【技术实现步骤摘要】
一种基于显著性模型的图像缩放方法
本专利技术涉及图像缩放处理
,特别涉及一种基于显著性模型的图像缩放的方法。
技术介绍
图像缩放技术是图像处理领域中的一项常用技术,用于改变数字图像的空间分辨率。传统的图像缩放往往是采用插值的方法来改变图像的分辨率,例如双线性插值、双立方插值等。这种方法比较简单,但是存在两个问题,一是在图像缩放过程中图像中所有景物都同比例的缩小或者放大,这样无法对图像中一些重要目标进行保护,以突出图像重点;二是在改变图像长宽比时会使图像内容发生严重的失真。本专利所解决的技术问题就是在图像尺寸变化的情况下,保持图像主体区域不变形的缩放技术。
技术实现思路
本专利技术要解决的技术问题是:提供一种基于显著性模型的图像缩放方法。该方法能够检测出图像的显著性区域,在任意改变图像大小的同时保持图像中的主体特征不变。本专利技术采用的技术方案为:一种基于显著性模型的图像缩放方法,其特征在于实现步骤如下:(1)对输入图像进行预处理,将图像从RGB色彩空间转换到CIELAB色彩空间;(2)采用基于超像素全局对比度的方法计算得到图像的显著性区域;(3)将显著性检测的结果与图像的梯度信息结合得到能量矩阵;(4)结合能量矩阵,使用线裁剪算法对原始图像进行缩放,以实现图像尺寸的调整。本专利技术与现有技术相比的优点在于:首先,本专利技术利用了
技术实现思路
中步骤(2)所述的方法,基于超像素全局对比度的方法计算图像的显著性区域,该方法能够将图像中的像素聚簇为大小几乎一致的,形状规整的,能够紧密贴合物体边缘的超像素,同时提高了图像全局对比度的计算效率。其次,本专利技术的专利 ...
【技术保护点】
一种基于显著性模型的图像缩放方法,其特征在于实现步骤如下:(1)对输入图像进行预处理,将图像从RGB色彩空间转换到CIELAB色彩空间。(2)采用基于超像素全局对比度的方法计算得到图像的显著性区域;(3)将显著性检测的结果与图像的梯度信息结合得到能量矩阵;(4)结合能量矩阵,使用线裁剪算法对原始图像进行缩放,以实现图像尺寸的调整。
【技术特征摘要】
1.一种基于显著性模型的图像缩放方法,其特征在于实现步骤如下:(1)对输入图像进行预处理,将图像从RGB色彩空间转换到CIELAB色彩空间。(2)采用基于超像素全局对比度的方法计算得到图像的显著性区域;(3)将显著性检测的结果与图像的梯度信息结合得到能量矩阵;(4)结合能量矩阵,使用线裁剪算法对原始图像进行缩放,以实现图像尺寸的调整。2.根据权利要求1所述的一种基于显著性模型的图像缩放方法,其特征在于:所述步骤(1)中将图像从RGB色彩空间转换到CIELAB色彩空间,由于RGB色彩空间无法直接转换到CIELAB色彩空间,需要先转换到XYZ空间再转换到CIELAB色彩空间,因此转换分成两个步骤:步骤(1-1):RGB转换到XYZ假设r,g,b为像素三个通道,取值范围均为[0,255],转换公式如下:上面的gamma函数,是用来对图像进行非线性色调编辑的,目的是提高图像对比度。步骤(1-2):XYZ转到CIELAB下面两个公式中,L*,a*,b*是最终的LAB色彩空间三个通道的值。X,Y,Z是RGB转XYZ后计算出来的值,Xn,Yn,Zn一般默认是95.047,100.0,108.883。。3.根据权利要求1所述的一种基于显著性模型的图像缩放方法,其特征在于:所述步骤(2)采用基于超像素全局对比度的方法计算得到图像的显著性区域的过程如下:步骤(2-1):基于六边形简单线性迭代聚类HSLIC(HexagonalSimpleLinearIterativeClustering)方法对图像进行超像素分割。步骤(2-2):同时考虑颜色和空间距离两个因素,对分割后的图像基于全局对比度计算得到图像的显著性区域。4.根据权利要求1所述的一种基于显著性模型的图像缩放方法,其特征在于:所述步骤(2-1)基于六边形简单线性迭代聚类HSLI方法对图像进行超像素分割的过程如下:步骤(2-1-1):初始化聚簇中心,按照六边形网络顶点排布,点之间的间隔为其中S是六边形超像素的边长。步骤(2-1-2):在3×3的邻域内微调聚簇中心,使其移动到梯度最小的位置。步骤(2-1-3):对于每一个聚簇中心,在圆形邻域内(半径为2S)搜寻最为匹配像素,并更新聚簇中心,迭代多次,直到达到较好的聚簇效果。步骤(2-1-4):按颜色差异最小策略加强超像素的连通性合并为超像素。5.根据权利要求1所述的一种基于显著性模型的图像缩放方法,其特征在于:所述步骤(2-2)同时考虑颜色和空间距离两个因素,对分割后的图像基于全局对比度计算得到图像的显著性区域。超像素的全局对比度可以采用如下的公式计算:R为图像中所有超像素的集合,ri∈R,rj∈R,j=1,2,...,|R|。Dlab(ri,rj)在CIELAB颜色空间的欧式距离量,用来度量ri和rj的颜色差异,Dxy(ri,rj)是两个超像素ri和rj在图像xy平面的欧式距离,用度来量ri和rj的空间接近程度。S(ri)是超像素ri的显著性值。通过公式可以计算出每一个超像素的显著性,进而得到图像I的显著图S(I)。6.根据权利要求1所述的一种基于显著性模型的图像缩放方法,其特征在于:所述步骤(3)将显著性检测的结果与图像的梯度信息结合得到能量矩阵。其中,图像I的梯度定义如下:Gx和Gy使用内核大小为3的Sobel算子计算:能量矩阵定义如下:E(I)=ω*S(I)+(1-ω)*G(I)(10)其中,S(I)是图像I的显著性图像,通过步骤(2)可以得到;G(I)是图像I的梯度图像,ω(0<ω<1)表...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。