[发明专利]基于非对称逆布局模式表示模型的图像几何矩处理方法

摘要

本发明公开了基于非对称逆布局模式表示模型的图像几何矩处理方法，利用扩展的Gouraud阴影法和矩形非对称逆布局模型方法，将灰度图像f分割为互不重叠的同类块；再对所有同类块进行编码，获取其颜色表P和坐标表Q。然后将编码结果进行解码，即可获得互不重叠的所有同类块的信息，再根据本发明提出的定理1和定理2计算图像的低阶几何矩。与现有技术相比，本发明在保证图像质量的前提下，具有更快处理速度。

主权项

1.基于非对称逆布局模式表示模型的图像几何矩处理方法，其特征在于，包括以下步骤：(1)定义大小为M×N矩阵变量R，所有元素赋值为0，其中M和N均为自然数；所述矩阵变量R的大小与待处理的灰度图像矩阵f相等；定义同类块计数变量i，令i＝0；(2)定义同类块为满足下述条件的矩形块：该矩形块内所有像素的灰度值g(x，y)均满足条件|g(x，y)-g_est(x，y)|≤ε；其中，ε为用户设定的误差允许量；g_est(x，y)表示该矩形块中坐标(x，y)处的近似灰度值，g_est(x，y)的计算方法如下：设(x₁，y₁)、(x₂，y₂)分别为该矩形块左上角和右下角的坐标值，x₁≤x≤x₂，y₁≤y≤y₂；如果x₁＜x₂且y₁＜y₂，则g_est(x，y)＝g₅+(g₆-g₅)×i₁；如果x₁≠x₂且y₁＝y₂，则g_est(x，y)＝g₁+(g₄-g₁)×[(x-x₁)/(x₂-x₁)]；如果x₁＝x₂且y₁≠y₂，则g_est(x，y)＝g₁+(g₄-g₁)×[(y-y₁)/(y₂-y₁)]；如果x₁＝x₂且y₁＝y₂，则g_est(x，y)＝g₁；其中g₁、g₂、g₃、g₄分别为该矩形块的左上角、右下角、左下角、右上角的灰度值；g₅＝g₁+(g₂-g₁)×i₂，g₆＝g₃+(g₄-g₃)×i₂，i₁＝(y-y₁)/(y₂-y₁)，i₂＝(x-x₁)/(x₂-x₁)；(3)按光栅扫描的顺序确定灰度图像矩阵f中的一个未被标识的矩形块的起始点(x₁，y₁)，根据该起始点和给定的误差允许量ε确定一个面积最大的同类块H，并将同类块H在灰度图像f中作标识；(4)记录同类块H的参数，即：左上角的坐标(x₁，y₁)、右下角的坐标(x₂，y₂)、左上角灰度值g₁、右下角灰度值g₂、左下角灰度值g₃、右上角灰度值g₄；令i＝i+1；(5)根据坐标(x₁，y₁)和(x₂，y₂)的位置关系，将同类块H的参数存储到一个颜色表P中；(6)重复步骤(3)～(5)直到灰度图像矩阵f中的同类块均被标识完毕；(7)输出颜色表P；(8)对矩阵变量R中所有非零元素的坐标进行编码，并将矩阵变量R的所有行的行编码表顺序连接，存储到坐标表Q中；(9)输出坐标表Q；(10)设待计算的低阶几何矩的阶p和q，其中0≤p+q≤3；同时令同类块计数变量i＝0；(11)根据坐标表Q进行解码，重建大小为M×N的矩阵变量R；(12)根据颜色表P，计算出同类块的总数num；(13)令i＝i+1；根据P{i}，获取第i个同类块B_i的左上角灰度值g_1i、右下角灰度值g_2i、左下角灰度值g_3i、右上角灰度值g_4i；(14)根据坐标(x₁，y₁)和(x₂，y₂)的位置关系，按步骤(2)所述的g_est(x，y)的计算方法计算第i个同类块各点的g_est(x，y)；(15)计算第i个同类块B_i的低阶几何矩m_pqi：设第i个同类块B_i的左上和右下角的坐标分别为(x_1i，y_1i)和(x_2i，y_2i)，则B_i的长表示为：W_i＝x_2i-x_1i+1，宽表示为H_i＝y_2i-y_1i+1；mpqi=Σx=0Wi-1Σy=0Hi-1xpyqgest(x+x1i,y+y1i)+Cq1y1iΣx=0Wi-1Σy=0Hi-1xpyq-1gest(x+x1i,y+y1i)+...+]]>y1iqΣx=0Wi-1Σy=0Hi-1xpgest(x+x1i,y+y1i)+Cp1x1iΣx=0Wi-1Σy=0Hi-1xp-1yqgest(x+x1i,y+y1i)+]]>Cq1Cp1x1iy1iΣx=0Wi-1Σy=0Hi-1xp-1yq-1gest(x+x1i,y+y1i)+...+]]>Cp1x1iy1iqΣx=0Wi-1Σy=0Hi-1xp-1gest(x+x1i,y+y1i)+...+x1ipΣx=0Wi-1Σy=0Hi-1yqgest(x+x1i,y+y1i)+]]>Cq1x1ipy1iΣx=0Wi-1Σy=0Hi-1yq-1gest(x+x1i,y+y1i)+...+x1ipy1iqΣx=0Wi-1Σy=0Hi-1gest(x+x1i,y+y1i)]]>其中Cp1=1(p-1)!,]]>Cq1=1(q-1)!;]]>Tpqi=Σx=0Wi-1Σy=0Hi-1xpyqgest(x+x1i,y+y1i)]]>按以下方法计算：当x_1i＜x_2i且y_1i＜y_2i，则T_pqi＝g_1ig(W_i，p)g(H_i，q)+Ag(W_i，p+1)g(H_i，q)+Bg(W_i，p)g(H_i，q+1)+...+                                                                           (1)    Cg(W_i，p+1)g(H_i，q+1)当x_1i≠x_2i且y_1i＝y_2i，则T_pqi＝g_1ig(W_i，p)g(H_i，q)+Ag(W_i，p+1)g(H_i，q)                              (2)当x_1i＝x_2i且y_1i≠y_2i，则T_pqi＝g_1ig(W_i，p)g(H_i，q)+Bg(W_i，p)g(H_i，q+1)                     (3)当x_1i＝x_2i且y_1i＝y_2i，则T_pqi＝f_1ig(W_i，p)g(H_i，q)                                         (4)上述式(1)～(4)中，A＝(g_2i-g_1i)/(W_i-1)，B＝(g_3i-g_1i)/(H_i-1)，C＝(g_1i-g_2i-g_3i+g_4i)/((W_i-1)(H_i-1))；g(Wi,0)=Σx=0Wi-1x0=Wi,]]>g(Hi,0)=Σx=0Hi-1x0=Hi,]]>g(Wi,1)=Σx=0Wi-1x1=Wi(Wi-1)2,]]>g(Hi,1)=Σx=0Hi-1x1=Hi(Hi-1)2]]>g(Wi,2)=Σx=0Wi-1x2=Wi(Wi-1)(2Wi-1)6,]]>g(Hi,2)=Σx=0Hi-1x2=Hi(Hi-1)(2Hi-1)6,]]>g(Wi,3)=Σx=0Wi-1x3=Wi2(Wi-1)24,]]>g(Hi,3)=Σx=0Hi-1x3=Hi2(Hi-1)24,]]>g(Wi,4)=Σx=0Wi-1x4=Wi(Wi-1)(2Wi-1)(3Wi2-3Wi-1)30,]]>g(Hi,4)=Σx=0Hi-1x4=Hi(Hi-1)(2Hi-1)(3Hi2-3Hi-1)30;]]>(16)若i＜num，重复步骤(13)～(16)，否则，进行步骤(17)；(17)输出图像的低阶几何矩