本發(fā)明屬于數(shù)字圖像處理和計(jì)算機(jī)視覺技術(shù)領(lǐng)域，特指一種塊紋理合成中自動(dòng)選取紋理塊尺寸的方法。

背景技術(shù)：

基于樣本的紋理合成是近年來計(jì)算機(jī)圖形學(xué)、計(jì)算機(jī)視覺和圖像處理領(lǐng)域的一個(gè)研究熱點(diǎn),它廣泛應(yīng)用于大規(guī)模場(chǎng)景合成、虛擬現(xiàn)實(shí)、圖像修復(fù)等方面。其基本思想是：基于一個(gè)輸入的樣本紋理圖像，合成一個(gè)指定大小的紋理圖像，樣本圖像和合成圖像在尺寸等方面有著很大程度的不同，但在視覺上，它們是產(chǎn)生于相同的隨機(jī)過程的相似紋理。

根據(jù)合成單元的大小，紋理合成方法可分為點(diǎn)紋理合成方法和塊紋理合成方法。點(diǎn)紋理合成方法每次合成一個(gè)點(diǎn)，合成時(shí)在樣本中搜索與待合成點(diǎn)鄰域最相似的鄰域，將對(duì)應(yīng)點(diǎn)拷貝到合成圖中。點(diǎn)紋理合成方法由于合成每一個(gè)點(diǎn)都要進(jìn)行搜索,速度較慢；且由于合成后面的點(diǎn)需要用到已合成點(diǎn)，容易造成誤差的傳遞和累積。

同點(diǎn)紋理合成方法不同,塊紋理合成方法在進(jìn)行合成采樣時(shí)是以紋理塊為基本單位。其基本思想是按照掃描線順序?qū)敵鰣D像進(jìn)行逐塊合成，每一個(gè)合成塊都采用相同大小的正方形塊，通過一些準(zhǔn)則在樣本紋理中搜索最匹配的塊貼到待合成位置。顯然在提高合成速度和保持紋理局部特征方面，塊紋理合成方法是更為理想的選擇。

從塊紋理合成方法的基本流程可知，進(jìn)行合成的紋理塊尺寸對(duì)紋理合成質(zhì)量有很大影響。如果參數(shù)選擇不當(dāng)，合成后的紋理在塊邊界可能產(chǎn)生不連續(xù)或者丟失樣本紋理中的全局特性，嚴(yán)重影響紋理合成的質(zhì)量。目前在各種塊紋理合成方法中，紋理塊的尺寸一般通過提取設(shè)定或人機(jī)交互的方式確定。這種方式普適性不高，不利于各種實(shí)時(shí)應(yīng)用系統(tǒng)。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有方法存在的缺陷，本發(fā)明針對(duì)目前紋理合成中的紋理塊尺寸選取問題進(jìn)行研究，其目的在于提出一種塊紋理合成中自動(dòng)選取紋理塊尺寸的方法。本發(fā)明通過圖像的兩個(gè)統(tǒng)計(jì)特性：基于灰度對(duì)比度的統(tǒng)計(jì)向量和信息熵，對(duì)樣本圖像和紋理塊圖像進(jìn)行比較，獲得合適的紋理塊尺寸。本發(fā)明提出的方法簡(jiǎn)單實(shí)用，算法復(fù)雜度小，可以實(shí)時(shí)處理各類紋理樣本圖像，擁有很好的實(shí)用價(jià)值。

本發(fā)明的技術(shù)方案是：

一種塊紋理合成中自動(dòng)選取紋理塊尺寸的方法，包括以下步驟：

S1計(jì)算紋理圖像F(x,y)的基于灰度對(duì)比度的統(tǒng)計(jì)向量

給定一個(gè)樣本即紋理圖像F(x,y)，其圖像大小為Wd×Hd；圖像F(x,y)由N個(gè)像素集合組成，用{I_i|I_i∈F(x,y),i＝1,…,N}表示。圖像F(x,y)中任一像素I_i的灰度對(duì)比度A(I_i)如下：

其中D(I_i,I_j)表示像素I_i和像素I_j的歐式距離；G(I_i,I_j)表示像素I_i和像素I_j的顏色距離也即灰度差值；σ是參數(shù)，取值Wd+Hd。

通過公式1計(jì)算圖像F(x,y)中的每個(gè)像素的灰度對(duì)比度，然后將0～255的灰度空間平均分成32份，記為{Ω_m|m＝1,…,32}，每份包含8個(gè)灰度級(jí)別。對(duì)其中一份灰度子空間Ω_m，計(jì)算該子空間的統(tǒng)計(jì)特征T_m：

其中g(shù)(I_i)表示像素I_i的灰度值，g(I_i)∈Ω_m表示像素I_i的灰度值屬于灰度子空間Ω_m。

對(duì)每一份灰度子空間，均采用公式2計(jì)算出對(duì)應(yīng)的子空間的統(tǒng)計(jì)特征值，然后可以組成一個(gè)長(zhǎng)度為32的特征向量T₀＝{T₁,…,T₃₂}。然后對(duì)該向量的每個(gè)特征值進(jìn)行歸一化，得到最終的基于灰度對(duì)比度的統(tǒng)計(jì)向量T＝{T₁/sum,…,T₃₂/sum}，其中

S2計(jì)算紋理圖像F(x,y)的信息熵；

“熵”在信息論中是一個(gè)非常重要的概念，它是不確定性的一種度量。圖像的信息熵能夠表征圖像灰度分布的聚集特性。圖像F(x,y)的信息熵定義如下：

其中p_n表示為灰度n在該圖像F(x,y)中出現(xiàn)的概率，可由灰度直方圖獲得。

S3初始化紋理塊的大小kd＝9；

S4隨機(jī)在F(x,y)上選擇10個(gè)像素點(diǎn)，分別以這些像素點(diǎn)為中心，直徑為kd提取10個(gè)子圖像，按照步驟S1和S2的方法對(duì)每個(gè)子圖像計(jì)算基于灰度對(duì)比度的統(tǒng)計(jì)向量和信息熵，然后與原圖像F(x,y)的基于灰度對(duì)比度的統(tǒng)計(jì)向量T和信息熵H進(jìn)行比較判定，如果兩者相似即兩者的差異小于設(shè)定的閾值，則標(biāo)記該子圖像為1，否則為0；

記其中一個(gè)子圖像的基于灰度對(duì)比度的統(tǒng)計(jì)向量為sT1和信息熵為sH1，計(jì)算與原圖像F(x,y)的基于灰度對(duì)比度的統(tǒng)計(jì)向量T和信息熵H的差異：

dt＝||sT1-T||₂+|sH1-H| 公式4

當(dāng)dt小于閾值20時(shí)，標(biāo)記該子圖像為1，否則為0；

按照此方法對(duì)每個(gè)子圖像進(jìn)行標(biāo)記。

S5當(dāng)10個(gè)子圖像中如果有6個(gè)以上被標(biāo)記為1時(shí)，說明此時(shí)的塊尺寸是合理的，方法結(jié)束，輸出紋理塊的大小kd；否則將kd＝kd+2，轉(zhuǎn)入步驟(4)進(jìn)行計(jì)算，直到滿足條件10個(gè)子圖像中如果有6個(gè)以上被標(biāo)記為1為止，然后輸出此時(shí)的紋理塊的大小kd。

本發(fā)明的有益技術(shù)效果：

本發(fā)明針對(duì)目前紋理合成中的紋理塊尺寸選取問題進(jìn)行研究，提出一種塊紋理合成中自動(dòng)選取紋理塊尺寸的方法，通過圖像的兩個(gè)統(tǒng)計(jì)特性：基于灰度對(duì)比度的統(tǒng)計(jì)向量和信息熵，對(duì)樣本圖像和紋理塊圖像進(jìn)行比較，獲得合適的紋理塊尺寸。本發(fā)明提出的方法簡(jiǎn)單實(shí)用，算法復(fù)雜度小，可以實(shí)時(shí)處理各類紋理樣本圖像，擁有很好的實(shí)用價(jià)值。

附圖說明

圖1是塊紋理合成中自動(dòng)選取紋理塊尺寸的方法的流程圖；

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明實(shí)施方式作進(jìn)一步地詳細(xì)描述。

參照?qǐng)D1，本發(fā)明一種塊紋理合成中自動(dòng)選取紋理塊尺寸的方法的流程圖。

作為樣本的紋理圖像為F(x,y)，其圖像大小為Wd×Hd。紋理圖像中信息的變化是有一定周期性的。如果紋理塊的尺寸對(duì)這個(gè)周期有比較好的反映,并且每個(gè)塊中的信息能比較好地反映紋理的全局性特征信息，那么該尺寸就是合適的一個(gè)參數(shù)。本發(fā)明對(duì)紋理樣本圖像進(jìn)行分析，提出了一種塊紋理合成中自動(dòng)選取紋理塊尺寸的方法，具體步驟如下：

(1)計(jì)算紋理圖像F(x,y)的基于灰度對(duì)比度的統(tǒng)計(jì)向量；

當(dāng)看一個(gè)圖片時(shí)，最吸引眼球的往往是顏色與眾不同的目標(biāo)，這是因?yàn)橐曈X系統(tǒng)對(duì)顏色最為敏感。而紋理圖像一般為灰度圖像，這里只采用灰度信息進(jìn)行計(jì)算。紋理圖像F(x,y)由N個(gè)像素集合組成，為了表述方便，用{I_i|I_i∈F(x,y),i＝1,…,N}表示。圖像F(x,y)中任一像素I_i的灰度對(duì)比度A(I_i)如下：

其中D(I_i,I_j)表示像素I_i和像素I_j的歐式距離，G(I_i,I_j)表示像素I_i和像素I_j的顏色距離也即灰度差值；σ是參數(shù)，這里取值Wd+Hd。

通過公式1計(jì)算圖像F(x,y)中的每個(gè)像素的灰度對(duì)比度，然后對(duì)每個(gè)灰度量級(jí)進(jìn)行統(tǒng)計(jì)，將0～255的灰度空間平均分成32份，記為{Ω_m|m＝1,…,32}，每份包含8個(gè)灰度級(jí)別。對(duì)其中一份灰度子空間Ω_m，計(jì)算該子空間的統(tǒng)計(jì)特征T_m：

其中g(shù)(I_i)表示像素I_i的灰度值，g(I_i)∈Ω_m表示像素I_i的灰度值屬于灰度子空間Ω_m。

對(duì)每一份灰度子空間，均采用公式2計(jì)算出對(duì)應(yīng)的子空間的統(tǒng)計(jì)特征值，然后可以組成一個(gè)長(zhǎng)度為32的特征向量T₀＝{T₁,…,T₃₂}。然后對(duì)該向量的每個(gè)特征值進(jìn)行歸一化，得到最終的基于灰度對(duì)比度的統(tǒng)計(jì)向量T＝{T₁/sum,…,T₃₂/sum}，其中

(2)計(jì)算紋理圖像F(x,y)的信息熵；

“熵”在信息論中是一個(gè)非常重要的概念，它是不確定性的一種度量。圖像的信息熵能夠表征圖像灰度分布的聚集特性。圖像F(x,y)的信息熵定義如下：

其中p_n表示為灰度n在該圖像中出現(xiàn)的概率，可由灰度直方圖獲得。

(3)初始化紋理塊的大小kd＝9；

(4)隨機(jī)在F(x,y)上選擇10個(gè)像素點(diǎn)，分別以這些點(diǎn)為中心，直徑為kd的提取10個(gè)子圖像，按照步驟(1)和(2)的方法對(duì)每個(gè)子圖像計(jì)算基于灰度對(duì)比度的統(tǒng)計(jì)向量和信息熵，然后與原圖像F(x,y)的基于灰度對(duì)比度的統(tǒng)計(jì)向量T和信息熵H進(jìn)行比較判定，如果兩者相似，則標(biāo)記該子圖像為1，否則為0；

記其中一個(gè)子圖像的基于灰度對(duì)比度的統(tǒng)計(jì)向量為sT1和信息熵為sH1，計(jì)算與原圖像F(x,y)的差異：

dt＝||sT1-T||₂+|sH1-H| 公式4

當(dāng)dt小于閾值20時(shí)，標(biāo)記該子圖像為1，否則為0；

按照此方法對(duì)每個(gè)子圖像進(jìn)行標(biāo)記。

(5)當(dāng)10個(gè)子圖像中如果有6個(gè)以上被標(biāo)記為1時(shí)，說明此時(shí)的塊尺寸是合理的，方法結(jié)束，輸出紋理塊的大小kd；否則將kd＝kd+2，轉(zhuǎn)入步驟(4)進(jìn)行計(jì)算，直到滿足條件10個(gè)子圖像中如果有6個(gè)以上被標(biāo)記為1為止，然后輸出此時(shí)的紋理塊的大小kd。

以上包含了本發(fā)明優(yōu)選實(shí)施例的說明，這是為了詳細(xì)說明本發(fā)明的技術(shù)特征，并不是想要將發(fā)明內(nèi)容限制在實(shí)施例所描述的具體形式中，依據(jù)本發(fā)明內(nèi)容主旨進(jìn)行的其他修改和變型也受本專利保護(hù)。本發(fā)明內(nèi)容的主旨是由權(quán)利要求書所界定，而非由實(shí)施例的具體描述所界定。