4)+z22*(E2+E3)+zl*z2*(El+E2+E3+E4)]
[0033]E(z3,z4,）=η*[z32* (E1+E2) +z42* (E3+E4) +z3*z4* (E1+E2+E3+E4)]
[0034]E(zl,z2)、E(z3,z4)分别是在x轴和y轴方向的能量变化值，E(zl,z2,z3,z4)是 其能量变化总和，α和β为常数，[zlZ2z3z4]的取值需要满足下式：
[0035]
[0036] 作为本发明基于内容感知的交互式网格约束变形图像自适应缩放方法进一步的 优化方案，所述步骤6)中特征点前后位置的对应关系为：
[0037] 父=叉+厶叉，丫=；7+厶7其中：厶叉=已*叉，厶7 = 13*7
[0038] 其中，（X，y)为特征点的原坐标，（X，Y)为特征点的新位置，a、b分别为特征点在 X、Y轴方向的形变系数，若该特征点的种类值为1
=a;若该特 征点的种类值为
[0039] 本发明采用以上技术方案与现有技术相比，具有以下技术效果：
[0040] 本发明以图像中的显著区域为指导，在确定了最终的显示大小后，通过对图像进 行纵横比的优化后，在通过传统的缩放算法得到最终的显示图，可以使得图像能够在内容 发生最小损失或者失真，同时提尚良好的观赏体验。
【附图说明】
[0041] 图1为本发明方法的基本实现框图；
[0042] 图2_a为本发明中特征点的8邻域说明图；
[0043] 图2_b为本发明中实例输入图；
[0044] 图2-c为图2_b计算出的显著图；
[0045] 图2-d为图2-b计算出的特征点三角剖分图；
[0046] 图3-a为以图2-c建立的坐标系图；
[0047] 图3-b为图2-b的能量混合图；
[0048] 图3_c为图2_b能量图；
[0049] 图3_d为特征点变化计算示意图；
[0050] 图4为计算中间图像的参数选择流程图；
[0051] 图5-a为实例直接缩放结果图；
[0052] 图5-b为本发明处理实例图2-b未进行纹理替换的结果图；
[0053] 图5-c为本发明处理实例图2-b采用纹理替换的结果图；
[0054] 图6-a为方法比较说明原图；
[0055] 图6-b为采用离散方法的结果图；
[0056] 图6-c为采用连续方法的结果图；
[0057] 图7-a为常规缩放方法下对图2-b在不同输出结果下的显示结果；
[0058] 图7-b为细缝裁剪方法下对图2-b在不同输出结果下的显示结果；
[0059] 图7-c为网格变形方法下对图2-b在不同输出结果下的显示结果；
[0060] 图7-d为本发明方法下对图2-b在不同输出结果下的显示结果。
【具体实施方式】
[0061] 下面结合附图对本发明的技术方案做进一步的详细说明：
[0062] 本发明首先通过对图像的预处理获得图像的能量图、显著图、平滑图和超像素分 割图计算出显著区域及图像边缘包络的特征点；然后根据目标显示分辨率计算长和宽如何 变化使得能量变化函数的取值最小，根据求出的长宽变化量计算图像中特征点的新位置； 计算出特征点的新位置之后，根据特征点的前后位置对源图像进行分段仿射变换的网格变 形得到中间图像，该中间图像的纵横比与目标显示纵横比相同；通过对图像的平滑图分析 提取出纹理区域，对生成中间图像的相同区域进行纹理合成替换；最后对替换过纹理部分 的中间图像进行双线性插值的等比变化，生成目标显示大小，该方法可以对保证图像中的 显著区域不发生形变，同时避免对纹理区域的过度形变造成的失真，更好地满足用户的浏 览体验。下面将结合附图对本发明作进一步地详细描述。
[0063] 本发明提供的是一种自适应图像缩放算法，流程如图1所示，步骤如下：
[0064] 步骤1.输入图像图2-b的视觉显著区域的确定：首先基于输入图像所具备的低级 特征，包括梯度、亮度特征值，通过计算具有相似低级特征的像素区域与图像全局特征的对 比，确定显著区域像素的分布，为弥补视觉显著模型的输出结果不理想，加入交互画刷增加 或者减少视觉显著区域，得到视觉显著图2-c;
[0065] 步骤2.输入图像的能量分布图的确定：在视觉显著图图2-c的基础上，叠加上通 过计算出输入图像中每个像素点四个方向的梯度能量值图3-c，组成输入图像的能量分布 图 3_b;
[0066] 步骤3.输入图像的纹理区域分布的确定：通过对输入图像进行平滑滤波，滤除纹 理区域的细节信息，从而使具有相似纹理区域的像素具有相近的颜色特征，将平滑处理过 的图像中具有相似颜色特征的像素联通，且大于图像显示面积的四分之一的区域标记为图 像的纹理区域，如果没有符合检测标准的区域就不标记；
[0067] 步骤4.输入图像的特征点分布图的确定：对输入图像进行超像素分割，对超像素 分割图中在显著区域的像素区域进行遍历，检测遍历处像素点与遍历处8邻域，图2-a所示 像素的距离值的种类数量，如果求出的距离值种类数量大于等于3,就认为该点为特征点， 标记该特征点的种类为1。边缘辅助点的选取依据每条边上包括每条边的顶点在内，一共8 个点，这些边缘特征点的种类值标记为〇,这样就得到种类值为1的视觉显著区域的特征点 及种类值为〇的边缘辅助点的分布图2-d;
[0068] 步骤5.计算所设能量变化函数值最小时的输入图像长宽变化值，具体实施如下：
[0069] 步骤5-1.以步骤1中得出的视觉显著图2-c为基础，建立以显著区域的质心为原 点，通过原点且平行于长和宽方向射线为坐标X轴Y轴图3-a;
[0070] 步骤5-2.计算以步骤2中得出的能量分布图在步骤5-1中所建坐标系中，四个象 限的能量值依次为El、E2、E3、E4,如图3-a所示，设四个顶点坐标依次为Al、A2、A3、A4,假 设中间图像的四个顶点坐标为B1、B2、B3、B4。图上显著区域范围的坐标依次为C1、C2、C3、 C4。源图像的长、高、纵横比依次为n、m、r。目标显示大小的长、高、纵横比依次为N、M、R。 置坐标点的变化量为zl，z2,z3,z4。得到如下关系：
[0071]
(I)
[0072] 能量变化函数为：
[0073] E(zl，z2,）=m*[zl2*(El+E4)+z22*(E2+E3)+zl*z2*(El+E2+E3+E4)] (2)
[0074] E(z3,z4,）=η*[z32* (E1+E2) +z42* (E3+E4) +z3*z4* (E1+E2+E3+E4) ] (3)
[0075] E(zl，z2,z3,z4) =a*E(zl，z2) +β*E(z3,z4) (4)
[0076]E(zl,z2)、E(z3,z4)分别是在x轴和y轴方向的能量变化值，E(zl,z2,z3,z4)就 是这两个方向能量变化总和，a和β为常数，其中[zlZ2z3z4]的取值需要满足式（5) 要求：
[0077]
[0078] 根据图4流程图，依据输入图像大小与目标显示大小的关系，对所求参数的范围 及参数设置，通过最优化算法求解在式（4)去最小值的取值 21，22,23,24，这样就可以得到 四个边缘点的新坐标值。
[0079] 步骤6.利用步骤5中求出的原图中四个顶底的变化值，计算出步骤4中的特征 点分布图中每个特征点的位置变化值，如图3-d设某个特征点的坐标（x，y)，它的新位置 (X，Y)，那么可以得到如下关系：
[0080] X = χ+ Δ X (6)
[0081] Y = y+ Δ y (7)
[0082] Δχ=a*x (8)
[0083] Δy=b*y (9)
[0084] 具体求解过程如下：
[0085] 步骤6-1.依据特