专利名称：用于生成基于结构的ascii图片的方法和设备的制作方法
技术领域：
本申请涉及ASCII技术，具体地，涉及用于生成基于结构的ASCII图片的方法和设备。
背景技术：
一般来说，ASCII图片可以被分为两个主要的类别，即，基于色调的图片和基于结构的图片。基于色调的ASCII图片维持了原图的明暗信息，而基于结构的ASCII图片可以捕获原图主要内容的结构信息。例如，参照图l(a)_l (c)，根据图1(a)中的原始图片可以获得图1(b)中基于色调的ASCII图片，也可以获得图1(c)中基于结构的ASCII图片。目前， 已经存在很多处理方法来生成基于色调的ASCII图片。但是，令人满意的基于结构的ASCII 图片还是只能用手工生成。至今依然没有工具能够有效而容易地生成基于结构的ASCII图片。对基于结构的ASCII图片来说，面临的主要问题是很难用有限的字符形状和严格受限于网格的字符分布来表示无限的图像内容。图2(a)-2(c)示出了 ASCII制作者生成基于结构的ASCII图片的两种常用匹配策略。图2(a)显示了图1(a)中的原始图生成的边缘图和图1(c)中基于结构的ASCII图片的重叠结果。通常，为了提高原图和字符的匹配机会，ASCII制作者会允许字符和原图结构非精确对准，如图2(b)所示，甚至会灵活地对原图做变形，如图2(c)所示。事实上，这种形状匹配的难题是一种常见的模式识别问题。在各种应用中，例如ASCII技术和光学字符识别(OCR)，形状匹配都应该允许适量的偏移和变形 (例如缩放、平移和旋转)。举例来说，在识别字符“0”和“0”时，应该考虑缩放和平移，而在识别字符“6”和“9”时，应该考虑旋转。不幸的是，现有的形状匹配中的形状相似度度量或者要求完全对准，或者完全不受变形影响，因此都不适用。
发明内容
本申请提出了一种可以捕获原始图片的结构信息来生成基于结构的ASCII图片的技术，其中设计并使用了一种非精确对准的形状相似度度量。本申请提出的相似度度量既允许适量的形变，同时还能够考虑到形变导致的差别。此外，本申请还引入受限的图像变形来提升字符匹配的机会。给定输入图片和目标字符分辨率，ASCII图片的生成可以简化为一个优化过程，该优化的目标是将与原图形状匹配的不相似度以及变形的程度最小化。本申请旨在提供一种新的技术来生成目前只能由手工生成的基于结构的ASCII 作品。本申请的方案只需极少的用户交互，并能在几分钟内生成出色的ASCII作品，这些作品的品质甚至可以比得上人们的手工作品。本申请为ASCII爱好者提供了一种有效且容易的基于结构的ASCII作品的生成方法。根据本申请的一方面，一种用于根据矢量轮廓图生成ASCII图片的方法包括将矢量轮廓图光栅化并划分成多个网格单元，所述多个网格单元中的至少之一具有对应的参照图；利用对数-极坐标直方图将每个参照图与ASCII字符相匹配；以及将所有匹配的ASCII字符组合以形成所述ASCII图片。根据本申请的另一方面，一种用于根据矢量轮廓图生成ASCII图片的设备包括 光栅化模块，将矢量轮廓图光栅化并划分成多个网格单元，所述多个网格单元中的至少之一具有对应的参照图；匹配模块，利用对数-极坐标直方图将每个参照图与ASCII字符相匹配；以及生成模块，将所有匹配的ASCII字符组合以形成所述ASCII图片。
图1示出了由基于同一幅参照图生成的基于色调的ASCII图片和基于结构的 ASCII图片。图2示出了 ASCII制作者通常使用的两种匹配策略。图3示出了根据本申请第一实施方案的方法的流程图。图4示出了根据本申请的一个实施方案在处理过程中生成的一系列图片。图5示出了本申请采用的非精确对准的形状相似度度量。图6示出了根据本申请的方法与三种常用度量之间的比较。图7示出了本申请中的线段的变形。图8示出了本申请的方法中采用的图像的受限变形。图9示出了根据本申请第二实施方案的方法的流程图。图10示出了根据本申请第三实施方案的方法的流程图。图11示出了根据本申请第四实施方案的方法的流程图。图12示出了根据本申请的一个实施方案的设备。图13示出了本申请另一实施方案的设备。图14示出了迭代变形过程中生成的中间结果。图15示出了本申请的方法与现有技术中的方法之间的比较。
具体实施例方式在下文中，将参照附图对本申请的示例性实施方案进行描述。实施方式1参照图3，根据本申请第一实施方案用于生成ASCII图片的方法300包括以下步骤。在步骤301，将输入的矢量轮廓图光栅化并将其划分为多个网格单元。在步骤302，利用基于非精确对准的形状相似度度量，将每一个网格单元中的图像内容与一个ASCII字符匹配。然后，在步骤303中，将匹配到的ASCII字符收集到一起以生成ASCII图片。在本方法中，待处理的图像可以是只包含多段线的矢量轮廓图。对于例如照片的其它图像，可应先用已知的简单的边缘检测方法或者高级的线条图生成方法将其转换成轮廓图，然后再向量化为矢量轮廓图。例如，图4中所示的图像401可以被转换和向量化成对应的矢量轮廓图 402。光栅化和字符匹配的步骤将在下文详细描述。步骤301 光栅化按照本申请的实施方案，基于目标字符分辨率及ASCII字符的宽度和高度将矢量轮廓图光栅化并划分为多个网格单元。例如，目标字符分辨率假定SRwXRh,这里Rw 和&分别指ASCII图片横向和纵向输出的最大ASCII字符数。一般来说，ASCII字符在不同字体中有不同的厚度和字符宽度。在用户选择字体和字符大小后，字符采用的宽度Tw和高度Th就被确定下来，从而字符的高宽比被固定为3 二 A/及。此外，本方法中字符的厚度信息将通过抽取中心线的方式忽略掉，因此本方法只处理具有固定字符宽度和固定字符高宽比3 = 7；/7；的字体。输入的多段线和字符将被渲染为相同的线条厚度，这样
就将可以匹配的重点放在形状上。已知W和H，则凡=「Η/(3|>7^Τ|因此，根据公式
ο
，字符分辨率就可以由单一的变量Rw确定，这里W和H是以像素计算的
输入图像的宽度和高度，在给定输入图像时后，该高度和宽度就是已知的；而变量Rw则是由用户指定的。根据以上的参数，纵向的字符分辨率就可以计算出来。因此，首先将向量图缩放并光栅化到TwRwXThIih的域。然后对TwRwXThIih个网格单元分别进行处理以匹配到相对应的ASCII字符。步骤302 字符匹配为了更容易地解释，将每一个网格中用来跟ASCII字符匹配的图像内容称为参照图。根据一个实施方式，对数-极坐标的直方图将被用于形状匹配。具体来说，就是在矢量轮廓图被光栅化并划分为网格单元后，对每一个网格单元采样，并确定其中的每一个采样点的对数-极坐标的直方图。对数-极坐标的直方图可以表征由一个对数-极坐标的窗口覆盖的、该采样点的局部邻居的形状特点。如图5(a)所示，对数-极坐标的窗口是一个包含60个区间的圆。这些区间在对数-极坐标的空间里对局部邻居均一地划分。对每一个区间，将计算其中像素的灰度总和，并将该灰度和被作为直方图的分量。因为这些区间被均一地分布在对数-极坐标的空间里，所以直方图将对距离近的点更为敏感。此外，对每一个采样点来说，因为只有区间里的灰度总和影响计算，因此直方图自然就可以做到对小幅度的变形不敏感，因此可以做到允许适量的形变。在计算像素灰度和的时候，黑色的像素灰度值为1，白色的像素灰度值为0。对第 i个采样点P来说，它的第k个区间的值hi,k可以用公式hi,k = E (q-p)ebin(k)I(q)来计算，这里P是位于对数-极坐标的窗口中心的第i个采样点；q是当前参与计算的像素点；(q_P) 是像素点q和对数-极坐标的窗口中心点P的相对位置关系；I(q)返回像素点q的灰度值。 因此，第i个采样点P的所有的区间值hi,k就构成了它的特征向量hp例如，假定每个采样点有60个区间，那么特征向量Iii就包含60个区间值hi,k(k = 1，. . .，60)。类似地，每一个ASCII字符都会被采样，每一个采样点也都会得到一个确定的对数-极坐标的直方图。注意，参照图和ASCII字符必须采用相同的采样模式。针对每一个采样点测算一个对数-极坐标的直方图。为了考虑形变情况(或者位置的变化)，在一个实施方式中，对参照图和ASCI I字符在相同的网格分布模式下采样。根据图5 (b)，将按照网格分布获得N个采样点。然后便可以将采样点的特征向量(直方图)们合并起来描述形状特征，如图5(c)所示。因此，参照图和ASCII字符形状之间的形状不相似度可以通过逐点比较它们的特征向量来获得。特征向量与某个网格单元最相似的ASCII字符将被选择作为该网格单元的匹配字符。按照本申请的一个实施方式，参照图和ASCII字符形状之间的形状不相似度可以通过用下式逐点比较它们的特征向量来衡量
权利要求
1.一种用于根据矢量轮廓图生成ASCII图片的方法，包括将矢量轮廓图光栅化并划分成多个网格单元，所述多个网格单元中的至少之一具有对应的参照图；利用对数-极坐标直方图将每个参照图与ASCII字符相匹配；以及将所有匹配的ASCII字符组合以形成所述ASCII图片。
2.如权利要求1所述的方法，其中所述匹配包括用相同的分布模板对参照图和所有的ASCII字符进行取样；确定参照图和每个ASCII字符之间的形状不相似度；以及选取与参照图具有最小的形状不相似度的ASCII字符与所述参照图匹配。
3.如权利要求2所述的方法，其中所述确定包括基于对数-极坐标直方图，确定参照图和每个ASCII字符中的每个相同取样点的特征向量；以及基于确定的特征向量，确定参照图和每个ASCII字符之间的形状不相似度。
4.如权利要求1所述的方法，其中，所述矢量轮廓图是由以下步骤生成 将图像转化成轮廓图；以及对所述轮廓图进行矢量分析以生成所述矢量轮廓图。
5.如权利要求1所述的方法，其中所述光栅化包括根据目标字符分辨率以及ASCII字符的高和宽，将所述矢量轮廓图光栅化并划分为多个网格单元；以及通过抽取所述矢量轮廓图的中心线，用与ASCII字符具有相同厚度的线条绘制所述矢量轮廓图。
6.如权利要求3所述的方法，其中，每个取样点的特征向量包括多个分量，每个分量对应于与所述取样点相关的对数-极坐标窗中一个区间内的灰度值总和。
7.如权利要求6所述的方法，其中，网格单元和ASCII字符之间的形状不相似度是基于所述网格单元和所述ASCII字符中的取样点的特征向量而确定。
8.如权利要求7所述的方法，其中，网格单元和ASCII字符之间的形状不相似度通过以下步骤确定确定第一特征向量组，所述第一特征向量组对应于网格单元中的取样点； 确定第二特征向量组，所述第二特征向量组对应于ASCII字符中的取样点； 计算第一特征向量组和第二特征向量组之差的范数；以及将所述范数标准化以形成所述形状不相似度。
9.如权利要求2所述的方法，进一步包括确定所述矢量轮廓图与其匹配的ASCII图片之间的平均形状不相似度； 对所述矢量轮廓图迭代地变形；确定每一幅变形的图像与其匹配的ASCII图片之间的平均形状不相似度；以及选取对应于最小的平均形状不相似度的ASCII图片。
10.如权利要求2所述的方法，进一步包括 对所述矢量轮廓图迭代地变形；确定每个变形的图像的局部变形程度值；以及基于所述形状不相似度和所述局部变形程度值选取ASCII图像。
11.如权利要求2所述的方法，进一步包括 对所述矢量轮廓图迭代地变形；根据变形的图像中的每条线段的局部变形程度值和广域变形程度值中的较大值，确定每个变形图像的最终变形程度值；以及基于所述形状不相似度和所述最终变形程度值选取ASCII图像。
12.一种用于根据矢量轮廓图生成ASCII图片的设备，包括光栅化模块，将矢量轮廓图光栅化并划分成多个网格单元，所述多个网格单元中的至少之一具有对应的参照图；匹配模块，利用对数-极坐标直方图将每个参照图与ASCII字符相匹配；以及生成模块，将所有匹配的ASCII字符组合以形成所述ASCII图片。
13.如权利要求12所述的设备，其中所述匹配模块包括取样单元，用相同的分布模板对参照图和所有的ASCII字符进行取样； 计算单元，确定参照图和每个ASCII字符之间的形状不相似度； 比较单元，用于将确定的形状不相似度相互比较；以及选择单元，选取与参照图具有最小的形状不相似度的ASCII字符与所述参照图匹配。
14.如权利要求13所述的设备，其中所述计算单元进一步被配置为基于对数-极坐标直方图，确定参照图和每个ASCII字符中的每个相同取样点的特征向量；以及基于确定的特征向量，确定参照图和每个ASCII字符之间的形状不相似度。
15.如权利要求12所述的设备，其中所述光栅化模块进一步被配置为根据目标字符分辨率以及ASCII字符的高和宽，将所述矢量轮廓图光栅化并划分为多个网格单元；以及通过抽取所述矢量轮廓图的中心线，用与ASCII字符具有相同厚度的线条绘制所述矢量轮廓图。
16.如权利要求14所述的设备，其中，每个取样点的特征向量包括多个分量，每个分量对应于与所述取样点相关的对数-极坐标窗中一个区间内的灰度值总和。
17.如权利要求16所述的设备，其中，网格单元和ASCII字符之间的形状不相似度是基于所述网格单元和所述ASCII字符中的取样点的特征向量而确定。
18.如权利要求17所述的设备，其中，所述计算单元进一步被配置为 确定第一特征向量组，所述第一特征向量组对应于网格单元中的取样点； 确定第二特征向量组，所述第二特征向量组对应于ASCII字符中的取样点； 计算第一特征向量组和第二特征向量组之差的范数；以及将所述范数标准化以形成所述形状不相似度。
19.如权利要求13所述的设备，进一步包括变形模块，所述变形模块对所述矢量轮廓图迭代地变形；其中，所述计算单元进一步被配置为确定所述矢量轮廓图与其匹配的ASCII图片之间的平均形状不相似度，并确定每一幅变形的图像与其匹配的ASCII图片之间的平均形状不相似度；所述选择单元进一步被配置为选取对应于最小的平均形状不相似度的ASCII图片。
20.如权利要求13所述的设备，进一步包括变形模块，所述变形模块对所述矢量轮廓图迭代地变形；其中，所述计算单元进一步被配置为确定每个变形的图像的局部变形程度值；所述选择单元进一步被配置为基于所述形状不相似度和所述局部变形程度值选取ASCII图像。
21.如权利要求13所述的设备，进一步包括变形模块，所述变形模块对所述矢量轮廓图迭代地变形；其中，所述计算单元进一步被配置为根据变形的图像中的每条线段的局部变形程度值和广域变形程度值中的较大值，确定每个变形图像的最终变形程度值；所述选择单元进一步被配置为基于所述形状不相似度和所述最终变形程度值选取ASCII图像。
全文摘要
本申请提供了用于根据矢量轮廓图生成ASCII图片的方法和设备。本申请的方法包括将矢量轮廓图光栅化并划分成多个网格单元，所述多个网格单元中的至少之一具有对应的参照图；利用对数-极坐标直方图将每个参照图与ASCII字符相匹配；以及将所有匹配的ASCII字符组合以形成所述ASCII图片。
文档编号G06T3/00GK102298767SQ20101053090
公开日2011年12月28日 申请日期2010年11月2日 优先权日2010年6月28日
发明者张琳玲, 徐雪妙, 黄田津 申请人:香港中文大学