專利名稱：一種基于圖像處理中的主紋理提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及數(shù)字家庭技術(shù)領(lǐng)域，具體涉及一種基于圖像處理中的主紋理提取方法。
背景技術(shù)：
紋理是一種普遍存在的視覺現(xiàn)象，可用來增強圖像的真實感，在計算機圖形學(xué)等領(lǐng)域有著廣泛的應(yīng)用，如根據(jù)樣本紋理合成大紋理、矢量可視化以及地理信息系統(tǒng)等。一般認為，紋理是由一些重復(fù)性的特征單元構(gòu)成的，但這些單元在色彩分布以及尺寸大小上具有一定的隨機性。由于紋理大多從自然現(xiàn)象中采集，往往會帶有一些雜質(zhì)內(nèi)容，會嚴重影響紋理使用的效率。為此，需要從圖像樣本中將適于紋理計算的部分提取處理，剔除雜質(zhì)，即進行紋理提取。
紋理的合成及分析是近幾年圖形圖像領(lǐng)域的研究熱點之一，其中基于樣本的紋理合成技術(shù)可根據(jù)較小的樣本紋理生成視覺上相似的大紋理，以有效地重用光照信息，提高繪制效率，應(yīng)用廣泛。將圖像中的主紋理提取出來對生成高質(zhì)量的紋理是很重要的。主紋理的提取早期多是由用戶人工完成的，即由人工交互地在樣本中選取符合紋理特征的圖像，或是在圖像中裁剪出適于合成的部分。1999年，Markov概率模型被引入到紋理合成中，基于樣本的紋理合成技術(shù)取得了長足的發(fā)展。2009年，Lu等提出了一種基于擴散距離流行的主紋理探測方法，可實現(xiàn)主紋理的自動提取。一些傳統(tǒng)的圖像分析方法，如圖像分割方法也可以用來進行主紋理的提取。早期由人工的方法進行交互的在樣本中選取符合紋理特征的圖像或者是在圖像中裁剪出適于合成的部分，這樣的操作雖然有效，但是費時費力極不方便。基于樣本的紋理合成里，引入Markov模型，則紋理中任一位置的色彩是由其局部有限鄰域的情況決定的，根據(jù)鄰域情況就能逐步擴展以完成目標紋理的生成。該方法的缺點在于如果樣本紋理不符合Markov概率模型的特征，將很難根據(jù)該模型生成高質(zhì)量的紋理。因此,樣本的質(zhì)量成為了制約紋理合成質(zhì)量的一個重要因素。Lu的方法是跟據(jù)圖像中主紋元同主紋元之間的距離較主紋元同異常點之間的距離更為緊密，因此可利用擴散距離流行來探測圖像中的主紋理。通過對圖像中某一尺寸下所有的紋理塊進行分析，建立擴散距離流形，并基于流形分析找到低維部分作為主紋理。這種方法計算過程繁復(fù)，非常耗時，對于一幅只有約10000個像素的圖像，該方法僅建立流形和分析就需要15分鐘。傳統(tǒng)的圖像分割方法可以將圖像中得不同部分劃分開來，由此可以把主紋理提取出來。但是這樣的處理往往會將一些較小的異常點包含到主紋理中，而主紋理也往往會被切割成若干個獨立的部分，嚴重影響主紋理提取的質(zhì)量
發(fā)明內(nèi)容
本發(fā)明的目的是現(xiàn)有圖像處理中的缺陷，通過基于圖像處理中的主紋理提取，避免影響到住文筆提取的質(zhì)量。本發(fā)明提供一種基于圖像處理中的主紋理提取方法，包括對原圖形進行預(yù)處理，將原圖像轉(zhuǎn)換到HIS顏色空間進行表示；進行直方圖分析，以不同尺寸下得均勻網(wǎng)格對圖像進行劃分，統(tǒng)計各個尺寸下紋理塊的顏色直方圖；提取出主紋理掩碼圖，綜合分析各直方圖的結(jié)果來生成主紋理的掩碼圖，進而確定主紋理； 合成紋理結(jié)果，合成所需要的大紋理。所述提取出主紋理掩碼圖包括采用32階的直方圖來提取圖像的主紋理掩碼圖。 所述合成紋理結(jié)果包括根據(jù)求得的主紋理掩碼圖，逐塊計算原圖形，求得主紋理圖像。以上技術(shù)可以看出，本發(fā)明的算法通過對圖像進行分析，提取出其中適于進行合成的主要部分，即主紋理，從而可以方便的生成高質(zhì)量的合成結(jié)果。


為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其它的附圖。圖I是本發(fā)明實施例中的基于圖像處理中的主紋理提取方法流程圖；圖2是本發(fā)明實施例中的不同階直方圖統(tǒng)計此較示意圖。
具體實施例方式下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其它實施例，都屬于本發(fā)明保護的范圍。圖像的主紋理中往往存在著一些重復(fù)出現(xiàn)的紋理單元。由于主紋理在圖像中通常占據(jù)著更大的面積，因此其紋理塊重復(fù)出現(xiàn)的次數(shù)也較雜質(zhì)部分更多。由此，主紋理中紋理塊的色彩在顏色直方圖中通常具有更高的值，且其分布也較為集中。如果將紋理塊用其平均顏色值作為代表生成顏色直方圖，那么位于峰值附近的色彩所對應(yīng)的紋理塊屬于主紋理有較高的概率。圖I示出了本發(fā)明實施中的基于圖像處理中的主紋理提取方法流程圖，包括如下步驟SlOl :對原圖形進行預(yù)處理，將原圖像轉(zhuǎn)換到HIS顏色空間進行表示；S012 :進行直方圖分析，以不同尺寸下得均勻網(wǎng)格對圖像進行劃分，統(tǒng)計各個尺寸下紋理塊的顏色直方圖；S103 :提取出主紋理掩碼圖，綜合分析各直方圖的結(jié)果來生成主紋理的掩碼圖，進而確定主紋理；S104 :合成紋理結(jié)果，合成所需要的大紋理。其中HIS顏色空間及分量選擇圖像中主紋理與雜質(zhì)的區(qū)別會體現(xiàn)在多個方面，并不一定僅體現(xiàn)在亮度差異上，最常用的直方圖是由圖像亮度所生成的灰度直方圖。為使主紋理提取更符合人眼的視覺感知，本文采用視覺領(lǐng)域應(yīng)用廣泛的HIS顏色模型對圖像進行分析。在Matlab 中通過一個轉(zhuǎn)換矩陣 T = [I/sqrt (3) I/sqrt (3) I/sqrt (3) ；-sqrt (2) /6-sqrt(2)/6-sqrt(2)/6 ; 1/sqrt (2)-1/sqrt (2) 0]，將圖像由 RGB 空間轉(zhuǎn)換到 HIS 空間。通過大量的實驗分析我們發(fā)現(xiàn)，只采用H分量和I分量就足以完成主紋理的提取。它們分別有利于一部分圖像的主紋理提取，而不利于另一部分的圖像，但所有圖像總能用 其中的一個分量進行高效的主紋理提取。一般說來，如果主紋理同雜質(zhì)部分在某一分量上具有較高的區(qū)分度，那么它在不同尺寸的網(wǎng)格劃分情況下均可體現(xiàn)出這種差別。對應(yīng)到直方圖中，不同劃分尺寸對應(yīng)的直方圖的分布情況會趨于一致。相反地，如果主紋理同雜質(zhì)在某一分量上相似度較高，沒有明顯的差別，那么該分量不適于用作主紋理提取。對應(yīng)到直方圖中，該分量在不同網(wǎng)格劃分情況下分布情況也會具有較大差別。因此，本專利計算同一分量的各直方圖間的平均差值和，選取差值和較小的分量作為主紋理提取的依據(jù)。多尺度網(wǎng)格劃分及直方圖分析給定一幅圖像I，用MXN的均勻網(wǎng)格對其進行劃分，生成一系列大小相同的紋理塊。將計算劃分出的每個紋理塊的平均像素值作為該紋理塊的代表顏色，并統(tǒng)計這些紋理塊代表顏色的灰度級直方圖HistMXN(c)。已知在生成的直方圖中，屬于主紋理的紋理塊的色彩具有較高的頻度，應(yīng)處于直方圖中具有較高值的部分且較為集中。因此可以選取直方圖中峰值附近的部分作為主紋理的備選區(qū)域(Cmain)MXN。(Cmain)MXN中的顏色需要滿足以下3個條件I)直方圖的峰值處于該集合中，即Cmax e (Cmain)MXN，HistMXN(cmax)=max(HistMXN(c)，其中c_為直方圖中頻度值最高的顏色；2)相此于非該集合中的色彩，該集合中的所有色彩在直方圖中距離Cmax更近，即該集合中的顏色處于一個集中區(qū)域，且較均衡地分布在峰值兩側(cè)；3)該集合中色彩的像素在圖像中的總數(shù)要大于圖像中所有像素個數(shù)的α倍，α通常為O. 7左右。在確定了主紋理備選區(qū)域的顏色之后，只需將這些色彩對應(yīng)到原圖像對應(yīng)的紋理塊中，即可獲得主紋理備選區(qū)域?qū)?yīng)的掩碼圖。在考察了多種劃分的情況后，統(tǒng)計出哪些像素在大多數(shù)情況下被歸于主紋理備選區(qū)域，然后就以這些像素所在區(qū)域作為提取的主紋理。本發(fā)明算法選取70%作為評價標準，即如果以6種不同尺寸對圖像進行劃分的話，那么同時在4個或以上的劃分中屬于主紋理備選區(qū)域的像素即可最終作為主紋理。多階直方圖分析及主紋理掩碼圖提取在直方圖統(tǒng)計中，圖像中的一些雜質(zhì)點的色彩值也可能具有較為集中的特點，但它們一般會形成較為尖銳的部分。如圖2所示，其256階的直方圖中有較多的尖銳情況，為了消除這些雜質(zhì)點的影響，可在直方圖分析時采用多分辨率的形式。即先在較低階的直方圖中進行分析，以消除個別雜質(zhì)點所造成的尖銳信息。在基本確定主紋理區(qū)域之后，再進一步在較高階的直方圖中對該區(qū)域進行分析，以更準確地找出主紋理的像素值所在的區(qū)域。通過實驗發(fā)現(xiàn)，一般選擇32階和256階2種不同的直方圖分辨率就基本可以有效地提取主紋理，既能消除雜質(zhì)信息的干擾，又能準確定位主紋理。圖2所示為一個不同階直方圖統(tǒng)計的此較，其中從左至右分別是原圖像以及16、32、64、128和256階的直方圖。從圖中觀察可見，高階的直方圖中有較多的尖銳信息，這往往是由圖像中的雜質(zhì)像素帶來的；而階數(shù)較低時圖像的某些重要特征又有可能喪失，例如在16階直方圖中，直方圖最高點的左側(cè)部分已經(jīng)消失了，產(chǎn)生了較大的誤差。通過實驗發(fā)現(xiàn)，32階是一個此較理想的選擇，既能消除掉尖銳信息，又不至于產(chǎn)生較大的誤差。因此采用32階的直方圖來提取圖像的主紋理掩碼圖。合成大紋理根據(jù)求得的主紋理掩碼圖，逐塊計算原圖像，求得主紋理圖像。將主紋理圖像復(fù)制 擴展，即可得到所需的大紋理圖像。本發(fā)明實施例首先將原圖像轉(zhuǎn)化到HIS顏色空間進行表示；之后以不同尺寸的均勻網(wǎng)格對圖像進行劃分，統(tǒng)計各尺寸下紋理塊的顏色直方圖。由于在每個直方圖中處于集中區(qū)域的紋理塊有較大的概率屬于主紋理，因此可通過綜合分析各直方圖的結(jié)果來生成主紋理的掩碼圖，進而確定主紋理。本發(fā)明提出了一種簡捷的主紋理提取方法，可快速有效地提取出圖像中的主紋理。該方法主要是基于HIS顏色模型對圖像色彩進行直方圖的統(tǒng)計表達，以反映人眼的視覺感知，并依據(jù)主紋理一般在樣本圖像中占據(jù)大部分區(qū)域的特點，可基于簡便的統(tǒng)計分析進行主紋理的提取。與目前已知最好的方法相此，本文方法可將速度提高4個數(shù)量級，能在一般微機上用少于Is的時間處理一幅樣本圖像，且其提取的主紋理與已有工作相當，能生成高質(zhì)量的大紋理。本領(lǐng)域普通技術(shù)人員可以理解上述實施例的各種方法中的全部或部分步驟是可以通過程序來指令相關(guān)的硬件來完成，該程序可以存儲于一計算機可讀存儲介質(zhì)中，存儲介質(zhì)可以包括只讀存儲器(ROM, Read Only Memory)、隨機存取存儲器(RAM, RandomAccessMemory)、磁盤或光盤等。以上對本發(fā)明實施例所提供的基于圖像處理中的主紋理提取方法進行了詳細介紹，本文中應(yīng)用了具體個例對本發(fā)明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實施方式
及應(yīng)用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。
權(quán)利要求
1.一種基于圖像處理中的主紋理提取方法，其特征在于，所述方法包括 對原圖形進行預(yù)處理，將原圖像轉(zhuǎn)換到His顏色空間進行表示； 進行直方圖分析，以不同尺寸下得均勻網(wǎng)格對圖像進行劃分，統(tǒng)計各個尺寸下紋理塊的顏色直方圖； 提取出主紋理掩碼圖，綜合分析各直方圖的結(jié)果來生成主紋理的掩碼圖，進而確定主紋理； 合成紋理結(jié)果，合成所需要的大紋理。
2.如權(quán)利要求I所述的基于圖像處理中的主紋理提取方法，其特征在于，所述提取出主紋理掩碼圖包括 采用32階的直方圖來提取圖像的主紋理掩碼圖。
3.如權(quán)利要求I所述的基于圖像處理中的主紋理提取方法，其特征在于，所述合成紋理結(jié)果包括 根據(jù)求得的主紋理掩碼圖，逐塊計算原圖形，求得主紋理圖像。
全文摘要
本發(fā)明公開了一種基于圖像處理中的主紋理提取方法，所述方法包括對原圖形進行預(yù)處理，將原圖像轉(zhuǎn)換到HIS顏色空間進行表示；進行直方圖分析，以不同尺寸下得均勻網(wǎng)格對圖像進行劃分，統(tǒng)計各個尺寸下紋理塊的顏色直方圖；提取出主紋理掩碼圖，綜合分析各直方圖的結(jié)果來生成主紋理的掩碼圖，進而確定主紋理；合成紋理結(jié)果，合成所需要的大紋理。本發(fā)明通過對圖像進行分析，提取出其中適于進行合成的主要部分，即主紋理，從而可以方便的生成高質(zhì)量的合成結(jié)果。
文檔編號G06K9/46GK102779277SQ201210189619
公開日2012年11月14日 申請日期2012年6月8日 優(yōu)先權(quán)日2012年6月8日
發(fā)明者孟思明, 彭曉翠, 羅笑南 申請人:中山大學(xué)