[发明专利]一种基于聚类算法的图像边缘拟合B样条生成方法

权利要求书

1.一种基于聚类算法的图像边缘拟合B样条生成方法，其特征是采用聚类算法，将canny算子生成的边缘离散点的梯度差作为聚类算法的聚类判断公式，选择等距离点作为聚类算法的初始类中心，使用聚类算法迭代生成各类核，使用核作为B样条的控制点，拟合生成B样条曲线，其实现步骤为：

步骤1、将原始图像利用二维高斯函数一阶导数对其进行平滑去噪，得到平滑图像；

步骤2、采用3×3领域，在像素8领域内通过计算x方向，y方向，45°方向和135°的一阶偏导的差分来计算图像的梯度幅值和方向；

步骤3、沿8领域方向检测模值的极大值点，即为边缘点，遍历8方向图像，通过比较每个像素偏导值与相邻像素模值，，取其MAX值为边缘点；

步骤4、选取高低阈值进一步过滤，得到边缘点集；

步骤5、通过离散的边缘点集创建边缘点结构体数组，并根据将x轴等分成N段，依次将边缘点数组划分成N组，每组随机抽取一点作为聚类生长中心点；

步骤6、针对边缘点结构体数组使用聚类算法迭代求得每组的类核心点；

步骤7、基于步骤6求得的点集，作为B样条的控制点，生成拟合B样条曲线。

2.根据权利1所述的步骤6，其使用的聚类算法为：

步骤1、判断每组聚类中心点与之邻近的边缘点的类距离是否在承受范围内：若在，则将边缘点纳入当前聚类中；若不在，则计算聚类中是否存在一点，若将其作为聚类中点，该聚类中心与当前聚类中各点、及当前测试点的类距离小于系统确定常数，若有，将该点纳入当前聚类，并将该点作为当前聚类中心点；若无，则完成当前聚类，并将当前聚类的中心点计入控制点数组中，同时删除当前聚类所纳入的边缘点；

步骤2、重复聚类当前组剩余的边缘点，直至当前组内边缘点数为空；

步骤3、迭代结束，对于求得的聚类中心点集再进行邻近点梯度进行综合判评，以确定最终的B样条生成控制点集。

3.根据权利1、权利2所描述的聚类算法中，用于判断点集的类距离公式为：α*abs(θp-θq）+β*abs(Mp-Mq)，其中abs()为绝对值函数，θ为点梯度方向，M为点的梯度幅值，α、β分别为调节系数。

4.根据权利1、权利2中所述的聚类中心点与邻近点梯度的综合判评方式采用邻近点梯度均值判评方式，选取当前聚类中心点以及其邻近点中与邻近点梯度均值最为接近的一点，作为最终的B样条生成控制点。