基于纹理提取和优化的图像矢量化方法(2)
Keywords Vector Texture extraction K-Means clustering the diffusion curve B spline fitting color rendering
目次
1绪论..1
1.1课题背景与研究意义.1
1.2纹理提取和图像矢量化的现状与重难点分析..1
1.3本文的思路及方法3
1.4本文工作以及创新点.4
1.5本文的组织结构..4
2图像的矢量化方法..6
2.1现有图像矢量化方法的分析与比较.6
2.2纹理提取方法的分析比较7
2.3本章小结..9
3图像的特征提取方法..10
3.1通过相对总变差提取纹理结构.10
3.1.1算法的选取原因.10
3.1.2目标函数的构建与改写.10
3.1.3高斯滤波[37]
求目标函数的数值解..11
3.1.4算法总结.13
3.1.5纹理提取结果及分析13
3.2图像分割处理17
3.2.1方法介绍及其优点..17
3.2.2实验结果及分析.17
3.3矢量化信息的提取..18
3.3.1灰度图的转换方法..18
3.3.2优化Canny边缘检测19
3.3.3拟合..20
3.3.4颜色信息的获取.21
3.4矢量化结果的编辑..22
3.5实验结果及优化结果分析..22
3.6本章小结.26
4图像重构和颜色渲染..28
4.1矢量图渲染..28
4.1.1颜色估计.28
4.1.2泊松方程的求解.28
4.2实验结果及其分析..29
4.3本章小结.33
5总结与展望.34
5.1总结..34
5.2展望..34
结论..37
致谢..38
参考文献39
1 绪论 1.1 课题背景与研究意义 伴随着科技的不断发展，图像更多的为人们所用。常见的计算机平面图形主要有两种形式，即位图和矢量图[7][8][10]。位图存储的是一系列的像素点，而矢量图存储的则是曲线以及关键点的颜色信息。相比之下，矢量图文件小，且缩放过程中不会失真，同时可以进行无损压缩，更容易进行程式化与几何编辑，并且可以利用矢量图进行动画编辑。但是矢量图相对位图会丧失图片的真实感，矢量化后的图像看起来有更多的动漫效果。尽管矢量图存在这样的缺点，但是现在处于大数据时代的背景下，基于矢量图文件小、不失真这些优点，矢量图得到了广泛的应用。 如各种 CAD软件的应用，以及在图像的制作与传输过程中，矢量化图像可以有效的减小图像所占用的存储空间，进而有利于传输速度的加快。除此之外，矢量化图像还被广泛的应用于医疗、动漫以及航空航天领域。 之前关于矢量化编辑和渲染方面的研究有很多，A.Orzan 在《Diffusion Curves:A Vector Representation for Smooth-Shaded Images》[3]中讲述了一种扩散曲线[3]进行矢量化与渲染[3][12]的方法，Ming-Ming Cheng在《Curve structure extraction for cartoon images》[5]中讲述了一种提取特征曲线[12]的方法等等。 图像的矢量化编辑与渲染是有很重要的研究意义的，本文主要是通过提取边界并在此基础上进行颜色渲染，最终得到矢量化后的图像。然而，当我们运用这种方法对纹理[2][30][31][36]较为复杂的图像进行处理时，通过验证，结果并不理想，基于实验结果，本文讨论首先对图像进行纹理提取的预处理，即在矢量化之前，先对图像进行纹理提取，再对主结构部分和纹理部分分别进行不同方法的矢量化与渲染，最终再将两部分合成，得到最终的矢量化图像。 1.2 纹理提取和图像矢量化的现状与重难点分析 1、 纹理结构提取的相关技术 图像纹理提取的方法有很多，在现有的研究中，比较常见的纹理提取方法分为以下四种，统计学方法、结构处理方法、模型方法与信号处理方法[37]。每一类提取方法中又包含很多具体的研究方法，现有的研究已经十分详尽，本文在此不再赘述。 分析比较以上这些提取方法，从计算量以及处理效果两个方面出发，本文使用信号处理方法，在信号处理方法中又存在多种变换，本文使用了一种基于总变差形式[2]的新模型进行纹理结构的提取，该模型可以有效的分解图像中的结构信息和纹理，同时处理速度较快，并且无需特别指定纹理是否规则或者对称。换言之，该方法具有一般性和随意性，它适用于非统一的或各向异性的纹理[37]。具体的分析比较过程在后文进行详细的表述。 2、 矢量化编辑的相关技术 位图向矢量图转换的过程，可以理解为一个图像的分割[24]与重建的过程，即首先进行分割保留位图的关键信息，再通过对关键信息进行重建得到一个新的但是十分接近原图的矢量图。矢量化的过程就相当于是分割的过程。图像矢量化主要有三种主要的方法： ①基于细化的矢量化方法[12]：只能用于线条类图像，在不破坏原有连通性的基础上，不断减少线条上的像素点，直至减为单个的像素点，最后再对其进行拟合，完成矢量化； ②基于轮廓的矢量化方法[12]：首先对图像进行边缘检测[12]，得到轮廓信息，再将边缘像素进行连接，最后使用直线、圆弧等对轮廓信息进行拟合。 ③基于像素跟踪的图像矢量化方法[12]：通过跟踪预处理后的图像，采集其上的像素点，拟合得到其表达式。这种方法的效率取决于图像的跟踪算法与像素点的拟合算法。 分析比较以上几种图像矢量化方法，基于可操作性以及需要存储的信息量大小，本文在进行矢量化的过程中，结合了第二种和第三种方法，首先进行优化的灰度图转换，然后进行优化的Canny 边缘检测，再进行特征曲线的提取，即对其进行累加聚类，得到图像的轮廓信息，然后通过B样条拟合实现对每一类点的函数逼近，进而实现图像的特征曲线提取，并且保存图像边缘两侧的像素信息，这样既完成了图像的矢量化过程。