函数进行线裁剪操作完成图像的缩放， 步骤如下：
[0106] 第一步，输入彩色图像预处理：
[0107] 通过USB接口向计算机输入原始彩色图像，并输入目标图像的大小，将得到的原始 彩色图像0由RGB空间转化到灰度空间得到灰度图像I，采用的公式(1)如下：
[0108] I = 0.299R+0.587G+0.114B (1)，
[0109] 其中R、G、B分别是RGB空间图像的红色、绿色和蓝色通道，同时保留原始输入RGB空 间的原始彩色图像ο，供第二步中Context-Aware算法计算使用，所输入原始彩色图像0的大 小为ΜX Ν像素，所输入目标图像的大小为,X Μ像素；
[0110]第二步，提取原始彩色图像的显著图和显著目标图像：
[0111] (1)通过Context-Aware算法提取原始彩色图像显著图：
[0112]对第一步保留的原始输入的RGB空间的原始彩色图像0,通过Context-Aware算法 计算显著图，并将由此计算得到的该显著图输出为原始输入的RGB空间的原始彩色图像0图 像的尺寸，提取到原始彩色图像的显著图Sal;
[0113] (2)使用分水岭分割算法加强显著图：
[0114] 使用分水岭分割算法对上述步骤（1)得到的原始彩色图像的显著图Sal进一步加 强，分割出原始彩色图像显著图中的目标，先对图像的每个像素的灰度级进行从低到高排 序，然后再从低到高实现淹没过程，对每一个局部极小值采用先进先出结构进行判断及标 注，由此通过分水岭算法分割得到原始彩色图像的显著目标图像Is;
[0115] 第三步，提取灰度图像的融合直线信息的边缘图：
[0116] 提取第一步得到的灰度图像I中的直线信息，并对图像I进行模糊处理，提取边缘 图，将直线信息与边缘图进行叠加融合，得到融合直线信息的边缘图，具体步骤如下；
[0117] (1)检测灰度图像中的直线信息：
[0118] 对第一步中获得的灰度图像I运用霍夫变换检测其中的直线信息，设置霍夫变换 算法中所能检测到的最小长度为「o.ixfl个像素以及直线间的最小间隔为「〇.〇?χ々?个像 素，其中q为图像对角线的长度，将检测得到直线信息的图像进行二值化处理，设置阈值为 Tw，阈值Tw取值为240，得到具有直线信息的二值图Iw，所采用的公式⑵如下：
[0119]
[0120] 上述参数中w为标有直线线段的图像，w(x，y)为(x，y)处的像素值；
[0121] (2)对原始彩色图像进行模糊处理：
[0122]利用基于总变差模型的纹理结构提取算法对原始输入的RGB空间的原始彩色图像 〇进行模糊处理，模糊原图中不重要的纹理部分，突出主结构，得到去除纹理的图像，达到模 糊的效果；
[0123] (3)提取图像的边缘特征：
[0124] 利用Canny边缘检测算法对上述步骤(2)模糊处理后得到的图像提取边缘信息，增 强图像的边缘，得到边缘图，其中Canny算子模板如下公式(3)所示，其中，D x为水平方向的 算子，Dv为垂官方向的筧子，
[0125]
[0126] (4)将直线信息融合到边缘图中：
[0127] 将上述步骤（1)中得到的直线特征图与上述步骤(3)得到的边缘图采用的公式(4) 进行融合，
[0128] IC=IW+I canny ⑷，
[0129] 其中，Iw为含有直线信息的二值图，IMnny为使用Canny边缘检测算法得到的边缘 图，I。为融合直线信息的边缘图；
[0130]第四步，提取灰度图像的梯度图：
[0131 ]对第一步得到的灰度图像I通过Sobel梯度算子来提取梯度信息，即以图像像素点 I (X，y)为中心计算其3 X 3邻域的X方向偏导数Gjp y方向的偏导数Gy如下：
[0132] Gx={I(x-1,y+l)+2I(x,y+l)+I(x+l,y+l)}
[0133] (5)， -{I(x-1,y-l)+21(x,y-l)+1(x+1,y-l)}
[0134] Gy={I(x+l,y-l)+2I(x+l,y)+I(x+l,y+l)}
[0135] (6)， -{I(x-1,y-l)+21(x-1,y)+1(x-1,y+l)}
[0136] 梯度大小为：
[0137]
(7)
[0138] 根据公式(7)求出每个像素的梯度值，即可得到灰度图像的梯度图Ig;
[0139] 第五步，利用HFPM算法对三种特征图融合得到能量函数：
[0140]将上述第二步得到的原始彩色图像的显著目标图像Is、第三步得到的融合直线信 息的边缘图I。以及第四步得到的灰度图像的梯度图IgfflHFPM算法进行融合，采用公式如下：
[0141] EHFPM(x,y)=aIs(x,y)+PIc(x,y)+ γ Ig(x,y) (8)，
[0142] 其中Ehfpm为最终得到的能量函数，a、β、γ分别为Is、Ic、18三种图像不同的权重系 数，
[0143] a是原始彩色图像的显著目标图像Is的权重系数，其定义如下：
[0144]
[0145] 其中Areat为缩放后图像的面积，Μ和N分别是第一步得到的图像的长度值和宽度 值，单位为像素；
[0146] β是融合直线信息的边缘图I。的权重系数，其定义为：
[0147]
[0148]
[0149] 其中num为图像中通过Hough变换算法检测出的直线的条数，Len(1)即为第1条直 线的长度，Lmax为所有直线中最长直线的长度，L min为所有直线中最短直线的长度；
[0150] γ是灰度图像的梯度图Ig的权重系数，由上述第二步得到的原始彩色图像的显著 图Sal的面积决定，显著目标面积大的图像，γ值应越大，可以更好地保护图像中不同显著 目标之间的仂緣信息，其宙夂为：
[0151：
[0152]
[0153]其中，原始彩色图像的显著图Sal的尺寸为MXN像素，Sal(mc，nc)为在原始彩色图 像的显著图中(me，nc)处的像素值，Ts为设定的阈值，阈值Ts取值为200;
[0154]第六步，使用线裁剪算法对原始图像进行裁剪：
[0155]线裁剪算法是一种基于内容感知的图像缩放算法，根据得到的能量函数通过动态 规划找出当前图像中累计能量最小的裁剪线进行复制或者删除操作。原始彩色图像〇的大 小为MXN像素，目标图像大小为IVT XP/像素，线裁剪是提取Imhv^ |条行像素线和| N-Y |条 列像素线，如果目标图像尺寸小于原始图像尺寸，则删除该像素线使原始图像尺寸缩小一 行或一列，如果目标图像尺寸大于原始图像，则复制该像素线插入到原始图像相应位置，循 环处理IM-M' I或|N-g I次使得原始图像尺寸达到目标图像大小，
[0156] 通过动态规划找出合适的裁剪线，并进行裁剪操作，具体步骤如下：
[0157] (1)计算列裁剪线中由非相邻像素点成为相邻像素产生的能量：
[0158] 利用下式（14)计算移除像素时，由非相邻像素点成为新的相邻像素点而产生的能 量：
[0162]其中，I是第一步得到的灰度图像，Cf表示移除灰度图像I中像素（i，j)与
[0159]
[0160]
[0161] 1)时所产生的能量，eg表示移除灰度图像I中像素（i，j)与时所产生的能量，g表 示移除灰度图像I中像素(i，j)与时所产生的能量；
[0163] (2)计算当前最小列裁剪线能量：
[0164] 计算当前最小能量列裁剪线能量的公式如下所示：
[0165]
[0166] ey(i，j)为当前最小能量列裁剪线能量，也即最小能量列裁剪线中像素点（i，j)处 累积能量；
[0167] (3)寻找累计能量最小的列裁剪线：
[0168] 在ey计算灰度图像I最后一行中最小能量值的像素即为列裁剪线最后一个像素， 以ey(i，j)像素为起点，从最后一行回溯寻找累积能量最小的八联通裁剪线，按照这个步 骤，一直找到灰度图像I的第一行，所有联通的像素所组成的像素线即为累计能量最小的列 裁剪线；
[0169] (4)计算行裁剪线中由非相邻像素点成为相邻像素产生的能量：
[0170] 利用下式（16)计算移除像素时，由非相邻像素点成为新的相邻像素点而产生的能 量：
[0171 ] C'i -1,./) - /(/ + Κ./')| +1/(/,./ -1) -/(/ + l，i)|
[0172] Ci，{ii, j) = |/(/ - I, /) - /(/ +1* /)| .(1.6).，
[0173] = |/(i -1, /)-I(i+ l,j)| + |/(l, j - ?) - Γ(ι. - 1, j)|
[0174] 其中，I是第一步得到的灰度图像，巧表示移除灰度图像I中像素（i，j)与 1)时所产生的能量，G表示移除灰度图像I中像素（i，j)与时所产生的能量，Q表 示移除灰度图像I中像素(i，j)与时所产生的能量；
[0175] (5)计算当前最小行裁剪线能量：
[0176] 计算当前最小能量行裁剪线能量的公式如下所示：
[0177]
[0178] ex(i，j)为当前最小行裁剪线能量，也即最小能量列裁剪线中像素点（i，j)处累积 能量；
[0179] (6)寻找累计能量最小的行裁剪线：
[0180]在ex计算灰度图像I最后一列中最小能量值的像素即为行裁剪线最后一个像素， 以ex(i，j)像素为起点，从最后一列回溯寻找累积能量最小的八联通裁剪线，按照这个步 骤，一直找到灰度图像I的第一列，所有联通的像素所组成的像素线即为累计能量最小的行 裁剪线；
[0181] (7)对输入的原始彩色图像0的