一种影像矢量化方法、装置、电子设备及介质与流程

本申请涉及图像处理技术，尤其是一种影像矢量化方法、装置、电子设备及介质。

背景技术：

随着通信时代与社会的发展，遥感影像数据的应用已经在地理信息产业中被广泛的发展。

其中，在应用遥感影像数据时，将影像矢量化是地理信息产业中及其重要的一个方面。而在矢量化工作中，首先需要对遥感影像进行边界提取后再将影像矢量化。具体的，一般均采用依靠人工手动测绘的方式，对遥感影像中的各地物进行相应的边界标注，进而可以将各边界内的图像进行矢量化。例如，在卫星遥感影像数据中，将田块矢量化是极为重要的一环。测绘员会利用arcgis等工具，人工对卫星遥感影像数据中的田块，房屋，林地，山地等进行几何勾画，进而提取影像数据中田块的影像，并将田块影像矢量化。

然而，在基于人工手动测绘边界的影像矢量化过程中，不仅会存在效率低下的问题，而且也容易出现由于测绘员的各种客观原因所导致的勾画边界不准确的弊端。因此，如何设计出一种可以依据非人工过程完成对遥感影像中的边界自动划分，并将影像矢量化的方法，成为了本领域人员迫待解决的难题。

技术实现要素：

本申请实施例所要解决的一个技术问题是：在基于人工手动测绘边界的影像矢量化过程中存在的效率低下的问题。

根据本申请实施例的一个方面，提供的一种影像矢量化方法，包括：

获取影像数据；

基于所述影像数据，生成影像矩阵以及预设数量的计算核群；

所述预设数量的计算核群并行对所述影像矩阵进行分水岭采样操作，得到叠加矩阵，所述叠加矩阵为利用所述预设数量的计算核群对所述影像矩阵进行分水岭采样操作后生成的多个矩阵进行相加得到的矩阵；

根据所述叠加矩阵，得到所述影像数据的矢量化数据。

可选地，在基于本申请上述方法的另一个实施例中，在所述获取影像数据之后，还包括：

基于所述影像数据，获取影像积分图；

将所述影像积分图转换为影像矩阵。

可选地，在基于本申请上述方法的另一个实施例中，在所述将所述影像积分图转换为影像矩阵之后，还包括：

计算所述影像矩阵中的参数数量，并根据所述参数数量与流处理核心数量的比值，生成预设数量的计算核群。

可选地，在基于本申请上述方法的另一个实施例中，所述利用所述预设数量的计算核群对所述影像矩阵并行进行分水岭采样操作，得到叠加矩阵，包括：

利用所述预设数量的计算核群并行对所述影像矩阵进行分水岭采样操作；

分别得到所述每个计算核群进行分水岭采样操作后所生成的矩阵；

将所述每个矩阵相加，得到叠加矩阵。

可选地，在基于本申请上述方法的另一个实施例中，所述根据所述叠加矩阵，得到所述影像数据的矢量化数据，包括：

筛除所述叠加矩阵中小于预设阈值的参数，得到筛除后的叠加矩阵；

将所述筛除后的叠加矩阵进行二值化处理，生成边界矩阵；

将所述边界矩阵矢量化，得到所述影像数据的矢量化数据。

可选地，在基于本申请上述方法的另一个实施例中，所述预设数量包括：

当所述参数数量与流处理核心数量的比值为整数时，所述预设数量的数值为所述比值的值；

当所述参数数量与流处理核心数量的比值不为整数时，所述预设数量的数值为大于所述比值的最小整数值。

根据本申请实施例的另一个方面，提供的一种影像矢量化的装置，包括：

第一获取模块，用于获取影像数据；

生成模块，用于基于所述影像数据，生成影像矩阵以及预设数量的计算核群；

第二获取模块，用于利用所述预设数量的计算核群对所述影像矩阵并行进行分水岭采样操作，得到叠加矩阵，所述叠加矩阵为利用所述预设数量的计算核群对所述影像矩阵进行分水岭采样操作后生成的多个矩阵进行相加得到的矩阵；；

第三获取模块，用于根据所述叠加矩阵，得到所述影像数据的矢量化数据。

根据本申请实施例的又一个方面，提供的一种电子设备，包括：

存储器，用于存储可执行指令；以及

处理器，用于与所述存储器通信以执行所述可执行指令从而完成上述任一所述影像矢量化的方法的操作。

根据本申请实施例的还一个方面，提供的一种计算机可读存储介质，用于存储计算机可读取的指令，所述指令被执行时执行上述任一所述影像矢量化的方法的操作。

本申请中，根据获取的影像数据生成影像矩阵以及预设数量的计算核群，并利用每个计算核群并行对影像矩阵进行分水岭采样操作，得到叠加矩阵，再根据该叠加矩阵得到影像数据的矢量化数据。通过应用本申请的技术方案，不仅可以解决基于人工手动测绘边界的影像矢量化过程中导致的效率不高的问题，还可以避免由于人工客观原因引起的测绘边界不准确的弊端。

下面通过附图和实施例，对本申请的技术方案做进一步的详细描述。

附图说明

构成说明书的一部分的附图描述了本申请的实施例，并且连同描述一起用于解释本申请的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本申请，其中：

图1为本申请影像矢量化的方法一个实施例的流程图。

图2为本申请影像矢量化的方法另一个实施例的流程图。

图3为本申请影像矢量化的一个实施例的结构示意图。

图4为本申请影像矢量化的装置的结构示意图。

图5为本申请影像矢量化的电子设备结构示意图。

具体实施方式

现在将参照附图来详细描述本申请的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

需要说明，本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，在本申请中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本申请中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。

另外，本申请各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。

下面结合图1至图3来描述根据本申请示例性实施方式的用于进行影像矢量化的方法。需要注意的是，下述应用场景仅是为了便于理解本申请的精神和原理而示出，本申请的实施方式在此方面不受任何限制。相反，本申请的实施方式可以应用于适用的任何场景。

本申请提出一种影像矢量化方法、装置、电子设备及介质，旨在解决基于人工手动测绘边界的影像矢量化过程中存在的效率低下的问题。

图1示意性地示出了根据本申请实施方式的一种影像矢量化方法的流程示意图。如图1所示，包括：

s101，获取影像数据。

首先需要说明的是，本申请不对影像数据做具体限制。其中，一种较佳的实施方式中，影像数据可以为遥感影像数据。进一步的，遥感影像数据可以为卫星像片，也可以为航摄像片。遥感影像数据的种类变化并不会影响本申请的保护范围。

在一种具体的实施方式中，以遥感影像为卫星遥感影像为例，卫星遥感影像即为通过装载在卫星上的遥感器获取的像片。进一步的，通过计算机中的图像处理系统将遥感影像处理为数字图像，进而得到该遥感图像的影像数据。

s102，基于影像数据，生成影像矩阵以及预设数量的计算核群。

一般来说，现有的将影像矢量化的过程中，大都基于人工手动测绘边界的方式进行影像中的边界标注。另外，也存在有依靠计算机学习算法的边界提取算法来对影像进行矢量化的工作，但是现有的边界提取算法存在的问题为，随机过程中的不确定过程所导致的对源数据进行了随机波动，使得提取的边界产生了过量的毛刺，错位，甚至一定几率出现的对非边界地区的边界生成。

为了避免上述情况的出现，本申请提出的影像矢量化方法可以基于模拟蒙特卡洛方法(montecarlomethod统计模拟方法)使用分水岭算法(watershedalgorithm)的方法进行影像矢量化的实现。

可选的，本申请可以基于影像数据，生成影像矩阵以及预设数量的计算核群。其中，每一个计算核群均可以同时对影像矩阵中的参数进行分水岭采样操作。

s103，利用预设数量的计算核群对影像矩阵并行进行分水岭采样操作，得到叠加矩阵，叠加矩阵为将预设数量的计算核群对影像矩阵进行分水岭采样操作后生成的多个矩阵进行相加得到的矩阵。

可选的，当每个计算核群对影像矩阵进行分水岭采样操作后，会分别生成多个对应的矩阵(即每一个计算核群对影像矩阵的参数进行分水岭采样操作后会生成一个对应的矩阵)，进一步的，将该多个矩阵进行迭代矩阵加法的运算，进而生成的相加之后的矩阵即为叠加矩阵。

s104，根据叠加矩阵，得到影像数据的矢量化数据。

进一步的，本申请可以根据s103中得到的叠加矩阵，得到影像数据的矢量化数据。

本申请中，根据获取的影像数据生成影像矩阵以及预设数量的计算核群，并利用每个计算核群并行对影像矩阵进行分水岭采样操作，得到叠加矩阵，再根据该叠加矩阵得到影像数据的矢量化数据。通过应用本申请的技术方案，不仅可以解决基于人工手动测绘边界的影像矢量化过程中导致的效率不高的问题，还可以避免由于人工客观原因引起的测绘边界不准确的弊端。

可选的，在本申请的一种实施方式中，利用预设数量的计算核群对影像矩阵并行进行分水岭采样操作，得到叠加矩阵的方式可以为：

利用预设数量的计算核群并行对影像矩阵进行分水岭采样操作；分别得到每个计算核群进行分水岭采样操作后所生成的矩阵；

本申请中，计算核群为计算影像矩阵参数的核群。其中每个计算核群拥有自己的处理上限数量。例如，当第一计算核群计算影像矩阵参数达到自己处理的上限后，剩余参数由第二计算核群计算并直到第二计算核群达到自己处理上限后由第三计算核群开始处理，以此类推。直至影像矩阵中所有参数均被计算核群所计算。需要说明的是，每个计算核群是同时对影像矩阵的参数进行分水岭采样操作，进而可以极大节省影像矢量化的时间。

将每个矩阵相加，得到叠加矩阵。

可选的，本申请中叠加矩阵的生成方式如s103中描述的一致，在此不再赘述。

在本申请的另外一种实施方式中，本申请中根据叠加矩阵，得到影像数据的矢量化数据的具体方式可以为：

筛除叠加矩阵中小于预设阈值的参数，得到筛除后的叠加矩阵；

可选的，本申请中，在获取叠加矩阵后，遍历叠加矩阵中的所有参数，并在叠加矩阵中的所有参数中选出小于预设阈值的参数，并将所有小于预设阈值的参数从叠加矩阵中清除。清除小于预设阈值后的叠加矩阵即为筛除后的叠加矩阵。

需要说明的是，本申请中，对预设阈值不做具体限制。即预设阈值可以为1，预设阈值也可以为10。预设阈值的具体变化并不会影响本申请的保护范围。

将筛除后的叠加矩阵进行二值化处理，生成边界矩阵；

可选的，本申请中将得到的筛除后的叠加矩阵进行二值化处理，进而生成边界矩阵。

将边界矩阵矢量化，得到影像数据的矢量化数据。

可选的，将经过二值化处理生成的边界矩阵进行矢量化转换，生成的矢量化数据即为本申请的影像数据的矢量化数据。

进一步的，在本申请中s101(获取影像数据)之后，还包括一种具体的实施方式。具体的，本申请还包括一种影像矢量化方法，如图2所示，

s201,获取影像数据。

s202,基于影像数据，获取影像积分图。

可选的，本申请中，从存储中读取影像数据，并使用索贝尔算子(sobeloperator)求导积分图像，进而得到影像积分图。需要说明的是，本申请中的影像积分图的形式可以为m*n的数字。其中，m为行数、n为列数，且m、n均为不为零的正整数。

s203,将影像积分图转换为影像矩阵。

进一步可选的，本申请中，可以将影像积分图转换为矩阵。转换后的矩阵即为影像矩阵。

s204,计算影像矩阵中的参数数量，并根据参数数量与流处理核心数量的比值，生成预设数量的计算核群。

可选的，本申请首先需要计算影像矩阵中所有参数的数量。进一步的，由于本申请时基于图形处理器(graphicsprocessingunitgpu)进行处理的影像矢量化方法。因此，本申请中在生成计算核群的数量时，需将该影像矩阵中的参数数量除以当前计算机显卡的主流流处理核心数量。并根据比值结果生成预设数量个计算核群。

其中，本申请s204中，预设数量的计算核群可以通过以下方式生成得到：

当参数数量与流处理核心数量的比值为整数时，预设数量的数值为比值的值；

可选的，本申请首先需要计算影像矩阵中所有参数的数量。进一步的，将该影像矩阵中的参数数量除以当前计算机开启的流处理核心数量。例如，以影像矩阵的参数数量为1280个，计算机流处理核心数量为256个为例：当计算得到本申请的影像矩阵的参数数量为1280个时，计算1280与256的比值(1280/256)，可知比值数为5。更进一步的，由于5为整数，则本申请的计算核群数量为5个。

当参数数量与流处理核心数量的比值不为整数时，预设数量的数值为大于比值的最小整数值。

进一步可选的，本申请同样需要计算影像矩阵中所有参数的数量。进一步的，将该影像矩阵中的参数数量除以当前计算机开启的流处理核心数量。例如，以影像矩阵的参数数量为1000个，计算机流处理核心数量为256个为例：当计算得到本申请的影像矩阵的参数数量为1000个时，计算1000与256的比值(1000/256)，可知比值数为3.90625。更进一步的，由于3.90625不为整数，则本申请的计算核群数量为大于该3.90625的最小整数，因此，本申请的计算核群数量为4个。

在此需要说明的是，本申请中不对计算机处理影像矢量化方法所运行的流处理核心数量做具体限定，即本申请的方法适用于运行流处理核心数量为256的计算机，也适用于运行流处理核心数量为4096的计算机。流处理核心数量的具体变化并不会影响本申请的保护范围。

s205，利用预设数量的计算核群对影像矩阵并行进行分水岭采样操作，得到叠加矩阵。

可选的，在计算出计算核群的数量后，利用每一个计算核群对影像矩阵中的所有参数并行进行分水岭采样操作。具体的，以影像矩阵的参数数量为1000个，计算机流处理核心数量为256个为例，则经过计算可知本申请的计算核群数量为4个。进一步的，其中第一个计算核群被分配处理影像矩阵的参数顺序为1-256个参数。影像矩阵第257-512个参数则分配给第二个计算核群开始处理。同样的，影像矩阵第513-768个参数则分配给第三个计算核群开始处理，影像矩阵第769-1000个参数则分配给第四个计算核群开始处理。当影像矩阵中所有参数均被分配完毕后，则所有的计算核群开始并行对影像矩阵进行分水岭采样操作。

进一步可选的，当每个计算核群对影像矩阵进行分水岭采样操作后，会分别生成多个对应的矩阵(即每一个计算核群对影像矩阵的参数进行分水岭采样操作后会生成一个对应的矩阵)，进一步的，将该多个矩阵进行迭代矩阵加法的运算，进而生成的相加之后的矩阵即为叠加矩阵。

s206，根据叠加矩阵，得到影像数据的矢量化数据。

进一步可选的，在本申请的又一种实施方式中，还包括一种影像矢量化方法，如图3所示，

s301,获取影像数据。

s302,基于影像数据，生成影像矩阵以及预设数量的计算核群。

s303,利用预设数量的计算核群对影像矩阵并行进行分水岭采样操作，得到叠加矩阵。

其中，利用每个计算核群对影像矩阵进行分水岭采样操作的算法描述可以通过以下方式实现：

第一步:标记输出点和输入点像素拥有更低邻域的标号

p:当前像素

p1∈n(p):p的邻域像素

f(p),f(p1):p,p1的像素灰度值

q＝{p′∈n(p)|f(p′)＝min(p″∈n(p)f(p″)，f(p′)＜f(p)}):最陡的邻域

po_code(p→q):输出点代码p指向q

pi_code(p→q):输入点代码p指向q

rasterscan(p){

if(exist(q)){//如果q存在

pointout(p)＝po_code(p→q)；

pointin(q)＝pointin(q)|pi_code(qp)

}

}

第二步:标记在非极小高原中输出点和输入点像素的标号

(1)rasterscan(p){

if(pointout(p)！＝8and

pointout(p1)＝＝8andf(p)＝＝f(p1))

fifo_put(p)//:fifo为数据结构中栈的主要工作方式先进先出.empty表示是否为空

}

(2)while(fifo_empty()＝＝false){

p＝fifo_get()

foreach(p02n(p)andf(p)＝＝f(p0

)

andpointout(p1)＝＝8){

pointout(p1)＝po_code(p1→p)；

pointin(p)＝pointin(p)|pi_code(p←p1)

fifo_put(p1)

}//endfor

}//endwhile

第三步，标记极值区域输出点和输入点像素的标号

rasterscan(p){

if(pointout(p)＝＝8andpointout(p1)＝＝8andf(p)＝＝f(p1)){

pointout(p1)＝po_code(p1→p)；

pointin(p)＝pointin(p)|pi_code(p←p1)

stack_push(p1)//此操作为先前说明的入栈操作

}//endif

while(stack_empty()＝＝false){

p1＝stack_pop()//pop代表栈顶元素

foreach(p002n(p1)andf(p2)＝＝f(p1)andpointout(p2)＝＝8andpointout(p1→p){

pointout(p2)＝po_code(p2→p1)；

pointin(p1)＝pointin(p1)|pi_code(p1→p2)

stack_push(p2)

}//endfor

}//endwhile

}endscan

第四步：对盆地的像素标号进行标注

(1)current_label＝1

(2)rasterscan(p){

if(pointout(p)＝＝8){

stack_push(p)

while(stack_empty()＝＝false){

p1＝stack_pop()；

l(p1)＝current_label

foreach(pi_code(p1→p2)

inpointin(p1){

l(p2)＝current_label；

stack_push(p00)

}//endfor

}//endwhile

current_label＝current_label+1；

}//endif

}//endscan

其中，input为源图片f、output为标记l；

定义:输出点代码,定义为8；

定义:输入点代码，定义为0.

s304,根据叠加矩阵，得到影像数据的矢量化数据。

在本申请的另外一种实施方式中，如图4所示，本申请还提供一种影像矢量化的装置，该装置包括第一获取模块401，生成模块402，第二获取模块403，第三获取模块404。其中，

第一获取模块401，用于获取影像数据。

生成模块402，用于基于影像数据，生成影像矩阵以及预设数量的计算核群。

第二获取模块403，用于利用所述预设数量的计算核群对所述影像矩阵并行进行分水岭采样操作，得到叠加矩阵，所述叠加矩阵为利用所述预设数量的计算核群对所述影像矩阵进行分水岭采样操作后生成的多个矩阵进行相加得到的矩阵。

第三获取模块404，用于根据叠加矩阵，得到影像数据的矢量化数据。

本申请中，根据获取的影像数据生成影像矩阵以及预设数量的计算核群，并利用每个计算核群并行对影像矩阵进行分水岭采样操作，得到叠加矩阵，再根据该叠加矩阵得到影像数据的矢量化数据。通过应用本申请的技术方案，不仅可以解决基于人工手动测绘边界的影像矢量化过程中导致的效率不高的问题，还可以避免由于人工客观原因引起的测绘边界不准确的弊端。

在本申请的另一种实施方式中，还包括：第四获取模块405，转换模块406，第五获取模块407：

第四获取模块405，用于基于所述影像数据，获取影像积分图。

转换模块406，用于将所述影像积分图转换为影像矩阵。

第五获取模块407，计算所述影像矩阵中的参数数量，并根据所述参数数量与流处理核心数量的比值，生成预设数量的计算核群。

在本申请的另一种实施方式中，第二获取模块403还包括，

第二获取模块403，还用于利用所述预设数量的计算核群并行对所述影像矩阵进行分水岭采样操作；

第二获取模块403，还用于分别得到所述每个计算核群进行分水岭采样操作后所生成的矩阵；

第二获取模块403，还用于将所述每个计算核群对应的矩阵相加，得到叠加矩阵。

在本申请的另一种实施方式中，第三获取模块404还包括，生成单元

第三获取模块404，还用于筛除所述叠加矩阵中小于预设阈值的参数，得到筛除后的叠加矩阵。

生成单元，用于将所述筛除后的叠加矩阵进行二值化处理，生成边界矩阵。

第三获取模块404，还用于将所述边界矩阵矢量化，得到所述影像数据的矢量化数据。

可选的，在本申请的一种实施方式中，当所述参数数量与流处理核心数量的比值为整数时，所述预设数量的数值为所述比值的值；

当所述参数数量与流处理核心数量的比值不为整数时，所述预设数量的数值为大于所述比值的最小整数值。

在介绍了本申请示例性实施方式的影像矢量化的方法和影像矢量化的装置之后，接下来，参考图5对本申请示例性实施方式的、用于实现上述方法实施方式中所记载的各步骤的电子设备进行说明。图5显示的计算机系统/服务器50仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统/服务器50以通用计算设备的形式表现。计算机系统/服务器50的组件可以包括但不限于：一个或者多个处理器或者处理单元501，系统存储器502，连接不同系统组件(包括系统存储器502和处理单元501)的总线503。

计算机系统/服务器50典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器50访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器502可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)5021和/或高速缓存存储器5022。计算机系统/服务器50可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，rom5023可以用于读写不可移动的、非易失性磁介质(图5中未显示，通常称为“硬盘驱动器”)。尽管未在图5中示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom，dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线503相连。系统存储器502中可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。

具有一组(至少一个)程序模块5024的程序/实用工具5025，可以存储在例如系统存储器502中，且这样的程序模块5024包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块5024通常执行本申请所描述的实施例中的功能和/或方法。

计算机系统/服务器50也可以与一个或多个外部设备504(如键盘、指向设备、显示器等)通信。这种通信可以通过输入/输出(i/o)接口505进行。并且，计算机系统/服务器50还可以通过网络适配器505与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或者公共网络，例如因特网)通信。如图5所示，网络适配器505通过总线503与计算机系统/服务器50的其它模块(如处理单元501等)通信。应当明白，尽管图5中未示出，可以结合计算机系统/服务器50使用其它硬件和/或软件模块。

处理单元501通过运行存储在系统存储器502中的计算机程序，从而执行各种功能应用以及数据处理，例如，执行用于实现上述方法实施例中的各步骤的指令；具体而言，处理单元501可以执行系统存储器502中存储的计算机程序，且该计算机程序被执行时，下述指令被运行：

获取影像数据；

基于所述影像数据，生成影像矩阵以及预设数量的计算核群；

利用所述预设数量的计算核群对所述影像矩阵并行进行分水岭采样操作，得到叠加矩阵，所述叠加矩阵为利用所述预设数量的计算核群对所述影像矩阵进行分水岭采样操作后生成的多个矩阵进行相加得到的矩阵；

根据所述叠加矩阵，得到所述影像数据的矢量化数据。

当然，电子设备还包括的其他指令如设备侧方法侧装置侧描述的内容，在此不再一一赘述。

本申请中，根据获取的影像数据生成影像矩阵以及预设数量的计算核群，并利用每个计算核群并行对影像矩阵进行分水岭采样操作，得到叠加矩阵，再根据该叠加矩阵得到影像数据的矢量化数据。通过应用本申请的技术方案，不仅可以解决基于人工手动测绘边界的影像矢量化过程中导致的效率不高的问题，还可以避免由于人工客观原因引起的测绘边界不准确的弊端。

本申请实施例还提供一种计算机可读存储介质，用于存储计算机可读取的指令，所述指令被执行时执行上述图1-图3中包括的所述影像矢量化的方法的操作。所述影像矢量化的方法描述的内容，在此不再一一赘述。

以上仅为本申请的部分可选的实施例，并非因此限制本申请的专利范围，凡是在本申请的构思下，利用本申请说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本申请的专利保护范围内。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

可能以许多方式来实现本申请的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本申请的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本申请的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本申请实施为记录在记录介质中的程序，这些程序包括用于实现根据本申请的方法的机器可读指令。因而，本申请还覆盖存储用于执行根据本申请的方法的程序的记录介质。

本申请的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本申请限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本申请的原理和实际应用，并且使本领域的普通技术人员能够理解本申请从而设计适于特定用途的带有各种修改的各种实施例。