一种内容相关的图像缩放方法

专利名称：：一种内容相关的图像缩放方法
技术领域：
：本发明涉及图像縮放处理
技术领域：
，具体涉及一种内容相关的图像縮放方法。
背景技术：
：图像縮放技术是图像处理领域中的一项常用技术，用于改变数字图像的空间分辨率。随着越来越多的具有不同分辨率的显示设备的出现，这项技术也应用在越来越多的领域。传统的图像縮放往往是采用插值的方法来改变图像的分辨率，例如双线性插值、双立方插值等。这种方法比较简单，但是存在两个问题，一是在图像縮放过程中图像中所有景物都同比例的縮小或者放大，这样无法对图像中一些重要目标进行保护，以突出图像重点;二是在改变图像长宽比时会使图像内容发生严重的失真。另一种縮小图像的方法是裁切，即在图像中选择一个矩形窗口，保留窗口内的图像内容，抛弃窗口外的内容以实现图像尺寸的縮小。这种方法的优点是在改变图像长宽比时不会造成失真。但是，这种方法的缺点是无法进行图像放大的处理，而且在縮小图像时会丢弃部分图像内容，破坏原图像内容的完整性。为了克服以上两种图像縮放方法的不足之处，近年来出现了一种新的内容相关的图像縮放方法。这种方法的特点是对图像进行縮放处理时会区别对待图像中的不同区域，使图像中的一些重要区域保持不变，同时也能较好的保持图像内容的完整性，并且在改变图像长宽比时不会发生明显的失真。这种方法的特征如下a.为图像中每一个像素点定义一个能量值，能量值反应了该像素点的重要性，能量越大的点越重要。b.从图像中寻找一条能量最小的垂直(或水平)缝隙。其中垂直(或水平)缝隙是指图像中一条自顶向下(或自左向右)的曲线，图像中的每一行(或列)有且仅有一个像素点在这条曲线上，且曲线上任何相邻两行的像素点是邻接的。缝隙的能量被定义为缝隙上所有像素点的能量之和。垂直缝隙和水平缝隙如图l所示。c.将找到的缝隙上所有的像素点删除(或复制)以实现图像尺寸1像素的减小(或增大)。d.重复上面的步骤直至得到所需尺寸的图像。在上述方法中，求解能量最小的垂直(或水平)缝隙可以采用动态规划的方法。以求解垂直缝隙为例，首先建立累积能量矩阵M:M(i，j)=e(i,j)+min(M(i-1，j-1)，M(i,j-1),M(i+1,j-1)}其中M(i,j)表示矩阵中第j行第i列元素的值，这个值是从图像第一行某个像素点出发，沿着某条垂直缝隙到达点I(i，寸所经过的像素点能量之和的最小值；e(i,j)表示图像中第j行第i列的像素点的能量值。在建立M矩阵之后，从矩阵的最后一行中找出值最小的元素，从这个元素出发向上逆推即可得到能量最小的垂直缝隙。这种方法效果不错，但问题是每求解一条缝隙就要做一次动态规划，因此当图像尺寸改变较大时会花费较多的时间。另一种求解缝隙的方法是通过匹配来求解。仍然以求解垂直缝隙为例，所谓匹配是指相邻两行像素点间的一种一一对应的关系，每个像素点在其上一行和下一行各有且仅有一个匹配点。在定义了连接相邻两行中任意两个像素点的边的权值之后，就可以用"匈牙利算法"来求解两行间的最优匹配。当所有的相邻行间都建立匹配关系之后，从整幅图像第一行(或最后一行)的任意一个像素点出发，通过不断寻找下一行(或上一行)的匹配点就可以得到一个像素点序列S。如果通过权值的定义使得以下条件成立(其中m(i力表示第j行第i个像素点在第j+l行的匹配点的x坐标)Vie[1,m]AJe[1，n),|m(i,j)-j|d也就是说对于图像前n-l行中的任意一个像素点，其下一行的匹配点的x坐标与其本身的x坐标相差不超过1像素，那么由垂直缝隙的定义可知，此时S就是一条垂直缝隙。这样就通过匹配并行的找到了m条垂直缝隙(假设图像宽度为m像素)，可以在水平方向上将图像尺寸调整最多m个像素。但是由于匈牙利算法的时间复杂度为0(m3)，因此这种并行求解缝隙的方法速度仍然非常慢。综上所述，现有的基于缝隙的内容相关图像縮放方法存在时间效率不高的问题，这限制了这种技术的广泛应用。
发明内容本发明的目的在于克服上述现有技术的缺点，提供了一种快速的内容相关的图像縮放方法。为实现上述发明目的，本发明采用的技术方案是计算源图像中每一个像素点的能量值，该能量值反应像素点在图像中的重要程度；为源图像中所有连接相邻两行或两列中任意两个像素点的边定义用于求解匹配的权值；根据定义的权值在源图像中所有相邻行或列间求解最优匹配，也即建立相邻行或列像素点间的一一对应关系；根据相邻行或列像素点间的一一对应关系得到垂直或水平缝隙并计算缝隙对应的能量值，即缝隙上所有像素点的能量之和，然后按照缝隙能量值的升序依次删除n条缝隙以实现图像尺寸n像素的縮小，或者按照缝隙能量升序依次复制n条缝隙以实现图像尺寸n像素的放大。根据定义的权值在源图像中相邻行或列间求解最优匹配时按照如下方法进行以求解一幅宽为m个像素的图像中第k行与第k+l行像素点间的最优匹配为例，用w(ij)表示连接第k行第i个像素和第k+l行第j个像素的边的权值，F(x)表示前x对像素点所构成子图的最优匹配中各匹配边的权值之和，定义F(-l"F(0)-0，w(0,l)=w(l,0)=-oo，按照下式求解F(i),1《i《m，F(i)=max{F(i誦l)+w(i，i)，F(i-2)+w(i，i-l)+w(i-l，i)}从图像第k行最右边的像素点I(m，k)开始，依次向左判断第k行所有像素点I(i,k)，1《i《m的匹配点，如果F(i"F(i-l)+w(i,i)，则点I(i，k)的匹配点是其正下方的点I(i,k+1)，接着判断点I(i-l，k)的匹配点；如果F(i)=F(i-2)+w(i,i-l)+w(i-l,i)，则点I(i，k)的匹配点是其左下方的点I(i-l，k+l)，且点I(i-l,k)的匹配点是其右下方的点I(i,k+l)，接着判断点I(i-2,k)的匹配点。为源图像中所有连接相邻两行或两列中任意两个像素点的边定义用于求解匹配的权值时采用如下两种方法1)以定义连接第k行和第k+l行中任意两个像素点的边的权值为例，用w(i,j)表示连接第k行第i个像素和第k+l行第j个像素的边的权值，e(i,j)表示像素点I(i,j)的能量值，贝陏w(i，j)={A"".,'"1)'li-Jl"'画oo,otherwise其中A和M是两个矩阵，A(iJ)代表经过点I(i,k)的垂直缝隙从图像第一行到第j行的累积能量，M通过从图像最后一行向上做动态规划得到M(U)=e(i,j)+min{M(i國1，j+1)，M(i，j+1),M(i+1，j+1)}2)以定义连接第k行和第k+l行中任意两个像素点的边的权值为例，用w(i,j)表示连接第k行第i个像素和第k+l行第j个像素的边的权值，e(i,j)表示像素点I(i,j)的能量值，贝陏W(i,j)"e(i，k).e。，k+"，！i-j^誦oo,otherwise"与现有技术相比，本发明提供的内容相关图像縮放方法在处理速度上具有较大优势，下表是几种不同内容相关图像縮放方法处理速度的比较。其中方法1代表用动态规划求解缝隙的方法，方法2代表通过匹配求解缝隙且采用"匈牙利算法"求解匹配的方法，方法3代表本发明所提供的方法。表中所给数据是在水平方向上将输入图像尺寸缩小到1像素所需的时间，其中m表示分钟，s表示秒，ms表示毫秒o<table>tableseeoriginaldocumentpage8</column></row><table>图1是根据本发明的一个实施方式的用于内容相关的图像縮放方法的流程图2是两种匹配情况中的一种；图3是两种匹配情况中的另一种；图4是一幅待处理的输入图像；图5是采用根据本发明的一个实施方式的方法将图5水平方向尺寸縮小后的结果；图6是采用传统縮放方法将图5水平方向尺寸縮小后的结果。具体实施例方式为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实例，以改变一幅宽为m个像素高为n个像素的图像尺寸为例，对本发明做进一步的详细说明。这些实例仅仅说明性的，而并非对本发明的限制。图1是根据本发明的一个实施方式的用于内容相关的图像縮放方法的流程图，以下对流程图中的各步骤做以描述。步骤S1:计算原始图像中各像素点的能量值。首先，在本发明中，所谓"内容相关的縮放"就是要识别图像的内容，在縮放过程中尽量避免破坏图中信息量较大的关键区域，而对信息量较小的非关键区域进行縮放以达到改变图像尺寸的目的。要做到内容相关，首先就应该能够识别图像的内容，判断出哪些是关键区域，哪些是非关键区域。因此本发明的实施方式的方法的第一个步骤是为图像中的像素点定义能量值，能量值代表了其重要性，能量值越大越重要。能量值有多种定义方法，可以是自适应的，也可以是人为输入的。在自适应的算法中，可以采用单一的函数来计算各像素点的能量值，也可以采用图像分割、人脸检测等手段来矫正能量函数的计算结果。用梯度值作为像素点的能量值是一种简单有效的定义方法e(i，j)叫一I(i，j)l+l—I(i,j)l其中e(ij)代表图像中第j行第i列的像素点的能量值；I(ij)代表图像中第j行第i列的像素点的灰度值。式中第一项是图像x方向的导数，第二项是图像y方向的导数。步骤S2:判断需要在哪个方向上改变图像尺寸。如果需要在水平方向上改变图像尺寸，则顺序执行步骤S3、S4、S5;如果需要在垂直方向上改变图像尺寸，则顺序执行步骤S6、S7、S8;如果两个方向上的尺寸都需要改变，那么先任选一个方向进行处理，然后再对另一个方向进行处理。步骤S3:为原始图像中所有连接相邻两行中任意两个像素点的边定义用于求解匹配的权值。在定义了像素点的能量之后，可以通过删除或复制能量值较小的像素点来实现图像尺寸的縮小或放大，但是为了保持图像内容的连续性，不能随意选择像素点删除或复制，而是要以缝隙为单位，寻找垂直缝隙的过程可以通过在所有相邻行间建立像素点之间的匹配关系来实现。因为两行之间的匹配关系是不唯一的，为了评价各种匹配关系的优劣，应该为连接相邻两行中任意两个像素点的边定义权值，以区分不同的匹配方式，同时还要定义衡量优劣的标准(这里采用各匹配边权值之和的大小来衡量，越大越优)。这时问题就转化为求解一个特殊的带权二分图的最大权匹配，具体的求解方法将在步骤S4中描述，这里先介绍权值的定义方法。以图像中连接第k行和第k+l行像素点的边的权值定义为例，用w(ij)表示连接第k行第i个像素和第k+l行第j个像素的边的权值，e(i，j)表示第j行第i个像素点的能量，与点I(i,k)相连的匹配边的能量Ei定义为依附于它的两个像素点I(i,k)和1(m(i，k),k+l)的能量之和。当通过删除缝隙来縮小图像尺寸的时候，总是从能量最小的一条缝隙做起，其目的就是尽可能多的保持图像的能量，那么如果只考虑两行像素的话，当去掉某条匹配边所连接的两个像素点时，同样也希望尽量保持这两行的能量，也就是使剩下的匹配边能量之和尽量大。同时注意到不论如何匹配，两行间各匹配边的能量之和都是一定的，都等于Z:e(i，k)+e(i,k+1)，因此只有通过增大各匹配边能量的区分度才能使被删除的匹配边能量更小，而剩余的匹配边能量之和更大。增大匹配边能量的区分度就是使各匹配边能量分布的更加分散，设各匹配边能量的平均值为i，用方差o2来衡量其分散程度<formula>formulaseeoriginaldocumentpage11</formula>因为d、C2、C3都是定值，所以要使<12最大，就是要使各匹配边所连接的两点的能量乘积之和2Ie(i,k).e(m(i,k),k+1)最大。容易想到，如果将各边的权值定义为依附于它的两个像素点能量的乘积，那么在此权值定义下的最优匹配就可以满足上述要求，因此如下定义各边的权值<formula>formulaseeoriginaldocumentpage11</formula>以上这种权值定义方法比较简单，但是实践发现在这种定义下解得的缝隙都近似于直线，在某些情况下可能会得到较差的处理结果，这主要是因为在定义权值的时候只用到了两行的像素点，相当于将这两行像素从整幅图像中孤立出来了，这种定义方式只能保证特定两行之间的各匹配边区分度最大，而无法保证整幅图中的各条缝隙区分度最大，也就是说只达到了局部的最优而没有达到全局的最优。为了解决这个问题，定义矩阵A和矩阵M。A(ij)代表经过点I(ij)的垂直缝隙从第一行到第j行的累积能量，这个矩阵是随着匹配过程逐步建立起来的，在第k-1行和第k行之间建立起匹配关系之后，就可以计算出矩阵A第k行的值了。而矩阵M是通过从图像最后一行向上做动态规划得到的M(i,j)=e(i,j)+min{M(i-1,j+1),M(i，j+1),M(i+1，j+1)}M(ij)代表从点I(ij)出发，沿着一条最优的缝隙到达图像最后一行时的累积能量。分别用A(i,k)和M(m(i，k)，k+1)来代替之前讨论中的e(i,k)和e(m(i,k),k+l)，这时就有Ej=A(i,k)+M(m(i，k),k+1)，其中A(i,k)代表了缝隙从第一行到第k行的累积能量，M(m(i，k),k+1)代表了缝隙从第k+l行到最后一行的累积能量，因此Ei就是整条缝隙的能量，让Ei的区分度最大也就是让图像中各条缝隙的区分度最大，于是此时各边的权值定义如下<formula>formulaseeoriginaldocumentpage12</formula>这种权值定义方式下得到的缝隙能够更好的保持图像的能量，避免局部最优和全局最优的冲突给处理结果带来的不利影响，从而得到更好的处理结果。步骤S4:根据S3中定义的权值在相邻行间求解最优匹配，以得到相邻两行像素点间的一一对应关系。仍然以求解图像中第k行像素和第k+l行像素所构成二分图的最优匹配为例。用w(i，j)表示连接第k行第i个像素和第k+l行第j个像素的边的权值，F(x)表示前x对像素点所构成子图的最优匹配中各匹配边的权值之和。从第k行最后一个像素点I(m，k)开始考虑(图2、图3中黑色的点)。由于权值的定义保证了以下约束条件的成立(其中m(g)表示第j行第i个像素点在第j+l行的匹配点的x坐标)ViG[1，m]AJ"1，n)，lm(U)-i^1因此点I(m，k)的匹配情况只有两种可能第一，与点1(m,k+l)匹配；第二与点1(m-l，k+l)匹配。相应的，两行像素间的最优匹配也存在两种可能性，下面分别考虑这两种情况。首先，当点I(m,k)与点1(m，k+l)匹配时(图2所示的情况)，连接点I(m,k)和点1(m-l,k+l)的边以及连接点I(m-l,k)和点1(m,k+l)的边就不可能再成为匹配边了(每一个像素点只可能依附于一条匹配边)，此时前m-l对点的匹配情况一定是前m-1对点所构成子图的最优匹配，否则这种匹配情况就不可能成为两行像素间的最优匹配。那么这种情况下各匹配边的权值之和为F(m-l)+w(m,m)。其次，当点I(m,k)与点1(m-l,k+l)匹配时(图3所示的情况)，点I(m-l,k)就必须与点1(m，k+l)匹配，否则点1(m,k+l)就找不到满足上述约束条件的点与之匹配。这样一来，图中虚线所示的四条边将不再可能成为匹配边。这时与第一种情况相似，前m-2对点的匹配情况一定是前m-2对点所构成子图的最优匹配。这种情况下各匹配边的权值之和为F(m-2)+w(m,m-1)+w(m-1,m)。因为最优匹配就是各匹配边权值之和最大时的匹配，因此通过比较以上两种情况中匹配边权值之和的大小，就可以判断两行像素间的最优匹配到底是哪一种情况。具体来讲，如果有F(m-l)+w(m，m)〉F(m-2)+w(m，m-l)+w(m-l，m)，那么第一种情况成立，F(m)=F(m-l)+w(m,m)，最优匹配中点I(m,k)的匹配点是点I(m,k+1)，前m-l对点的匹配情况是前m-l对点所构成子图的最优匹配；反之，第二种情况成立，F(m)=F(m-2)+w(m，m-l)+w(m-l,m)，最优匹配中点I(m,k)的匹配点是点I(m-l,k+l)，点l(m-l,k)的匹配点是点I(m,k+l)，前m-2对点的匹配情况是前m-2对点所构成子图的最优匹配。总结起来，有下式成立F(m)=max{F(m-l)+w(m,m),F(m-2)+w(m,m-l)+w(m-l,m)}通过判断F(m)的值就可以确定前m对点所构成子图的最优匹配是属于哪一种情况。推广到更一般的情况，对前i对点构成的子图有F(i)=max{F(i-l)+w(i，i)，F(i-2)+w(i,i-l)+w(i画1，i)}通过判断F(i)的值就可以确定前i对点所构成子图的最优匹配属于哪一种情况。因此定义F(-1)=F(0)=0,w(0,l)=w(l,0)=-oo，然后利用上式依次向右求出F(i)，Ki^n。此时要求解m对点构成的二分图的最优匹配，就可以先利用F(m)的值判断出其最优匹配是属于两种情况中的哪一种，接着问题就转化为了求解前m-l对点所构成子图的最优匹配(确定是第一种情况，点I(m,k)的匹配点己找到)或前m-2对点所构成子图的最优匹配(确定是第二种情况，点I(m,k)和点I(m-l,k)的匹配点均已找到)，这时又可以利用F(m-l)或F(m-2)来进一步縮小问题的规模，如此循环下去，直至问题转化为求解前x(xSO)对点所构成子图的最优匹配(这个问题可以视为不需要解决或已经解决)。至此第k行所有像素点的匹配点就都已找到，也就是在第k行和第k+l行之间建立了匹配关系，且这个匹配是当前权值定义下的最优解。步骤S5:计算所有垂直缝隙的能量。在求解完所有相邻行间的匹配关系后，从整幅图像第一行(或最后一行)的任意一个像素点出发，通过不断寻找下一行(或上一行)的匹配点就可以得到一个像素点序列，且权值的定义保证了这条像素点序列就是一条垂直缝隙，因此就并行的得到了m条垂直缝隙。分别计算这m条垂直缝隙的能量，即缝隙上所有像素点的能量之和。步骤S6:为原始图像中所有连接相邻两列中任意两个像素点的边定义用于求解匹配的权值。与步骤S3中描述的方法相似，为原始图像中所有连接相邻两列中任意两个像素点的边定义用于求解匹配的权值。可以将图像旋转90度后按照步骤S3中描述的方法进行处理。步骤S7:根据S6中定义的权值在相邻列间求解最优匹配，以得到相邻两列像素点间的一一对应关系。与步骤S4中描述的方法相似，在图像中所有相邻列间求解最优匹配。可以将图像旋转90度后按照步骤S4中描述的方法进行处理。步骤S8:计算所有水平缝隙的能量。在求解完所有相邻列间的匹配关系后，从整幅图像第一列(或最后一列)的任意一个像素点出发，通过不断寻找下一列(或上一列)的匹配点就可以得到一个像素点序列，且权值的定义保证了这条像素点序列就是一条水平缝隙，因此就并行的得到了n条水平缝隙。分别计算这n条水平缝隙的能量，即缝隙上所有像素点的能量之和。步骤S9:判断需要对图像尺寸进行放大还是縮小。如果需要对图像尺寸进行縮小，则执行步骤S10;如果需要对图像尺寸进行放大，则执行步骤Sll。步骤S10:按缝隙能量升序删除缝隙。对步骤S5或S8中得到的垂直缝隙或水平缝隙能量进行排序，从能量最小的缝隙开始删除，即将缝隙上所有像素点从图像中删除。每删除一条缝隙可以实现图像尺寸1像素的縮小，删除多条缝隙即可实现图像尺寸多像素的縮小。步骤S11:按缝隙能量升序复制缝隙。对步骤S5或S8中得到的垂直缝隙或水平缝隙能量进行排序，从能量最小的缝隙开始复制，即在缝隙上所有像素点的右侧(或左侧)复制一个与其相同的像素点。每复制一条缝隙可以实现图像尺寸1像素的放大，复制多条缝隙即可实现图像尺寸多像素的放大。图4是一幅输入图像，图5是用本发明提供的方法将输入图像水平方向尺寸縮小后的结果，作为对比，图6是用传统縮放方法将输入图像縮小同样尺寸的处理结果。本发明可通过多种编程语言来实现，包括但不限于C、C++、C#、Java等等。本发明可以以硬件、软件、固件以及它们的组合来实现。本领域技术人员应该认识到，也可以在供任何合适数据处理系统使用的信号承载介质上所设置的计算机程序产品中体现本发明。这种信号承载介质可以是传输介质或用于机器可读信息的可记录介质，包括磁介质、光介质或其他合适介质。可记录介质的示例包括硬盘驱动器中的磁盘或软盘、用于光驱的光盘、磁带，以及本领域技术人员所能想到的其他介质。本领域技术人员应该认识到，具有合适编程装置的任何通信终端都将能够执行如程序产品中体现的本发明方法的步骤。从上述描述应该理解，在不脱离本发明精神的情况下，可以对本发明各实施方式进行修改和变更。本说明书中的描述仅仅是用于说明性的，而不应被认为是限制性的。本发明的范围仅受权利要求书的限制。权利要求1、一种内容相关的图像缩放方法，该方法包括计算源图像中每一个像素点的能量值，该能量值反应像素点在图像中的重要程度；为源图像中所有连接相邻两行或两列中任意两个像素点的边定义用于求解匹配的权值；根据定义的权值在源图像中所有相邻行或列间求解最优匹配，也即建立相邻行或列像素点间的一一对应关系；根据相邻行或列像素点间的一一对应关系得到垂直或水平缝隙并计算缝隙对应的能量值，即缝隙上所有像素点的能量之和，然后按照缝隙能量值的升序依次删除n条缝隙以实现图像尺寸n像素的缩小，或者按照缝隙能量升序依次复制n条缝隙以实现图像尺寸n像素的放大。2、如权利要求1所述的方法，其特征在于，根据定义的权值在源图像中相邻行或列间求解最优匹配时按照如下方法进行以求解一幅宽为m个像素的图像中第k行与第k+l行像素点间的最优匹配为例，用w(U)表示连接第k行第i个像素和第k+l行第j个像素的边的权值，F(x)表示前x对像素点所构成子图的最优匹配中各匹配边的权值之和，定义F(-l)-F(0)-0，w(0，l)=w(l，0)=-oo，按照下式求解F(i),1《i《m，F(i)=max{F(i-l)+w(i,i)，F(i-2)+w(i,i画l)+w(i-l，i)}从图像第k行最右边的像素点I(m,k)开始，依次向左判断第k行所有像素点I(i,k),1《i《m的匹配点，如果F(i)=F(i-l)+w(i，i)，则点I(i,k)的匹配点是其正下方的点I(i,k+1)，接着判断点I(i-l，k)的匹配点；如果F(i)=F(i-2)+w(i,i-l)+w(i-l,i)，则点I(i,k)的匹配点是其左下方的点I(i-l，k+l),且点I(i-l,k)的匹配点是其右下方的点I(i,k+1)，接着判断点1(i-2,k)的匹配点。3、如权利要求1所述的方法，其特征在于，为源图像中所有连接相邻两行或两列中任意两个像素点的边定义用于求解匹配的权值时采用如下方法以定义连接第k行和第k+l行中任意两个像素点的边的权值为例，用w(ij)表示连接第k行第i个像素和第k+l行第j个像素的边的权值，e(i,j)表示像素点I(ij)的能量值，则有其中A和M是两个矩阵，A(ij)代表经过点I(i,k)的垂直缝隙从图像第一行到第j行的累积能量，M通过从图像最后一行向上做动态规划得到M(U)=e(i，j)+min{M(i-1，j+"，M(i，j+1),M(i+1，j+1)}。4、如权利要求1所述的方法，其特征在于，为源图像中所有连接相邻两行或两列中任意两个像素点的边定义用于求解匹配的权值时采用如下方法以定义连接第k行和第k+l行中任意两个像素点的边的权值为例，用w(i,j)表示连接第k行第i个像素和第k+l行第j个像素的边的权值，e(i,j)表示像素点I(i，j)的能量值，则有<formula>formulaseeoriginaldocumentpage3</formula>全文摘要一种内容相关图像缩放方法。包括为源图像中每一个像素点定义代表其重要性的能量值；为连接相邻两行(或列)中任意两个像素点的边定义用于匹配的权值；用一种特殊的方法求解图像中相邻行(或列)中像素点间的匹配关系，建立相邻行(或列)中匹配点的一一对应关系；利用求解出的匹配关系得到垂直(或水平)缝隙，按能量升序对缝隙进行删除(或复制)，以实现图像尺寸的调整。文档编号H04N1/409GK101420508SQ20081023256公开日2009年4月29日申请日期2008年12月2日优先权日2008年12月2日发明者付田楠,华黄,春齐申请人:西安交通大学