一种面向文化图案图像的层次分割方法

本发明属于图像处理和计算机视觉领域，特别涉及一种面向文化图案图像的层次分割方法。

背景技术：

随着中华民族优秀传统文化日趋流行，对传统文化的研究逐渐被重视，从中解读民族历史发展和习俗文化成为研究的入手方向。通过拍照、扫描等方式将包含文化图案的文物、壁画等保存为图像数据，对图像进行分割从而获得完整的文化图案是本方法要解决的问题。文化图案图像相对于自然图像具有纹理复杂，颜色区域不平滑以及噪点多的特点，使用现有的图像分割方法对文化图案图像进行分割时，无法提取边缘完整的图案，而本方法针对文化图案图像的特点不断优化，能够获得边缘完整的分割结果。

技术实现要素：

本发明的目的在于，解决现有技术的上述问题，提出的一种面向文化图案图像的层次分割方法，将一张图像分割成多张具有层次关系的结果，各层分割结果符合因果与包含原则，完成文化图案图像自动分割，从而获得图像中的所有元素。

本发明提供的一种面向文化图案图像的层次分割方法，其特征在于，包括以下步骤：

步骤1、将文化图案图像转换至lab颜色空间，将具有相似颜色特征的像素压缩到一起，从而使图像分割为若干个区域；

步骤2、基于颜色特征计算相邻区域之间的似然比，将似然比大于预设阈值的相邻区域进行合并，从而获得过分割结果，似然比计算公式如下：

式中，i和j表示区域的序号，ri和rj表示相邻区域，表示区域ri的平均颜色值，表示区域rj的平均颜色值，表示相邻区域间边界的平均颜色值，s表示由相邻区域ri与rj组成的区域的像素颜色值的协方差矩阵；

步骤3、计算相邻区域的差异

3.1、计算相邻区域之间颜色平均差异和相邻区域边界的平均颜色差异，计算公式分别如下：

式中，ri和rj表示相邻区域，表示区域ri的像素平均颜色值，表示区域rj的像素平均颜色值，bij表示相邻区域之间的边界，p和q分别表示边界两侧区域的像素，wp表示中心像素p的滑动窗口，bc(ri,rj)表示边界的(p,q)对数量，分别表示像素p在lab颜色空间下的亮度、从绿色到红色的分量、从蓝色到黄色的分量，分别表示像素q在lab颜色空间下的亮度、从绿色到红色的分量、从蓝色到黄色的分量；

3.2、计算相邻区域之间纹理差异，计算公式如下：

dt(ri,rj)＝dab(ri,rj)*dw(ri,rj)

式中，ri和rj表示相邻区域，dab(ri,rj)表示相邻区域的色度差异，dw(ri,rj)表示相邻区域的纹理特征差异；

3.3、计算相邻区域之间尺度差异，计算公式如下：

其中，表示区域ri内的像素数量，表示区域rj内的像素数量；

3.4、计算相邻区域之间交织值，计算公式如下：

式中，np表示以像素p为中心的滑动窗口内最多的像素颜色值，nq表示以像素q为中心的滑动窗口内最多的像素颜色值，cj表示区域rj内最多的像素颜色值，ci表示区域ri内最多的像素颜色值，当a＝b，δ(a,b)＝1；当a≠b，δ(a,b)＝0；

3.5、计算相邻区域之间综合差异，计算公式如下：

式中，α表示纹理度量系数，β表示边界度量系数；

步骤4、将所述综合差异从小到大进行排列并按序合并，得到具有层次关系的分割结果。

本发明将图像抠图领域的压缩与合并理论应用于图像分割，提出一种面向文化图案图像的层次分割方法。相比于自然图像，文化图案图像纹理更加复杂，现有分割方法在处理时会产生速度慢和分割区域不完整的现象，本方法提出新的纹理特征提取算子来处理文化图案图像的复杂纹理，改进了分割效果。相比于现有方法，本方法可以将文化图案图像中的文化元素完整分割出来，同时通过多层次来展现文化图案的不同细节，为传统文化研究提供技术支撑。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为发明实施例面向文化图案图像的层次分割方法流程图。

具体实施方式

如图1所示，为本发明面向文化图案图像的层次分割方法，其特征在于，包括以下步骤：

步骤1、将文化图案图像转换至lab颜色空间，将具有相似颜色特征的像素压缩到一起，从而使图像分割为若干个区域。图像压缩方法可以参考tseng等在《learning-basedhierarchicalgraphforunsupervisedmattingandforegroundestimation》中提出的理论。为了快速获得过分割图像，减少特征计算时间，像素压缩时只使用颜色特征进行亲和度量。像素压缩后，图像像素被聚集的更近，形成多个小单元(多个区域)。

步骤2、基于颜色特征计算相邻区域之间的似然比，将似然比大于预设阈值的相邻区域进行合并，从而获得过分割结果，似然比计算公式如下：

式中，i和j表示区域的序号，ri和rj表示相邻区域，表示区域ri的平均颜色值，表示区域rj的平均颜色值，表示相邻区域间边界的平均颜色值，s表示由相邻区域ri与rj组成的区域的像素颜色值的协方差矩阵。

在基于像素的收缩和合并过程中，平滑区域的像素被快速合并。然而，对于边界区域周围的像素，它们会与边界方向的像素合并，而不是与相邻平滑区域的像素合并。因此，在基于像素的收缩和合并过程后，边界周围会出现许多小的区域，影响区域压缩与合并的结果。针对这个问题，本实施例使用残差去除方法进行处理，设边界周围的合并区域包含像素点不超过[n/5000]，n为图像像素总数，将残差区域内的像素合并到一个相邻色差最小的平滑区域。

步骤3、计算相邻区域的差异

3.1、计算相邻区域之间颜色平均差异计算公式分别如下：

式中，ri和rj表示相邻区域，表示区域ri的像素平均颜色值，表示区域rj的像素平均颜色值。

颜色相似的区域将合并到一起，但是随着区域在迭代合并过程中变大，区域内颜色方差增加，颜色信息的重要性降低。因此，在合并中，用相邻区域边界的颜色差异来表示区域颜色差异。对于两个相邻区域，使用一个3*3的窗口来计算边界平均颜色差异：

式中，bij表示相邻区域之间的边界，p和q分别表示边界两侧区域的像素，wp表示中心像素p的尺寸为5*5滑动窗口，bc(ri,rj)表示边界的(p,q)对数量，分别表示像素p在lab颜色空间下的亮度、从绿色到红色的分量、从蓝色到黄色的分量，分别表示像素q在lab颜色空间下的亮度、从绿色到红色的分量、从蓝色到黄色的分量。

3.2、计算相邻区域之间纹理差异。

相对于自然图像，文化图案图像的纹理更加复杂，使用一般方法进行纹理提取很容易出现边缘缺失的现象，因此本文提出新的纹理特征算子来进行计算，由两部分组成：差分激励与方向激励。

相邻区域的色度差异dab(ri,rj)通过以下公式计算获得：

式中，分别表示区域ri内像素从绿色到红色的分量的平均值、从蓝色到黄色的分量的平均值，分别表示区域rj内像素从绿色到红色的分量的平均值、从蓝色到黄色的分量的平均值。

相邻区域的纹理特征差异dw(ri,rj)通过以下方法计算获得：

3.2.1、针对单个区域的像素点xc,计算其差分激励ξ(xc)

(x,y)表示当前像素xc坐标，i表示像素点xc的强度值，σ为预设常数，σ的取值范围为(0,1]；

3.2.2、针对单个区域的像素点xc,计算其方向激励θ(xc)

式中，xu、xd、xl、xr分别表示像素xc与其周围八邻域内的上、下、左、右像素的强度值相加结果；

3.2.3、将区域的差分激励和方向激励量化为一个t*d的二维直方图，将该t*d的二维直方图转化为一个td*1的一维特征向量w，分别使用三个大小为3*3，5*5，7*7的窗口来计算每个像素强度，获得三个不同的特征向量w1，w2和w3并进行组合，获得最终的纹理特征向量w＝[w1^t,w2^t,w3^t]；

3.2.4、下式计算相邻区域ri和rj纹理特征差异：

式中，表示区域ri的纹理特征向量，表示区域rj的纹理特征向量，它们根据步骤3.2.1-3.2.3分别计算获得。

计算相邻区域之间纹理差异计算公式如下：

dt(ri,rj)＝dab(ri,rj)*dw(ri,rj)

式中，ri和rj表示相邻区域，dab(ri,rj)表示相邻区域的色度差异，dw(ri,rj)表示相邻区域的纹理特征差异。

3.3、计算相邻区域之间尺度差异，计算公式如下：

其中，表示区域ri内的像素数量，表示区域rj内的像素数量。

区域尺度特征能够在两个小区域的合并或者将一个小区域合并到更大区域时，加快区域合并的速度。为避免大区域在合并过程中的主导性过大，使用以下公式限制区域尺度：本步骤中，使用以下公式限制区域尺度：

3.4、计算相邻区域之间交织值。

由于文化图案在制作过程中存在刺绣、针织等工艺，图案不仅平滑，还存在多种颜色线交织在一起的情况。因此，本文度量相邻区域之间的空间交织程度来合并碎片区域。

本实施例中，根据下式计算相邻区域之间交织值：

式中，np表示以像素p为中心的尺寸为5*5滑动窗口内最多的像素颜色值，nq表示以像素q为中心的尺寸为5*5滑动窗口内最多的像素颜色值，cj表示区域rj内最多的像素颜色值，ci表示区域ri内最多的像素颜色值，当a＝b，δ(a,b)＝1；当a≠b，δ(a,b)＝0；

3.5、计算相邻区域之间综合差异，计算公式如下：

式中，α表示纹理度量系数，β表示边界度量系数；本实施例中，设置α＝3，β＝1。

步骤4、将所述综合差异从小到大进行排列并按序合并，得到具有层次关系的分割结果。

除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。