[发明专利]一种误差可控的细分曲面图像矢量化方法

说明书

本发明公开了一种误差可控的细分曲面图像矢量化方法，包括如下步骤：1)检测图像边缘特征，得到一个像素宽的初始图像特征线段；2)构造基于图像特征的初始网格，并在网格中标记图像特征；3)简化初始网格，构造保持图像特征的基网格；4)误差可控的Loop细分曲面拟合求得控制网格；5)光栅化矢量表示。给定一张光栅图像，本发明能够得到较好的矢量图像，如果初始重构结果的误差不能满足用户需求，本发明可以衡量出矢量化的重构图像与原图像误差，通过对基网格进行自适应细分以达到一定范围内的指定误差，做到误差可控。本发明研究使用细分曲面技术进行图像矢量化，目的是将光栅图像转换为满足误差要求的矢量表示，具有实际应用价值。

技术领域

本发明涉及利用细分曲面技术进行图像矢量化的领域，尤其是指一种误差可控的细分曲面图像矢量化方法，目的是将光栅图像转换为满足误差要求的矢量表示。

背景技术

在计算机中，图像有两种典型的表示方式，一种是光栅图像，也称为位图、点阵图像，一种是矢量图像，也称矢量图形、矢量表示。与光栅图像相比，矢量图形具有很多优点，如存储量小，易编辑，分辨率无关等。随着显示设备多样化的发展和分辨率的提高，矢量图像的优势日益凸显。图像矢量化的目的就是将点阵图像转换为矢量图像。

近年来，学者们提出很多不同的图像矢量化算法。各种不同的几何图元被提出用来表示矢量图，包括直线、曲线、三角网格、参数曲面、细分曲面、扩散曲线等。然而，由于图像具有复杂的特征曲线和丰富的颜色变化，现有的这些矢量表示方式都存在共同的难点，一个是如何用较少的图元很好地表示出原图像，一个是该矢量表示的可编辑性。细分曲面具有良好的光顺性、适合表示任意复杂拓扑的物体、可编辑性强等诸多优点。文献[LIAO Z,HOPPE H,FORSYTH D,et al.A subdivision-based representation for vector imageediting[J].IEEE Transactions on Visualization and Computer Graphics,2012,18(11):1858-1867.]中，Liao等人提出基于分段光滑细分曲面表示的矢量图编辑算法。该矢量图表示方式具有强大的可编辑能力，而且可以实现多分辨率，一定条件下，当几何图元的数目增加时，分辨率越高，反之越低。但该算法也存在一些问题，首先该方法通过分裂亚像素边缘来建模图像边缘两侧颜色值的不连续，但是采用的亚像素边缘提取不够准确，得到的两侧的颜色值不准确，而且其矢量化结果过度依赖于基网格，不能做到误差可控。因此本发明对该框架的方法进行研究和改进，做到一定范围内的误差控制。

发明内容

本发明的目的在于克服Liao等人提出的细分曲面表示的图像矢量化算法的不足，提出了一种误差可控的细分曲面图像矢量化方法，对矢量化结果做到一定范围内的误差控制，满足用户的误差要求。

为实现上述目的，本发明所提供的技术方案为：一种误差可控的细分曲面图像矢量化方法，包括以下步骤：

1)检测图像边缘特征

图像边缘是最显著的图像特征，为了在构造保持图像特征的基网格，使用图像边缘线段检测方法来提取图像的一个像素宽的特征线，其步骤为：

①高斯滤波：用高斯核卷积图像来抑制图像噪声和平滑图像；

②计算梯度幅值和边缘方向图：首先使用梯度算子分别计算出像素点的水平和垂直梯度，然后算出图像梯度幅值图，与此同时，比较像素水平和垂直梯度的大小，确定该像素点的边缘方向，如果水平梯度较大，则认为通过该像素是个垂直方向边缘，反之亦然；

③提取锚点：锚点可以被认为是边缘结束的地方，即在水平和垂直方向特征变化剧烈的像素点，这里选择局部梯度极值作为锚点，通过比较像素点与其相邻像素点的梯度值来判断该像素点是否是锚点，对于一个水平方向的像素点，将其与左右相邻的像素点比较，如果该像素点的梯度值比左右相邻像素梯度值大指定阈值，则认为该像素点为锚点；