而基于所得该对称能量和刚性能量构建初始边界曲线优化目标函数，得到最优边界曲线，再基于该最优边界曲线生成栅格图像的自适应三角形网格，最后将生成的自适应三角形网格作为几何域执行图像颜色编码，得到矢量化图像，从而该矢量化图像的边界曲线更为平直光滑，而且图像的颜色变化更为自然。

主权项：1.基于边界提取和颜色重构的图像矢量化处理方法，其特征在于，包括如下步骤S1～S6：步骤S1，基于梯度信息计算待处理栅格图像内每一个像素的边缘显著性；步骤S2，获取待处理栅格图像的所有初始边界像素，根据所有初始边界像素之间的相邻关系，将各初始边界像素的中心点连接成曲线，并将该曲线作为待生成矢量化图像的初始边界曲线；步骤S3，计算边缘显著性映射关于初始边界曲线的对称能量和刚性能量；步骤S4，根据所得初始边界曲线的对称能量和刚性能量，得到初始边界曲线优化的目标函数，并针对该目标函数以梯度下降方法求解得到最优边界曲线；步骤S5，基于待处理的栅格图像和所得对应该栅格图像的最优边界曲线，生成该待处理栅格图像的自适应三角形网格；步骤S6，将生成的该自适应三角形网格作为几何域执行图像颜色编码，得到矢量化图像；其中：在步骤S3中，边缘显著性映射关于初始边界曲线C0的对称能量标记为Esymmetry·即为能量函数；边缘显著性映射关于初始边界曲线C0的刚性能量标记为ERigidity·即为离散的狄利克莱能量函数； 其中，是形成初始边界曲线C0的中心点序列，m为待处理栅格图像的所有初始边界像素总数量，该待处理栅格图像上第i个初始边界像素标记为Pi，pi为初始边界像素Pi的中心点，1≤i≤m；λk为待处理栅格图像上第k个像素的λ值，为待处理栅格图像上所有像素的λ值序列，n为待处理栅格图像上的像素总数量；σk为待处理栅格图像上第k个像素的σ值，为待处理栅格图像上所有像素的σ值序列；qj为栅格图像内的第j个像素，sqj是像素qj处的边缘显著性；q'j是像素qj在初始边界曲线C0上的投影点，dj是像素qj到初始边界曲线C0的距离；λq'j是投影点q'j处高斯函数所对应的高斯取线的峰值，σq'j是投影点q'j处高斯函数所对应的高斯取线的宽度；是初始边界曲线C0所穿过的所有像素的角点所形成的集合，每一个像素具有四个角点，每个角点的边缘显著性为该角点周围四个像素显著性的平均值；||pi-pj||为中心点pi与中心点pj之间的距离；在步骤S5中，栅格图像的自适应三角形网格的生成过程包括如下步骤S51～S53：步骤S51，基于2-Wasserstein距离最小化方法，生成与给定的颜色梯度相连的范数相适应的离散点集；其中，待处理栅格图像的图像域标记为Ω，该图像域Ω中的一组站点标记为该组站点所对应的质心Voronoi图标记为该质心Voronoi图的目标函数标记为FCVTX： 步骤S52，对质心Voronoi图的Voronoi区域做出限定处理，确保构成矢量化图形的边界曲线存在线段与该质心Voronoi图多边形的一条边重合；其中，对质心Voronoi图的Voronoi区域限定如下：对于满足预设条件的站点xj，如果站点x满足||x-xi||≤||x-xj||，则认定该站点x属于站点xi的Voronoi区域；否则，即站点x不满足||x-xi||≤||x-xj||，则认定该站点x不属于站点xi的Voronoi区域；其中，满足预设条件的站点xj为该站点xj自身与站点xi相连后的线段与初始边界曲线C0不存在交点的站点；步骤S53，通过限定处理后的质心Voronoi图生成对应的边界约束三角剖分，且将该边界约束三角剖作为栅格图像的自适应三角形网格。

全文数据：

权利要求：

百度查询： 青岛科技大学 山东大学 基于边界提取和颜色重构的图像矢量化处理方法