[发明专利]一种基于位图图像自适应分割的矢量图生成方法及系统

权利要求书

1.一种基于位图图像自适应分割的矢量图生成方法，其特征在于，包括以下步骤：

S1、采用双边滤波算法对位图图像进行滤波操作，去除图像中的随机噪声干扰；

S2、将位图图像每个像素点设置为一个类别，根据每个像素点的特征将取值相近的像素点合并到一类，从而使得图像形成不同类别的区域，再将面积过小的类别区域进行合并，形成区域分割图像，最后将分割图像中不同区域的像素点赋予此区域的类别编号，获得区域标记图像；

S3、采用优化的边缘模型及提取算法提取各区域边缘，并对边缘线段采用三次贝塞尔曲线进行拟合，确定各区域的边缘曲线；

在步骤S3中，对边缘线段采用三次贝塞尔曲线进行拟合，确定各区域的边缘曲线，包括：

S321、设定拟合结果与输入数据的各点的离差最大阈值，并确定曲线的两端点，使用最小二乘法对数据点进行拟合，获得中间控制点，并以此获得拟合结果曲线；

S322、计算所述拟合结果与输入数据间的各点的离差值，找到最大离差值，若超过预设阈值，则将当前的最大离差值对应的数据点作为断点，将输入数据分为两段曲线，再分别对所述两段曲线做拟合处理；

S323、分别对所述两段曲线的拟合结果重复步骤S322操作，通过不断的插入端点和分段拟合方法，使得拟合结果不断地逼近输入数据，直到拟合结果曲线与输入数据的所有点的离差值均在预设阈值内，拟合结束；

S4、计算所述区域标记图像中每一个类别编号对应的源图像在此区域内的颜色平均值，将此平均值作为当前区域的颜色。

2.根据权利要求1所述的基于位图图像自适应分割的矢量图生成方法，其特征在于，在步骤S1中，双边滤波算法是在高斯滤波器的基础上增加色差权重，保留图像中的边缘信息。

3.根据权利要求1所述的基于位图图像自适应分割的矢量图生成方法，其特征在于，步骤S2还包括：

S21、将图像的每个像素点设为一个类别，并设置所有类的初始类内差异，遍历所有类，计算其与邻近类的类间差异；

S22、遍历所有相邻类，当相邻两类的类间差异小于两类的类内差异时，将两个类合并为一类，并重复此遍历过程，直到所有类都无法合并；

S23、计算所有类的面积值，即类别所包含的像素数，遍历所有类别，当某类的面积值小于预设值时，将该类合并到邻近类间差异最小的类中，直到所有类的面积值均大于或等于预设值；

步骤S24：将图像中每个类别区域通过赋予不同类别编号的方式加以区分，从而获得用于矢量图生成的区域标记图像，每个标记区域代表矢量图的一个图元。

4.根据权利要求1所述的基于位图图像自适应分割的矢量图生成方法，其特征在于，在步骤S3中，采用优化的边缘模型及提取算法，在提取边缘时，将区域的上边缘点和左边缘点以内边缘跟踪的方式进行提取，将区域的下边缘点和右边缘点以外边缘跟踪的方式进行提取，从而保证相邻区域的共有边缘是一致的。

5.根据权利要求1所述的基于位图图像自适应分割的矢量图生成方法，其特征在于，步骤S3中，提取区域边缘包括：

S311、获取每个区域边缘线与其他区域边缘线的交点列表，从区域的第一交点出发，跟踪该区域边缘，直到达到所述区域的第二交点，此为该区域的第一条边缘线段；

S312、从第二个交点为起始点，重复上步中从前一交点到后一交点的跟踪过程，不断的获取该区域的边缘线段，直到满足跟踪结束条件，跟踪结束条件为当再次跟踪到该区域的第一个交点时，获取以此点为起始的边缘线段，如果此线段与第一条边缘线段的相同，跟踪算法结束，否则继续执行跟踪过程。

6.根据权利要求5所述的基于位图图像自适应分割的矢量图生成方法，其特征在于，在数据结构中对邻近区域的共有边缘进行合并标记处理，从而对共有边缘只需进行一次拟合处理，加速处理过程。

7.根据权利要求1所述的基于位图图像自适应分割的矢量图生成方法，其特征在于，步骤S4还包括，分别获取了每个标记区域的边缘曲线线段和颜色值后，生成对应的矢量图像文件。

8.一种基于位图图像自适应分割的矢量图生成系统，其特征在于，包括消噪模块、分割模块、拟合模块及赋色模块，消噪模块连接分割模块，分割模块连接拟合模块，拟合模块连接赋色模块，其中，

消噪模块，用于对位图图像进行滤波操作，去除图像中的随机噪声干扰；

分割模块，用于将位图图像每个像素点设置为一个类别，再根据像素点特征依次合并形成不同的类别区域，最后依据类别的区域面积将面积过小的类别进行合并，再将位图图像中每个类别区域的像素点赋予类别编号，获得区域标记图像；

拟合模块，用于采用优化的边缘模型及提取算法提取各区域边缘，并对区域边缘线段采用三次贝塞尔曲线进行拟合，确定各区域的边缘曲线；

赋色模块，用于计算所述区域标记图像中每一个类别区域对应的源图像在此区域内的颜色平均值，将此平均值作为此类别区域的颜色取值。