基于SeamCaving算法的图像缩放技术的研究.docVIP

基于SeamCaving算法的图像缩放技术的研究 　　摘要:该文介绍了一种全新的图像缩放算法――SeamCaving,通过分析SeamCaving的概念及其原理,阐明了应用SeamCaving可以在尽可能不损失图像中主要内容的基础上压缩或放大图像。 　　关键词:压缩;缝隙;主要内容 　　中图分类号:TP312文献标识码:A文章编号:1009-3044(2009)31-0000-00 　　 　　The Research of Image Scaling Based on SeamCaving Algorithm 　　TAO Wen-lin 　　(Department of Electronic and Information Engineering, Suzhou Vocational University, Suzhou 215104, China) 　　Abstract: An innovative image scaling algorithm---seamcaving is introduced in this paper. The concept and principle of the algorithm is analyzed. It is shown that with the application of this algorithm, the images can be compressed and magnified without any loss in the main content. 　　Key words: compress; seam; primary coverage 　　 　　随着网络的发达,通过网络传播、分享和存储图片已成为一种生活常态。但是网络存储的空间有限,也为了便于浏览网站的人总能看到与其屏幕分辨率相匹配的图像,上传到网络的图像必须遵守一定的尺寸和容量。 　　通常的图像缩放尺寸的方法只有剪裁和按比例缩放两种。剪裁图片会另重要元素丢失,而按比例缩小图像会让图像失真,画面元素被变形而失去图像原有的表达效果。至于按比例放大图像,则是通过插值算法(主要是双线性法和双立方法)在原有图像?炔迦胄碌南袼氐阋约哟笸枷袼?含的像素,达到放大图像的目的。这些新的像素点都是基于相邻的原有像素点的色彩值计算后得到的,很明显,这只是一个近似值,当大量这样的新像素点被插入到图像内后,清晰度将大大下降。以下是两种方法的效果。 　　1 基于内容分析的SeamCaving算法 　　图2为采用了Seam Carving 技术的缩放的效果,可以看出,原图中的主要元素:两座塔被完整地保留下来,基本没有变形和清晰度的改变。但是可以明显看出,两座塔的间距近了。Seam Carving 技术消减了除两座塔之外的其它次要元素,有效地利用了主要元素之间的缝隙。天空、水面、树林这些次要元素被删除了大量像素。 　　与通常的图像缩放方法不同,Seam Carving考虑了图像的内容。它首先分析图像的内容,然后智能地区分需保留的内容和可以删除的像素,再进行缩放,确保能尽可能地保留图像中的主要内容。 　　2 SeamCaving算法的原理 　　SeamCaving算法的基本原理是根据图像内容的细节复杂程度来进行判断,同时配合查找图像内容边缘等多种技术。通常情况下,图像中越是主要的元素其细节越丰富,而图像中不同内容之间往往有比较明显的边缘。在前文的宝塔图里,宝塔、树林、天空、水面之间有明显的边缘,分析其细节的复杂程度,天空是最次要的内容,宝塔是最重要的,树林、水面的重要性居中。这个分析结果基本上与我们对图片的主次内容的辨别相符。 　　SeamCaving算法根据缩放的要求,依次对次要内容的像素进行删除。如果要在x方向上将图像压缩一个像素,SeamCaving算法首先在图片的底端边找出最次要的一个像素点,再查找上方一行中与此点毗邻的3个像素中最不重要的点,接着重复地在邻近上一行中查找最次要点,直到到达图片的顶端。这样就找出一条横贯整个图片的最次要点构成的轨迹,也就是“缝隙”, 每一行中只有一个像素位于缝隙上,且他在上一行缝隙像素的左下角,正下方或者右下角,将这条次要缝隙删除后,x方向就减少了一个像素。如果是在y方向上压缩一个像素,算法则自左至右采用相同方法寻找次要像素缝隙。 　　对于放大图像,算法则找出次要像素缝隙后复制它,直到图像达到要求的放大尺寸。如上文中的宝塔图,两座塔保持不变,在两塔之间添加以天空、树林、水为内容的次要像素,使塔间距离增大。这种以缝隙为单位的缩放方法能让画面的主要内容保持不变,而主要内容之间的距离会增加或减少,这样就不会破坏图像的整体信息表达和协调性。 　　3 SeamCaving