基于Lab空间颜色量化的卡通画模拟绘制

卡通画的模拟绘制具有广泛的应用。为了提升卡通画模拟绘制的效果,通过分析卡通画的绘制特点,确定卡通画模拟绘制的步骤,主要包括图像抽象化、色彩量化、边缘检测以及图像融合,提出基于Lab空间颜色量化算法和双边滤波图像抽象化的卡通画模拟绘制算法,最后进行边缘提取并与颜色量化后的图像进行融合。从实验效果来看,所提方法有较好的模拟效果。

基于图像边缘摘要的快速模板匹配

基于多边形逼近和形状签名的思想,提取图像边缘摘要,并利用其进行图像模板匹配。首先对原始图像边缘上的大量像素点进行统计,然后将其转换为少量带有权重和方向的锚点,这些锚点即组成了图像边缘摘要。图像边缘摘要具有缩放、旋转、位移不变性,利用其进行模板匹配能够降低噪声的影响并减少计算时间。通过实验验证了该算法的有效性。

基于DSP的图像采集及处理系统的设计与实现

介绍了一种利用CCD摄像头、SAA7111视频解码芯片、高速可读写存储器SRAM,基于DSP与CPLD的图像采集与处理系统。系统完成了图像的快速采集、存储及数据处理。文章详细论述了系统的总体结构、部分硬件设计,简要叙述了相应图像算法的实现方法。给出了系统实例和实验结果。

图像抽象化的实时增强型绘制

现有的图像抽象化绘制算法主要采用基于图像分割或边缘保持的平滑滤波技术,导致所生成的抽象化图像经常存在明暗对比度较低、画质昏暗模糊、画面色彩表现力不强等问题,为此提出一种增强对比度的图像抽象化绘制算法.首先利用结构张量平滑技术生成光滑连续、显著特征保持的特征流场,然后基于该流场对图像进行沿边缘切向流方向的自适应平滑和沿梯度方向的对比度增强处理,最后使用改进的基于流场的双边滤波或者Kuwahara滤波算法实现图像抽象化的实时绘制.实验结果表明,该算法可显著改善已有抽象化方法的绘制质量,抽象化图像的边界特征明显增强,画质更清晰、层次感更分明.

基于小波变换方法的海上舰船目标边缘提取

一种基于小波变换的边缘提取方法,应用其对舰船图像进行边缘提取,以二次光滑小波作为小波函数,对海上舰船图像进行了二维小波变换,计算小波变换结果的局部模极大值点,从而得到舰船目标图像的形状边缘特征。经过和运用Sobel算子、Roberts算子、Prewitt算子、基于图谱理论的阈值分割等方法所获得的舰船目标结果进行比较,图像处理的结果表明运用小波变换方法所提取的目标边缘对海上舰船目标的识别有良好的效果。

一种连续相位板焦斑边缘轮廓的提取方法

为了获得连续相位板(CPP)焦斑的外形尺寸,提出一种焦斑边缘轮廓的提取方法。连续相位板焦斑图像内部梯度起伏较大,直接应用传统边缘检测方法,易形成内部伪边缘。通过对焦斑图像依次作梯度处理、阈值分割、空间扫描和椭圆拟合,可以有效地获取焦斑边缘轮廓。比较了分别采用Laplace,Sobel,Krisch,Log算子进行梯度处理的提取结果,结果表明:采用Krisch算子,焦斑边缘轮廓提取的结果更稳定可靠。比较了阈值分割时不同阈值情况下的提取结果,表明阈值选取在背景梯度均值的110倍至180倍时,焦斑边缘轮廓提取结果比较可靠。

火灾探测中动态火焰的数字图像处理

通过模拟火灾实验,利用移动的CCD摄像头实现图像的动态获取与传输.重点研究火焰图像的阈值处理、边缘检测、链码提取等图像处理算法,并且运用Matlab语言编程处理实验图像,计算出火焰图像的面积、周长、圆形度等特征值,从而总结得出火灾发生时具有火焰面积增大、边缘抖动等特征,获得了早期火灾探测的重要判据.

基于数学形态学的GIS图像矢量化处理技术

图像矢量化在数字图像处理中具有重要意义。由于传统的线性矢量化方法存在速度慢、抗噪性差、易失真的缺点,本文提出基于数学形态学的图像矢量化方法,包括基于4结构元素模板的图像边缘检测算法、基于8结构元素模板的形态序贯同伦骨架抽取算法和动态变步长保精度跟踪矢量化方法。实例证明该方法能够快速提取精度较高的骨架,并且能够获得高精度的以弧段为单位的矢量数据。因此,该方法具有处理速度快、精度高、存储量小等特点,具有一定的可行性与实用性。

基于改进遗传算法的图像边缘特征提取

遗传算法作为一种实用、稳健的优化搜索算法,已经渗透到许多学科及工程领域,在数字图像处理中的应用亦日趋广泛。为了能够快速有效地提取出图像的边缘,对遗传算法的选择、交叉和变异算子分别进行了改进,并将其应用到图像边缘特征提取中。实验结果表明,改进遗传算法在保证有效地提取出边缘的基础上,提高了收敛性能,是一种有效的、可靠的优化算法,具有一定的实用价值。

基于边缘切向流与颜色量化的图像抽象化

图像抽象化绘制旨在以模糊、抽象的艺术手法展现图像。提出了基于边缘切向流与颜色量化的图像抽象化绘制方法,首先,在RGB(Red,green,blue)颜色空间提取各颜色通道的梯度,并对其进行融合,对融合后的梯度图像求边缘切向流,并使用高斯差分滤波(flow-based difference-of-gaussians,FDOG)方法提取图像的特征线条;然后,对原始图像用非线性方法进行平滑处理,并在(hue-saturation-intensity,HSI)颜色空间进行量化;最后,将量化图像和特征线条图像进行融合,得到原图像的抽象化图像。实验证明该方法增强了图像轮廓的主要特征并忽略了局部细节,突出了图像的层次感,使图像简洁清晰,抽象化效果显著。

快速图像保边界多尺度分解

提出一种新的非线性保边界平滑算法,通过对图像每个像素点的某个邻域内所有颜色相似的像素简单平均,来对图像进行平滑处理。该算法不仅能够进行保边界平滑,并且具有非常高的运算效率。应用这种平滑算法可以对图像进行快速保边界多尺度分解。运用多尺度分解实现了图像的增强、抽象化、对比度调整的效果。

显著性边缘引导下的图像抽象化

针对已有的图像抽象化算法难以反映显著性边缘信息的不足,提出了一个显著性边缘引导下的基于能量优化的图像抽象化算法。对于给定的输入图像,首先基于边缘信息传递策略来提取图像的显著性边缘图,从而有效地减少了不连续边缘的产生;然后,为了在增强显著性边缘的同时抑制杂乱细节信息,根据显著性边缘图来构建图像的期望梯度场;最后,在图像颜色信息和期望梯度场的约束之下,通过能量优化来获得图像的抽象化效果。实验结果表明,本文算法在显著性边缘的连续性保持上表现出明显的优势,具有很好的科学研究价值及实际应用前景。