專利名稱：：基于卡通片的高質量線結構提取方法
技術領域：
：本發(fā)明屬于圖像處理
技術領域：
，特別涉及到一種基于卡通片的高質量線結構提取方法。技術背景卡通片中的線結構是組成卡通片的最重要的基本元素之一。這些線結構的適用范圍各有不同，從總體上分為兩類區(qū)域分割線結構；裝飾線結構；區(qū)域分割線主要用來作為不同色塊之間的分界，這種線結構兩邊的區(qū)域顏色差異較大，在分割線的法線方向上色彩通常從一種顏色迅速的變?yōu)榱硪环N顏色。裝飾線則廣泛用于動畫片中突出各種動畫造型的特色，這兩種線結構在卡通形象的描述方面有著重要的作用。卡通片中線結構的提取可以為傳統(tǒng)光柵化的卡通片轉化為矢量格式化的卡通片提供重要的支撐。隨著大尺寸屏幕越來越多的進入人們的生活，傳統(tǒng)光柵化的卡通片不但對存儲空間要求較高，而且顯示質量也不能適應屏幕尺寸的增大。傳統(tǒng)的線結構提取主要是基于圖像一階梯度極大值的方法，其中比較經(jīng)典的是JohnCanny于1985年提出的方法，但這些方法雖然在處理分割線的時候效果很好，但在提取裝飾線的過程中會產(chǎn)生雙響應。此外Canny算法所得到的沒有結構的點，而不是一條條有結構的線。線結構提取方面雖然有些成功的先例，如CarstenSteger于1998年提出的"AnUnbiasedDetectorofCurvilinearStructures"Raghupathy等人于2003年對這種方法進行了改進，并提出了"Curvetracinginimages"。但這些方法不能對卡通片中的這兩類線結構同時給出很好的結果。從卡通片的表現(xiàn)內(nèi)容和創(chuàng)作過程來看，矢量格式是卡通片的一種自然的屬性。因此在從卡通片中提取線結構的過程中只要能夠充分利用卡通的特性，就有可能獲得比傳統(tǒng)普適方法更具語義信息的結果，進而為卡通片的矢量化工作提供強有力的支持。
發(fā)明內(nèi)容本發(fā)明需要解決的技術問題，是針對已知技術中傳統(tǒng)的線結構提取不能滿足卡通片中兩類線結構同時都給出好的結果，不能具有語義信息的效果，為了克服這些不足之處，就要開發(fā)一種新的對線結構的提取方法，本發(fā)明的目的就是提供一種基于卡通片的高質量線結構提取方法，在卡通矢量化的過程中如果能得到更加具有語義信息的矢量元素，就能夠有效的減少存儲空間，提高幀間連續(xù)性，提高幀間關聯(lián)的質量。為實現(xiàn)本發(fā)明的目的，我們依靠以下技術方案來實現(xiàn)一種基于卡通片的高質量線結構提取方法，其特征在于該方法包含如下步驟a.圖像預處理為了在消除原始視頻中噪聲的同時盡可能的保護圖像的線條不被破壞，本發(fā)明利用雙線性濾波方法去除圖像噪聲；這種雙線性濾波方法己經(jīng)被證明可以在去除噪聲的同時達到使原圖卡通化的效果，因而非常適合作為本方法的預處理步驟；b.線結構增強本方法利用與二階高斯模板巻積的方法對線結構進行增強，這種方法可以同時對上述兩類線結構取得比較精確的結果；c.通過對增強后的圖片進行非極大值抑制，獲取一個個的線結構上的點；d.線結構獲取本發(fā)明提出了一種獲得高質量連續(xù)性好的線結構的獲取方法，該方法利用貪心方法動態(tài)擴展一些選擇的初始點得到一個個線結構，并在這個過程中給出了一種抑制方向信息噪聲的方法。e.根據(jù)語義信息對結果進行修復雖然該方法能夠對絕大多數(shù)線結構得到很好的結果，但是在某些源信息缺失的區(qū)域仍然有可能產(chǎn)生間斷。這時候可以利用已經(jīng)獲得的結構信息對這種問題進行修復。概括地說，為了解決上述技術問題，本發(fā)明首先對兩種類別的線結構進行建模?；谶@個模型，首先用高斯二階導數(shù)模板對線信息進行強化，用非極大值抑制法得到單響應的線點集，再用貪心算法連接得到有結構線，最后提出了利用全局化的信息改進線結構。在擴展得到線結構的過程中對線結構擴展端點處的方向估計不是簡單的用該點梯度的垂直方向來表示，而是通過對擴展端點附近若干個點的方向信息的加權得到對噪音不敏感的方向信息，離端點越近權值越大。讓二階導數(shù)圖的局部亮度信息和梯度的方向信息分別在全局和局部作為獲取結構線的依據(jù)，這種讓兩個層次的信息分別在全局和局部起作用的方法較傳統(tǒng)的加權形式效果有明顯改進。實驗結果表明本算法可以準確的檢測出卡通圖像的結構化線，而且在連續(xù)性方面的改進非常明顯。本發(fā)明的有益效果為本方法能夠得到更加具有語義信息的矢量無素，對卡通片能夠提高幀間連續(xù)性，提高幀間關聯(lián)的質量。下面結合附圖和具體實施方式對本發(fā)明作進一步詳細的說明圖1為基于卡通片的線結構提取方法流程圖。圖2a-2f為本發(fā)明中對兩類線結構建立的模型及其增強函數(shù)。圖3為本發(fā)明中線結構獲取(連接線點)詳細流程的主過程。圖4為本發(fā)明中線結構獲取詳細流程中的Tracing子過程。圖5a、5b為利用語義信息進行進一步修改的示意圖。具體實施方式參照圖l，表示基于卡通片的線結構提取方法流程圖，圖中表示的步驟為a.圖像預處理為了在消除原始視頻中噪聲的同時盡可能的保護圖像的線條不被破壞，本發(fā)明利用雙線性濾波方法去除圖像噪聲；這種雙線性濾波方法已經(jīng)被證明可以在去除噪聲的同時達到使原圖卡通化的效果，因而非常適合作為本方法的預處理步驟；b.線結構增強本方法利用與二階高斯模板巻積的方法對線結構進行增強，這種方法可以同時對上述兩類線結構取得比較精確的結果；C.通過對增強后的圖片進行非極大值抑制，獲取一個個的線結構上的點；d.線結構獲取本方法利用最好最優(yōu)先的思想，首先選擇響應最大的點開始，沿著與梯度方向垂直的方向進行搜索，把原來孤立的點串成線結構。在選擇那個點將被串進來的過程中，我們尋找當前線結構端點附近和已經(jīng)求的與線方向一致性最好的點加入該線結構。在線結構擴展起始和終止的判斷中，采用滯回比較方法得到連續(xù)性較好的結果。在擴展得到線結構的過程中對線結構擴展端點處的方向估計不是簡單的用該點梯度的垂直方向來表示，而是通過對擴展端點附近若干個點的方向信息的加權得到對噪音不敏感的方向信息，離端點越近權值越大；e.根據(jù)語義信息對結果進行修復、擴展:對已經(jīng)得到的線結構，如果存在兩條匹配很好的線，雖它們之間的間隙在點級別是比較大的，但是在線的級別還是可以認為是一條線的，這種情況下就可以把這兩個線連在一起，提高檢測結果的質量。原始輸入視頻首先經(jīng)過一個迭代的雙線性濾波過程來抑制噪音。接著用二次Gaussian模板對線條信息增強，并用非極大值抑制方式的到無結構的線條信息。最后用這些無結構的線條點組成結構化的線條。參照圖2，表示對兩種線條的模型及其于高斯導數(shù)模板增強的結果。從圖2a-圖2f對比中可以看出，對于兩種線結構區(qū)域分割線結構(圖2a)、裝飾線結構(圖2b)，二階高斯巻積模板的結果(圖2e和圖2f中極大值的位置)距離真實的線位置(圖2a中突變位置和圖2b中最低點)比一階Gaussian模板得到的結果(圖2c和圖2d更加接近真實位置)。這主要是因為通常情況下分割線灰度變化區(qū)域的寬度遠小于裝飾線，所以用二階導數(shù)檢測到的位置誤差會非常小。此外，這種誤差總是使得檢測結果偏向于較暗的一側。這種偏差的可預知性也使得它有可能在將來的工作中被移除。通過對大量實驗數(shù)據(jù)的觀察，我們發(fā)線決定一個點是不是線點的主要因素有兩個特點，一個是該點處響應在局部區(qū)域內(nèi)的相對值，另一個是該點處梯度的方向。前者在更加全局的層面比較重要，后者在局部比較重要。這兩個特點分開在不同級別的層次上考慮優(yōu)于傳統(tǒng)的加權方式的效果。獲取線條點集過程中的非極大值抑制就是利用了第一個特點。圖3給出了線結構獲取詳細流程中的過程。該流程圖詳細的描述了圖1中線結構獲取的子過程。具體過程在圖1的描述"d.線結構獲取"已在圖1中詳細敘述。圖4給出了線結構獲取詳細流程中的Tracing子過程。該過程詳細的描述了如何判斷擴展終止和如何更新擴展點的方向信息(這種用擴展點附近以獲取的線點處的方向加權的形式較傳統(tǒng)方法對噪音更"魯棒")。表l給出了本專利提供方法的效果和傳統(tǒng)方法在產(chǎn)生的線條數(shù)方面的對比，從比較中可知我們的測試中可以看出本方法獲得的線結構表達同一副卡通圖片需要的線條數(shù)更少，因而更利于矢量化。<table>tableseeoriginaldocumentpage6</column></row><table>表1:本算法與Steger算法產(chǎn)生的線條數(shù)比較圖5a、5b給出了用線結構的語義信息修補信息確實區(qū)域的示意圖。雖然有些線之間的間隔在點級別看來是過大不能直接進行擴展(圖5a)，在這個級別如果這么大的間隔也可以擴展的話就會引入非常多的噪聲點，但是基于己經(jīng)得到的語義信息，我們可以對這些信息缺失的區(qū)域進行修復(圖5b)，這樣使得基于局部點不能處理的相對較大的間斷(圖5a中的兩段線結構在語義上應屬于同一個，但是基于局部信息并不能判斷出來)也可以被連接(圖5b為修復的結果，原來的兩條短線被連接成一條長線。只對那些相對線長度較小的間隔進行處理)。權利要求1.一種基于卡通片的高質量線結構提取方法，其特征在于該方法包含如下步驟a.圖像預處理為了在消除原始視頻中噪聲的同時盡可能的保護圖像的線條不被破壞，本發(fā)明利用雙線性濾波方法去除圖像噪聲；b.線結構增強本方法利用與二階高斯模板卷積的方法對線結構進行增強；c.通過對增強后的圖片進行非極大值抑制，獲取線結構上的點；d.線結構獲取利用貪心方法動態(tài)擴展一些選擇的初始點得到線結構，并在這個過程中給出一種抑制方向信息噪聲的方法；e.根據(jù)語義信息對結果進行修復。2.根據(jù)權利要求1所述的基于卡通片的高質量線結構提取方法，其特征在于用高斯二階導數(shù)模板對線信息進行強化，用非極大值抑制法得到單響應的線點集。3.根據(jù)權利要求1所述的基于卡通片的高質量線結構提取方法，其特征在于用貪心算法連接得到有結構線，最后提出了利用全局化的信息改進線結構。4.根據(jù)權利要求1所述的基于卡通片的高質量線結構提取方法，其特征在于在擴展得到線結構的過程中對線結構擴展端點處的方向估計不是簡單的用該點梯度的垂直方向來表示，而是通過對擴展端點附近若干個點的方向信息的加權得到對噪音不敏感的方向信息，離端點越近權值越大。全文摘要基于卡通片的高質量線結構提取方法，屬于圖像處理
技術領域：
，該方法包含如下步驟a.圖像預處理利用雙線性濾波方法去除圖像噪聲；b.線結構增強通過與二階高斯模板卷積的方法對線結構進行增強；c.通過對增強后的圖片進行非極大值抑制，獲取一個個孤立的線點；d.線結構獲取利用最好最優(yōu)先的思想，選擇響應最大的點作為初始擴展點并向兩邊擴展以得到一條條的線結構；e.根據(jù)語義信息對結果進行修復。本方法能夠得到更加具有語義信息的矢量無素，在卡通片矢量化的過程中能夠提高幀間連續(xù)性和幀間關聯(lián)的質量。文檔編號G06T13/00GK101276477SQ20081010666公開日2008年10月1日申請日期2008年5月14日優(yōu)先權日2008年5月14日發(fā)明者張松海,程明明,胡事民,韜陳申請人:清華大學