本發(fā)明涉及一種圖像上疊加文本的方法，特別是一種用于windows系統(tǒng)的圖像疊加文本的方法。

技術(shù)背景

圖像和文本是多媒體信息系統(tǒng)中經(jīng)常被融合的兩類數(shù)據(jù)。主要融合形式是將文本疊加在圖像或視頻上顯示，例如電影的字幕、多媒體視頻會(huì)議系統(tǒng)的會(huì)議語(yǔ)音轉(zhuǎn)換成文本的同步顯示。除了某些播放器，例如windows上自帶的視頻播放器有視頻圖像窗口下方的字幕窗口，專門用于顯示文本。多數(shù)應(yīng)用的文本疊加一般指文本信息直接在圖像區(qū)域上顯示，例如愛(ài)奇藝等視頻網(wǎng)站的彈幕等功能。

有關(guān)文本和圖像融合的反問(wèn)題——視頻或自然圖像中的文本提取被研究得比較多。例如專利cn100515048c、cn100593792c提供圖像、視頻中檢測(cè)文本的方法。關(guān)于文本疊加在圖像上的技術(shù)的相關(guān)專利則更多，茲介紹如下。

申請(qǐng)?zhí)枮?012100494981發(fā)明名稱為“一種在yuv圖像上疊加文字的方法”的中國(guó)專利，通過(guò)字符矢量體圖像疊加在y分量上，需要計(jì)算文字的輪廓。申請(qǐng)?zhí)枮?00820048755的中國(guó)專利是關(guān)于gps系統(tǒng)如何把車速、時(shí)間、地點(diǎn)等行駛記錄文本信息疊加在視頻上的，但未披露其中與文本疊加直接相關(guān)的系統(tǒng)子模塊的工作原理細(xì)節(jié)。公開(kāi)號(hào)為101309390b的中國(guó)專利介紹了一種視頻會(huì)議系統(tǒng)，能將與會(huì)者發(fā)言語(yǔ)音實(shí)時(shí)轉(zhuǎn)換成文字并同步到與會(huì)者的屏幕視頻上。它重點(diǎn)闡述了字符的生成、傳輸和控制，以及將文本直接疊加在視頻上編碼生成視訊碼流，沒(méi)有進(jìn)一步闡述如何疊加在視頻圖像上的工作機(jī)制。但在該專利中涉及介紹現(xiàn)有解決方案的不足，例如美國(guó)專利5774857使用將文本信號(hào)調(diào)制到視頻基帶信號(hào)輸入到電視進(jìn)行顯示。公開(kāi)號(hào)為101600038b的中國(guó)專利披露了一種圖像疊加的原理，是基于其中一幅固定圖像生成其對(duì)應(yīng)的掩模來(lái)實(shí)現(xiàn)疊加的。公開(kāi)號(hào)為102708204b的中國(guó)專利也是關(guān)于圖像疊加的，由于處理的都是矢量圖形，將需要疊加的圖像預(yù)作透明化處理，疊加的方式使用正則化加權(quán)求和原理。美國(guó)專利ep0805600a2披露了一種在圖像或視頻壓縮域進(jìn)行文本疊加的方法，并且在該專利文檔中回顧了歷史上存在的幾類文本疊加技術(shù)。第一類是模擬技術(shù)，分為帶外、帶內(nèi)方式，疊加的實(shí)現(xiàn)也分為終端相關(guān)或終端無(wú)關(guān)。第二類在數(shù)字視訊系統(tǒng)中由mcu(即視訊系統(tǒng)中的多點(diǎn)控制單元)控制文本的傳輸并在終端顯示。還有一類方式將音視頻流模擬化，例如轉(zhuǎn)成ntsc（ntsc是一種模擬電視制式）格式，在模擬域進(jìn)行文本疊加，然后再進(jìn)行數(shù)字化后傳輸，這一類方式也是終端無(wú)關(guān)的。

小結(jié)各個(gè)技術(shù)大體上要么使用模擬信號(hào)混合實(shí)現(xiàn)文本疊加；要么使用數(shù)據(jù)修改方式（例如申請(qǐng)?zhí)枮?012100494981的中國(guó)專利、公開(kāi)號(hào)為102708204b的中國(guó)專利），該技術(shù)又分為2類，前者使用掩模方式，后者使用透明化圖像的加權(quán)疊加方式。其他的在壓縮域的文本疊加方式，則是一種系統(tǒng)化解決方案，因?yàn)樵谝曨l壓縮碼流里含有文本信息的支持集成機(jī)制的。

本案實(shí)現(xiàn)的方式和公開(kāi)號(hào)為101005609a的中國(guó)專利有點(diǎn)相似，但又有顯著的不同。公開(kāi)號(hào)為101005609a的中國(guó)專利使用flash透明窗口覆蓋底層窗口的形式實(shí)現(xiàn)了圖像疊加，該專利說(shuō)明了其顯示模塊的2個(gè)特征：1）置于動(dòng)畫窗口上大小與其一致；2）動(dòng)態(tài)掛件窗口的透明部分顯示動(dòng)畫視頻。在該說(shuō)明書中也描述了顯示模塊根據(jù)每個(gè)像素標(biāo)注的“顯示/不顯示”屬性來(lái)實(shí)現(xiàn)透明化機(jī)制的。

可見(jiàn)總體來(lái)說(shuō)，圖像上疊加文字的方法分為模擬方法和數(shù)字方法。模擬方法在使用上系統(tǒng)過(guò)于復(fù)雜、以及和數(shù)字系統(tǒng)的兼容性差。數(shù)字方法中在圖像壓縮域進(jìn)行碼流上疊加的方法適用性比較有限；而使用圖像正則化加權(quán)求和對(duì)文字疊加明顯不適用；其余的數(shù)字化方法幾乎本質(zhì)上都使用掩模，這個(gè)方法需要預(yù)存、或?qū)崟r(shí)計(jì)算掩模二值圖，計(jì)算成本較高。本案提供了一種實(shí)現(xiàn)原理簡(jiǎn)單、計(jì)算成本低、應(yīng)用方式靈活的圖像疊加文字的方法。

技術(shù)實(shí)現(xiàn)要素：

為解決現(xiàn)有技術(shù)的不足，提供一種用于windows系統(tǒng)的圖像疊加文本的方法，這種方法基于成熟的windows操作系統(tǒng)，應(yīng)用范圍廣，設(shè)計(jì)合理。

為實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

一種用于windows系統(tǒng)的圖像疊加文本的方法，包括以下步驟：

步驟一：將需要疊加文字的圖像自適應(yīng)地打開(kāi)顯示：先創(chuàng)建顯示圖像的窗口a，然后打開(kāi)圖像文件，將圖像數(shù)據(jù)自適應(yīng)地渲染在窗口a上；

步驟二：創(chuàng)建窗口b，其大小與窗口a一致，并使用setlayeredwindowattributes函數(shù)將窗口b設(shè)置成全透明形式，將窗口b顯示的位置與窗口a等同，以實(shí)現(xiàn)覆蓋窗口a；

步驟三：將需要編輯的文字寫成字符串，并確定需要編輯的位置；在窗口b的指定位置顯示該字符串；

步驟四：將窗口b客戶區(qū)內(nèi)的內(nèi)容使用錄屏方式拷貝，并將拷貝內(nèi)容轉(zhuǎn)成圖像保存。

上述步驟四中拷貝窗口b客戶區(qū)的內(nèi)容的方式為：

1）自動(dòng)觸發(fā)標(biāo)準(zhǔn)鍵盤的按鍵事件；

2）獲取粘貼板拷貝的全屏圖像數(shù)據(jù)；

3）根據(jù)窗口b的屏幕位置以及它的客戶區(qū)范圍大小計(jì)算出它的客戶區(qū)在屏幕的位置以及范圍大小，從全屏圖像數(shù)據(jù)中截取客戶區(qū)的圖像數(shù)據(jù)；

4）將這部分?jǐn)?shù)據(jù)單獨(dú)保存為圖像文件。

如前面專利綜述所述最常見(jiàn)的文字疊加于圖像的實(shí)現(xiàn)方式是修正圖像的數(shù)據(jù)，而修正方式是基于字符的掩模圖像的，而掩模圖像要么是預(yù)先設(shè)計(jì)存儲(chǔ)的，要么根據(jù)字符矢量特征進(jìn)行實(shí)時(shí)生成。所謂掩模是指與原始圖像寬高一致的由0/1表示的二元圖，表征了每一個(gè)像素“被掩蓋或不被掩蓋”的特性，故名掩模。由此可見(jiàn)，公開(kāi)號(hào)為101005609a的中國(guó)專利，所述的flash透明窗口覆蓋機(jī)制本質(zhì)上也是一種掩模，因?yàn)樗彩侵鹣袼氐嘏袛嗍秋@示還是覆蓋。

在windows系統(tǒng)中開(kāi)發(fā)類sdk包的win32api有設(shè)置分層窗口透明屬性的接口函數(shù)setlayeredwindowattributes，該函數(shù)可以針對(duì)特定背景顏色、或不針對(duì)特定背景顏色進(jìn)行程度不同的透明設(shè)置，利用該接口可以實(shí)現(xiàn)一種異于現(xiàn)有方式的圖像文本疊加機(jī)制。

本方法使用圖像顯示的方式疊加文本，是一種純數(shù)字化的實(shí)現(xiàn)方式。與現(xiàn)有的方法不同之處在于它不需要修改圖像的數(shù)據(jù)，也不需要將文本視作矢量圖進(jìn)行圖像疊加，也不是直接在圖像（壓縮）碼流上疊加。它使用的思想與專利cn101005609a有一定程度的相似性，但它本質(zhì)上不是使用掩模的，也沒(méi)有與flash軟件系統(tǒng)有太多的關(guān)聯(lián)。相對(duì)來(lái)說(shuō)，它基于商業(yè)上最為成熟、最為普遍的windows系統(tǒng)的比較低層的接口實(shí)現(xiàn)（相對(duì)而言，flash等系統(tǒng)接口更屬于上層應(yīng)用層。凡是底層的接口使用靈活性更高。）。因而該方法對(duì)于其他系統(tǒng)上的實(shí)現(xiàn)也有參考和借鑒意義。因?yàn)?，歷來(lái)作為最商業(yè)化的windows系統(tǒng)的許多概念一直為其他系統(tǒng)，如linux、安卓操作系統(tǒng)等所仿效。

附圖說(shuō)明

圖1為本發(fā)明文本疊加的工作流程框圖。

圖2為本發(fā)明實(shí)施例窗口a的示意圖。

圖3為本發(fā)明實(shí)施例等待疊加的圖像示意圖。

圖4為本發(fā)明實(shí)施例窗口b和需要疊加的文字示意圖。

圖5為本發(fā)明實(shí)施例窗口b疊加到窗口a上之后的示意圖。

具體實(shí)施方式

實(shí)施例：

參照附圖，一種用于windows系統(tǒng)的圖像疊加文本的方法，包括以下步驟：步驟一：將需要疊加文字的圖像自適應(yīng)地打開(kāi)顯示：先創(chuàng)建顯示圖像的窗口a，然后打開(kāi)圖像文件，將圖像數(shù)據(jù)自適應(yīng)地渲染在窗口a上；

步驟二：創(chuàng)建窗口b，其大小與窗口a一致，并使用setlayeredwindowattributes函數(shù)將窗口b設(shè)置成全透明形式，將窗口b顯示的位置與窗口a等同，以實(shí)現(xiàn)覆蓋窗口a；

步驟三：本例中將需要編輯的文字“文字疊加”寫成字符串，并確定需要編輯的位置；在窗口b的指定位置渲染顯示該字符串“文字疊加”；

步驟四：將窗口b客戶區(qū)內(nèi)的內(nèi)容使用錄屏方式拷貝，并將拷貝內(nèi)容轉(zhuǎn)成圖像保存：

1）自動(dòng)觸發(fā)標(biāo)準(zhǔn)鍵盤的按鍵事件，設(shè)置該按鍵為標(biāo)準(zhǔn)鍵盤上的“prtsc”鍵；

2）獲取粘貼板拷貝的全屏圖像數(shù)據(jù)；

3）根據(jù)窗口b的屏幕位置以及它的客戶區(qū)范圍大小計(jì)算出它的客戶區(qū)在屏幕的位置以及范圍大小，從全屏圖像數(shù)據(jù)中截取客戶區(qū)的圖像數(shù)據(jù)；

4）將這部分?jǐn)?shù)據(jù)單獨(dú)保存為圖像文件。

所謂自適應(yīng)是指圖像寬高比依照顯示圖像的窗口寬高比進(jìn)行伸縮，以便讓圖像能夠滿窗顯示，填滿窗口，既沒(méi)有空處，也沒(méi)有裁截。步驟四中，窗口a內(nèi)打開(kāi)輸入圖像時(shí)進(jìn)行了自適應(yīng)地縮放，在輸出圖像文件保存之前預(yù)先對(duì)客戶區(qū)拷貝圖像進(jìn)行相反地縮放，以便將輸出的結(jié)果圖像的分辨率與輸入圖像保持一致。

在窗口b的指定位置渲染字符串，可用的軟件接口有很多，例如gdi的textout可以在任意窗口的指定位置進(jìn)行字符串文本渲染。

本發(fā)明所稱的窗口客戶區(qū)是指不包括窗口標(biāo)題欄以及菜單欄、工具欄、狀態(tài)欄、滾動(dòng)條的窗口核心區(qū)域，專門用于顯示與該窗口有關(guān)的業(yè)務(wù)數(shù)據(jù)；

將窗口b的客戶區(qū)內(nèi)容使用錄屏方式拷貝，并將拷貝內(nèi)容轉(zhuǎn)成圖像保存，保存的圖像格式可以采用與原有圖像一致的格式。