块纹理合成中自动选取纹理块尺寸的方法与流程

本发明属于数字图像处理和计算机视觉技术领域，特指一种块纹理合成中自动选取纹理块尺寸的方法。

背景技术：

基于样本的纹理合成是近年来计算机图形学、计算机视觉和图像处理领域的一个研究热点,它广泛应用于大规模场景合成、虚拟现实、图像修复等方面。其基本思想是：基于一个输入的样本纹理图像，合成一个指定大小的纹理图像，样本图像和合成图像在尺寸等方面有着很大程度的不同，但在视觉上，它们是产生于相同的随机过程的相似纹理。

根据合成单元的大小，纹理合成方法可分为点纹理合成方法和块纹理合成方法。点纹理合成方法每次合成一个点，合成时在样本中搜索与待合成点邻域最相似的邻域，将对应点拷贝到合成图中。点纹理合成方法由于合成每一个点都要进行搜索,速度较慢；且由于合成后面的点需要用到已合成点，容易造成误差的传递和累积。

同点纹理合成方法不同,块纹理合成方法在进行合成采样时是以纹理块为基本单位。其基本思想是按照扫描线顺序对输出图像进行逐块合成，每一个合成块都采用相同大小的正方形块，通过一些准则在样本纹理中搜索最匹配的块贴到待合成位置。显然在提高合成速度和保持纹理局部特征方面，块纹理合成方法是更为理想的选择。

从块纹理合成方法的基本流程可知，进行合成的纹理块尺寸对纹理合成质量有很大影响。如果参数选择不当，合成后的纹理在块边界可能产生不连续或者丢失样本纹理中的全局特性，严重影响纹理合成的质量。目前在各种块纹理合成方法中，纹理块的尺寸一般通过提取设定或人机交互的方式确定。这种方式普适性不高，不利于各种实时应用系统。

技术实现要素：

针对现有方法存在的缺陷，本发明针对目前纹理合成中的纹理块尺寸选取问题进行研究，其目的在于提出一种块纹理合成中自动选取纹理块尺寸的方法。本发明通过图像的两个统计特性：基于灰度对比度的统计向量和信息熵，对样本图像和纹理块图像进行比较，获得合适的纹理块尺寸。本发明提出的方法简单实用，算法复杂度小，可以实时处理各类纹理样本图像，拥有很好的实用价值。

本发明的技术方案是：

一种块纹理合成中自动选取纹理块尺寸的方法，包括以下步骤：

S1计算纹理图像F(x,y)的基于灰度对比度的统计向量

给定一个样本即纹理图像F(x,y)，其图像大小为Wd×Hd；图像F(x,y)由N个像素集合组成，用{I_i|I_i∈F(x,y),i＝1,…,N}表示。图像F(x,y)中任一像素I_i的灰度对比度A(I_i)如下：

其中D(I_i,I_j)表示像素I_i和像素I_j的欧式距离；G(I_i,I_j)表示像素I_i和像素I_j的颜色距离也即灰度差值；σ是参数，取值Wd+Hd。

通过公式1计算图像F(x,y)中的每个像素的灰度对比度，然后将0～255的灰度空间平均分成32份，记为{Ω_m|m＝1,…,32}，每份包含8个灰度级别。对其中一份灰度子空间Ω_m，计算该子空间的统计特征T_m：

其中g(I_i)表示像素I_i的灰度值，g(I_i)∈Ω_m表示像素I_i的灰度值属于灰度子空间Ω_m。

对每一份灰度子空间，均采用公式2计算出对应的子空间的统计特征值，然后可以组成一个长度为32的特征向量T₀＝{T₁,…,T₃₂}。然后对该向量的每个特征值进行归一化，得到最终的基于灰度对比度的统计向量T＝{T₁/sum,…,T₃₂/sum}，其中

S2计算纹理图像F(x,y)的信息熵；

“熵”在信息论中是一个非常重要的概念，它是不确定性的一种度量。图像的信息熵能够表征图像灰度分布的聚集特性。图像F(x,y)的信息熵定义如下：

其中p_n表示为灰度n在该图像F(x,y)中出现的概率，可由灰度直方图获得。

S3初始化纹理块的大小kd＝9；

S4随机在F(x,y)上选择10个像素点，分别以这些像素点为中心，直径为kd提取10个子图像，按照步骤S1和S2的方法对每个子图像计算基于灰度对比度的统计向量和信息熵，然后与原图像F(x,y)的基于灰度对比度的统计向量T和信息熵H进行比较判定，如果两者相似即两者的差异小于设定的阈值，则标记该子图像为1，否则为0；

记其中一个子图像的基于灰度对比度的统计向量为sT1和信息熵为sH1，计算与原图像F(x,y)的基于灰度对比度的统计向量T和信息熵H的差异：

dt＝||sT1-T||₂+|sH1-H| 公式4

当dt小于阈值20时，标记该子图像为1，否则为0；

按照此方法对每个子图像进行标记。

S5当10个子图像中如果有6个以上被标记为1时，说明此时的块尺寸是合理的，方法结束，输出纹理块的大小kd；否则将kd＝kd+2，转入步骤(4)进行计算，直到满足条件10个子图像中如果有6个以上被标记为1为止，然后输出此时的纹理块的大小kd。

本发明的有益技术效果：

本发明针对目前纹理合成中的纹理块尺寸选取问题进行研究，提出一种块纹理合成中自动选取纹理块尺寸的方法，通过图像的两个统计特性：基于灰度对比度的统计向量和信息熵，对样本图像和纹理块图像进行比较，获得合适的纹理块尺寸。本发明提出的方法简单实用，算法复杂度小，可以实时处理各类纹理样本图像，拥有很好的实用价值。

附图说明

图1是块纹理合成中自动选取纹理块尺寸的方法的流程图；

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

参照图1，本发明一种块纹理合成中自动选取纹理块尺寸的方法的流程图。

作为样本的纹理图像为F(x,y)，其图像大小为Wd×Hd。纹理图像中信息的变化是有一定周期性的。如果纹理块的尺寸对这个周期有比较好的反映,并且每个块中的信息能比较好地反映纹理的全局性特征信息，那么该尺寸就是合适的一个参数。本发明对纹理样本图像进行分析，提出了一种块纹理合成中自动选取纹理块尺寸的方法，具体步骤如下：

(1)计算纹理图像F(x,y)的基于灰度对比度的统计向量；

当看一个图片时，最吸引眼球的往往是颜色与众不同的目标，这是因为视觉系统对颜色最为敏感。而纹理图像一般为灰度图像，这里只采用灰度信息进行计算。纹理图像F(x,y)由N个像素集合组成，为了表述方便，用{I_i|I_i∈F(x,y),i＝1,…,N}表示。图像F(x,y)中任一像素I_i的灰度对比度A(I_i)如下：

其中D(I_i,I_j)表示像素I_i和像素I_j的欧式距离，G(I_i,I_j)表示像素I_i和像素I_j的颜色距离也即灰度差值；σ是参数，这里取值Wd+Hd。

通过公式1计算图像F(x,y)中的每个像素的灰度对比度，然后对每个灰度量级进行统计，将0～255的灰度空间平均分成32份，记为{Ω_m|m＝1,…,32}，每份包含8个灰度级别。对其中一份灰度子空间Ω_m，计算该子空间的统计特征T_m：

其中g(I_i)表示像素I_i的灰度值，g(I_i)∈Ω_m表示像素I_i的灰度值属于灰度子空间Ω_m。

对每一份灰度子空间，均采用公式2计算出对应的子空间的统计特征值，然后可以组成一个长度为32的特征向量T₀＝{T₁,…,T₃₂}。然后对该向量的每个特征值进行归一化，得到最终的基于灰度对比度的统计向量T＝{T₁/sum,…,T₃₂/sum}，其中

(2)计算纹理图像F(x,y)的信息熵；

“熵”在信息论中是一个非常重要的概念，它是不确定性的一种度量。图像的信息熵能够表征图像灰度分布的聚集特性。图像F(x,y)的信息熵定义如下：

其中p_n表示为灰度n在该图像中出现的概率，可由灰度直方图获得。

(3)初始化纹理块的大小kd＝9；

(4)随机在F(x,y)上选择10个像素点，分别以这些点为中心，直径为kd的提取10个子图像，按照步骤(1)和(2)的方法对每个子图像计算基于灰度对比度的统计向量和信息熵，然后与原图像F(x,y)的基于灰度对比度的统计向量T和信息熵H进行比较判定，如果两者相似，则标记该子图像为1，否则为0；

记其中一个子图像的基于灰度对比度的统计向量为sT1和信息熵为sH1，计算与原图像F(x,y)的差异：

dt＝||sT1-T||₂+|sH1-H| 公式4

当dt小于阈值20时，标记该子图像为1，否则为0；

按照此方法对每个子图像进行标记。

(5)当10个子图像中如果有6个以上被标记为1时，说明此时的块尺寸是合理的，方法结束，输出纹理块的大小kd；否则将kd＝kd+2，转入步骤(4)进行计算，直到满足条件10个子图像中如果有6个以上被标记为1为止，然后输出此时的纹理块的大小kd。

以上包含了本发明优选实施例的说明，这是为了详细说明本发明的技术特征，并不是想要将发明内容限制在实施例所描述的具体形式中，依据本发明内容主旨进行的其他修改和变型也受本专利保护。本发明内容的主旨是由权利要求书所界定，而非由实施例的具体描述所界定。