技術(shù)領(lǐng)域：

本發(fā)明屬于圖像識(shí)別及提取技術(shù)領(lǐng)域，具體涉及圖像識(shí)別算法在剪紙效果的應(yīng)用。

背景技術(shù)：
：

剪紙是一種用剪刀或刻刀在紙上剪刻花紋，用于裝點(diǎn)生活或配合其他民俗活動(dòng)的民間藝術(shù)。在中國(guó)，剪紙具有廣泛的群眾基礎(chǔ)，交融于各族人民的社會(huì)生活，是各種民俗活動(dòng)的重要組成部分。而現(xiàn)有技術(shù)無(wú)法方便的將圖像處理成剪紙效果，更無(wú)法將剪紙與圖像識(shí)別算法相結(jié)合。

本發(fā)明首次將圖像識(shí)別及提取算法應(yīng)用在傳統(tǒng)文化剪紙中，通過(guò)科技手段將剪紙從線下轉(zhuǎn)移到線上，用平時(shí)研究的圖像處理算法融入生活，采用了圖像分割的邊緣檢測(cè)算法，用五種算子疊加處理，能夠提取到精度較高的目標(biāo)圖像。

技術(shù)實(shí)現(xiàn)要素：
：

針對(duì)上述問(wèn)題，本發(fā)明提供了圖像識(shí)別算法在剪紙效果的應(yīng)用，包括以下步驟：

a.進(jìn)行圖像預(yù)處理：對(duì)原圖去噪濾波，將彩色圖轉(zhuǎn)為灰度圖；

b.實(shí)現(xiàn)邊緣檢測(cè)：采用圖像分割的邊緣檢測(cè)算法通過(guò)微分算子對(duì)灰度圖進(jìn)行邊緣檢測(cè)；

c.生成素描圖：將進(jìn)行邊緣檢測(cè)的圖像矩陣中的數(shù)字更換為灰色所代表的數(shù)字，得到素描顏色線條，生成素描圖；

d.實(shí)現(xiàn)剪紙陽(yáng)刻、印刻效果：對(duì)生成的素描圖進(jìn)行著色，陽(yáng)刻效果為邊緣紅色，背景白色，印刻效果為邊緣白色，背景紅色；

e.線條后期處理：根據(jù)邊緣平均寬度，對(duì)目標(biāo)圖像進(jìn)行腐蝕或膨脹處理，得到較平滑的輪廓。

優(yōu)選的，所述步驟（1）中對(duì)原圖去噪濾波是通過(guò)高斯濾波器濾波去噪，將彩色圖進(jìn)行二值化處理，轉(zhuǎn)換為灰度圖像。

優(yōu)選的，所述步驟（2）中的邊緣檢測(cè)是利用物體和背景在某種圖像特性上的差異來(lái)實(shí)現(xiàn)檢測(cè)，所述差異包括灰度、顏色或紋理特征。

本發(fā)明有益效果：本發(fā)明通過(guò)進(jìn)行圖像預(yù)處理、實(shí)現(xiàn)邊緣檢測(cè)、生成素描圖、實(shí)現(xiàn)剪紙陽(yáng)刻、印刻效果及線條后期處理，首次將圖像識(shí)別及提取算法應(yīng)用在傳統(tǒng)文化剪紙中，通過(guò)科技手段將剪紙從線下轉(zhuǎn)移到線上，將平時(shí)研究的圖像處理算法融入生活，同時(shí)采用了圖像分割的邊緣檢測(cè)算法，用五種算子疊加處理，能夠提取到精度較高的目標(biāo)圖像。

附圖說(shuō)明：

圖1為進(jìn)行圖像預(yù)處理后得到的灰度圖像。

圖2為roberts算子進(jìn)行邊緣處理后得到的matlab仿真圖。

圖3為sobel算子進(jìn)行邊緣處理后得到的matlab仿真圖。

圖4為prewitt算子進(jìn)行邊緣處理后得到的matlab仿真圖。

圖5為canny算子進(jìn)行邊緣處理后得到的matlab仿真圖。

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)更加清楚明了，下面通過(guò)附圖中示出的具體實(shí)施例來(lái)描述本發(fā)明。但是應(yīng)該理解，這些描述只是示例性的，而并非要限制本發(fā)明的范圍。此外，在以下說(shuō)明中，省略了對(duì)公知結(jié)構(gòu)和技術(shù)的描述，以避免不必要地混淆本發(fā)明的概念。

本發(fā)明提供的圖像識(shí)別算法在剪紙效果的應(yīng)用，包括以下步驟：

a.進(jìn)行圖像預(yù)處理：先對(duì)輸入圖像原圖進(jìn)行預(yù)處理，為后面算法計(jì)算速度與效果達(dá)到最優(yōu)做準(zhǔn)備。對(duì)圖像原圖使用高斯濾波器濾波去噪，將彩色圖進(jìn)行二值化處理，轉(zhuǎn)換為灰度圖像，如圖1。

b.實(shí)現(xiàn)邊緣檢測(cè)：邊緣檢測(cè)在圖像處理與計(jì)算機(jī)視覺(jué)中占有特殊的位置，它是底層視覺(jué)處理中最重要的環(huán)節(jié)之一，也是實(shí)現(xiàn)基于邊界的圖像分割的基礎(chǔ)。在圖像中，邊界表明一個(gè)特征區(qū)域的終結(jié)和另一個(gè)特征區(qū)域的開(kāi)始，邊界所分開(kāi)區(qū)域的內(nèi)部特征或?qū)傩允且恢碌模煌瑓^(qū)域內(nèi)部的特征或?qū)傩允遣煌?，邊緣的檢測(cè)正是利用物體和背景在某種圖像特性上的差異來(lái)實(shí)現(xiàn)的。這種差異包括灰度、顏色或者紋理特征。邊緣檢測(cè)實(shí)際上就是檢測(cè)圖像特性發(fā)生變化的位置。函數(shù)導(dǎo)數(shù)反映圖像灰度變化的顯著程度，一階導(dǎo)數(shù)的局部極大值和二階導(dǎo)數(shù)的過(guò)零點(diǎn)都是圖像灰度變化極大的地方。因此可將這些導(dǎo)數(shù)值作為相應(yīng)點(diǎn)的邊界強(qiáng)度，通過(guò)設(shè)置門(mén)限的方法，提取邊界點(diǎn)集。

基于一階導(dǎo)數(shù)的邊緣檢測(cè)，梯度是圖像對(duì)應(yīng)二維函數(shù)的一階導(dǎo)數(shù)：

可以用以下三種范數(shù)衡量梯度的幅值:

梯度方向?yàn)楹瘮?shù)最大變化率方向:

常用的邊緣檢測(cè)算子有roberts算子、sobel算子、prewitt算子、log算子和canny算子，由于圖像由離散的像素點(diǎn)組成，這些算子將用差分近似偏導(dǎo)數(shù)。

以下為基于一階導(dǎo)數(shù)的四種算子邊緣檢測(cè)：

1)roberts交叉算子

roberts邊緣檢測(cè)算子是一種利用局部差分算子尋找邊緣的算子，robert算子圖像處理后結(jié)果邊緣不是很平滑。經(jīng)分析，由于robert算子通常會(huì)在圖像邊緣附近的區(qū)域內(nèi)產(chǎn)生較寬的響應(yīng)，故采用上述算子檢測(cè)的邊緣圖像常需做細(xì)化處理，邊緣定位的精度不是很高。

roberts算子的兩個(gè)卷積核分別為

采用1范數(shù)衡量梯度的幅度：

roberts算子對(duì)具有陡峭的低噪聲的圖像效果較好。

roberts算子處理后得到的matlab仿真圖如圖2。

2)sobel算子

索貝爾算子（sobeloperator）是圖像處理中的算子之一，主要用作邊緣檢測(cè)。在技術(shù)上，它是一離散性差分算子，用來(lái)運(yùn)算圖像亮度函數(shù)的梯度之近似值。在圖像的任何一點(diǎn)使用此算子，將會(huì)產(chǎn)生對(duì)應(yīng)的梯度矢量或是其法矢量。

sobel算子的兩個(gè)卷積計(jì)算核分別為：

采用∞范數(shù)衡量梯度的幅度。

sobel算子對(duì)灰度漸變和噪聲較多的圖像處理得較好。

sobel算子處理后得到的matlab仿真圖如圖3。

在邊沿檢測(cè)中，常用的一種模板是sobel算子。sobel算子有兩個(gè)，一個(gè)是檢測(cè)水平邊沿的；另一個(gè)是檢測(cè)垂直平邊沿的。與prewitt算子相比，sobel算子對(duì)于象素的位置的影響做了加權(quán)，可以降低邊緣模糊程度，因此效果更好。

sobel算子另一種形式是各向同性sobel(isotropicsobel)算子，也有兩個(gè)，一個(gè)是檢測(cè)水平邊沿的，另一個(gè)是檢測(cè)垂直平邊沿的。各向同性sobel算子和普通sobel算子相比，它的位置加權(quán)系數(shù)更為準(zhǔn)確，在檢測(cè)不同方向的邊沿時(shí)梯度的幅度一致。由于建筑物圖像的特殊性，我們可以發(fā)現(xiàn)，處理該類(lèi)型圖像輪廓時(shí)，并不需要對(duì)梯度方向進(jìn)行運(yùn)算，所以程序并沒(méi)有給出各向同性sobel算子的處理方法。

由于sobel算子是濾波算子的形式，用于提取邊緣，可以利用快速卷積函數(shù)，簡(jiǎn)單有效，因此應(yīng)用廣泛。美中不足的是，sobel算子并沒(méi)有將圖像的主體與背景嚴(yán)格地區(qū)分開(kāi)來(lái)，換言之就是sobel算子沒(méi)有基于圖像灰度進(jìn)行處理，由于sobel算子沒(méi)有嚴(yán)格地模擬人的視覺(jué)生理特征，所以提取的圖像輪廓有時(shí)并不能令人滿意。在觀測(cè)一幅圖像的時(shí)候，我們往往首先注意的是圖像與背景不同的部分，正是這個(gè)部分將主體突出顯示，基于該理論，我們給出了下面閾值化輪廓提取算法，該算法已在數(shù)學(xué)上證明當(dāng)像素點(diǎn)滿足正態(tài)分布時(shí)所求解是最優(yōu)的。

3)prewitt算子

prewitt算子是一種一階微分算子的邊緣檢測(cè)，利用像素點(diǎn)上下、左右鄰點(diǎn)的灰度差，在邊緣處達(dá)到極值檢測(cè)邊緣，去掉部分偽邊緣，對(duì)噪聲具有平滑作用。其原理是在圖像空間利用兩個(gè)方向模板與圖像進(jìn)行鄰域卷積來(lái)完成的，這兩個(gè)方向模板一個(gè)檢測(cè)水平邊緣，一個(gè)檢測(cè)垂直邊緣。

prewitt算子的兩個(gè)卷積計(jì)算核分別為

與sobel算子一樣，采用∞范數(shù)作為輸出。

prewitt算子對(duì)灰度漸變和噪聲較多的圖像處理得較好。

prewitt算子處理后得到的matlab仿真圖如圖4。

4)canny算子

canny算子的梯度是用高斯濾波器的導(dǎo)數(shù)計(jì)算的，檢測(cè)邊緣的方法是尋找圖像梯度的局部極大值。canny方法使用兩個(gè)閾值來(lái)分別檢測(cè)強(qiáng)邊緣和弱邊緣，而且僅當(dāng)弱邊緣與強(qiáng)邊緣相連時(shí)，弱邊緣才會(huì)包含在輸出中。因此此方法不容易受噪聲的干擾，能夠檢測(cè)到弱邊緣。

canny算法步驟：

a)用高斯濾波器平滑圖像；

b)計(jì)算濾波后圖像梯度的幅值和方向；

c)對(duì)梯度幅值應(yīng)用非極大值抑制，其過(guò)程為找出圖像梯度中的局部極大值點(diǎn)，把其他非局部極大值點(diǎn)零以得到細(xì)化的邊緣；

d)用雙閾值算法檢測(cè)和連接邊緣，使用兩個(gè)閾值t1和t2（t1>t2），t1用來(lái)找到每條線段，t2用來(lái)在這些線段的兩個(gè)方向上延伸尋找邊緣的斷裂處，并連接這些邊緣。

canny的關(guān)鍵理論：

降噪:任何邊緣檢測(cè)算法都不可能在未經(jīng)處理的原始數(shù)據(jù)上很好地工作，所以第一步是對(duì)原始數(shù)據(jù)與高斯mask作卷積，得到的圖像與原始圖像相比有些輕微的模糊（blurred）。這樣，單獨(dú)的一個(gè)像素噪聲在經(jīng)過(guò)高斯平滑的圖像上變得幾乎沒(méi)有影響。

尋找圖像中的亮度梯度:圖像中的邊緣可能會(huì)指向不同的方向，所以canny算法使用4個(gè)mask檢測(cè)水平、垂直以及對(duì)角線方向的邊緣。原始圖像與每個(gè)mask所作的卷積都存儲(chǔ)起來(lái)。對(duì)于每個(gè)點(diǎn)我們都標(biāo)識(shí)在這個(gè)點(diǎn)上的最大值以及生成的邊緣的方向。這樣我們就從原始圖像生成了圖像中每個(gè)點(diǎn)亮度梯度圖以及亮度梯度的方向。

在圖像中跟蹤邊緣:較高的亮度梯度比較有可能是邊緣，但是沒(méi)有一個(gè)確切的值來(lái)限定多大的亮度梯度是邊緣多大又不是，所以canny使用了滯后閾值。

滯后閾值需要兩個(gè)閾值-高閾值與低閾值。假設(shè)圖像中的重要邊緣都是連續(xù)的曲線，這樣我們就可以跟蹤給定曲線中模糊的部分，并且避免將沒(méi)有組成曲線的噪聲像素當(dāng)成邊緣。所以我們從一個(gè)較大的閾值開(kāi)始，這將標(biāo)識(shí)出我們比較確信的真實(shí)邊緣，使用前面導(dǎo)出的方向信息，我們從這些真正的邊緣開(kāi)始在圖像中跟蹤整個(gè)的邊緣。在跟蹤的時(shí)候，我們使用一個(gè)較小的閾值，這樣就可以跟蹤曲線的模糊部分直到我們回到起點(diǎn)。一旦這個(gè)過(guò)程完成，我們就得到了一個(gè)二值圖像，每點(diǎn)表示是否是一個(gè)邊緣點(diǎn)。一個(gè)獲得亞像素精度邊緣的改進(jìn)實(shí)現(xiàn)是在梯度方向檢測(cè)二階方向?qū)?shù)的過(guò)零點(diǎn)。

它在梯度方向的三階方向?qū)?shù)滿足符號(hào)條件

其中l(wèi)x，ly...lyyy表示用高斯核平滑原始圖像得到的尺度空間表示l計(jì)算得到的偏導(dǎo)數(shù)。用這種方法得到的邊緣片斷是連續(xù)曲線，這樣就不需要另外的邊緣跟蹤改進(jìn)。滯后閾值也可以用于亞像素邊緣檢測(cè)。

canny參數(shù)：

canny算法包含許多可以調(diào)整的參數(shù)，它們將影響到算法的計(jì)算的時(shí)間與實(shí)效。高斯濾波器的大小：第一步所有的平滑濾波器將會(huì)直接影響canny算法的結(jié)果。較小的濾波器產(chǎn)生的模糊效果也較少，這樣就可以檢測(cè)較小、變化明顯的細(xì)線。較大的濾波器產(chǎn)生的模糊效果也較多，將較大的一塊圖像區(qū)域涂成一個(gè)特定點(diǎn)的顏色值。這樣帶來(lái)的結(jié)果就是對(duì)于檢測(cè)較大、平滑的邊緣更加有用，例如彩虹的邊緣。閾值：使用兩個(gè)閾值比使用一個(gè)閾值更加靈活，但是它還是有閾值存在的共性問(wèn)題。設(shè)置的閾值過(guò)高，可能會(huì)漏掉重要信息；閾值過(guò)低，將會(huì)把枝節(jié)信息看得很重要。很難給出一個(gè)適用于所有圖像的通用閾值。目前還沒(méi)有一個(gè)經(jīng)過(guò)驗(yàn)證的實(shí)現(xiàn)方法。

canny算子核心公式：

取gaussian函數(shù)為

canny算子建立在二維卷積基礎(chǔ)之上，得到邊緣強(qiáng)度和方向，通過(guò)閾值來(lái)檢測(cè)邊緣。

將的二維卷積模板分解為兩個(gè)一維濾波器，得

式中

可見(jiàn)

然后把這兩個(gè)模板分別與f(x，y)進(jìn)行卷積，得到

令

則a(i，j)反映邊緣強(qiáng)度，a(i，j)為垂直于邊緣的方向。

canny算子處理后得到的matlab仿真圖如圖5。

5)laplacianofgaussian算法（拉普拉斯算子，簡(jiǎn)稱(chēng)log算子定義）

log算子定義：

對(duì)于標(biāo)量場(chǎng)函數(shù)f，為該標(biāo)量場(chǎng)梯度的散度的一個(gè)標(biāo)量，即對(duì)于矢量場(chǎng)函數(shù)，f為該矢量場(chǎng)散度的梯度減去該矢量場(chǎng)旋度的一個(gè)矢量，即拉普拉斯算子。

拉普拉斯算子是n維歐幾里德空間中的一個(gè)二階微分算子，定義為梯度（▽f）的散度（▽·f）。因此如果f是二階可微的實(shí)函數(shù)，則f的拉普拉斯算子定義為：

f的拉普拉斯算子也是笛卡兒坐標(biāo)系xi中的所有非混合二階偏導(dǎo)數(shù)：

作為一個(gè)二階微分算子，拉普拉斯算子把c函數(shù)映射到c函數(shù)，對(duì)于k≥2。表達(dá)式(1)（或(2)）定義了一個(gè)算子δ:c(r)→c(r)，或更一般地，定義了一個(gè)算子δ:c(ω)→c(ω)，對(duì)于任何開(kāi)集ω。

函數(shù)的拉普拉斯算子也是該函數(shù)的黑塞矩陣的跡：

log算子推廣：

拉普拉斯算子可以用一定的方法推廣到非歐幾里德空間，這時(shí)它就有可能是橢圓型算子，雙曲型算子，或超雙曲型算子。

在閔可夫斯基空間中，拉普拉斯算子變?yōu)檫_(dá)朗貝爾算子：

達(dá)朗貝爾算子通常用來(lái)表達(dá)克萊因-高登方程以及四維波動(dòng)方程。第四個(gè)項(xiàng)前面的符號(hào)是負(fù)號(hào)，而在歐幾里德空間中則是正號(hào)。因子c是需要的，這是因?yàn)闀r(shí)間和空間通常用不同的單位來(lái)衡量；如果x方向用寸來(lái)衡量，y方向用厘米來(lái)衡量，也需要一個(gè)類(lèi)似的因子。

拉普拉斯-貝爾特拉米算子

主條目：拉普拉斯-貝爾特拉米算子

拉普拉斯算子也可以推廣為定義在黎曼流形上的橢圓型算子，稱(chēng)為拉普拉斯-貝爾特拉米算子。達(dá)朗貝爾算子則推廣為偽黎曼流形上的雙曲型算子。拉普拉斯-貝爾特拉米算子還可以推廣為運(yùn)行于張量場(chǎng)上的算子（也稱(chēng)為拉普拉斯-貝爾特拉米算子）。

另外一種把拉普拉斯算子推廣到偽黎曼流形的方法，是通過(guò)拉普拉斯-德拉姆算子，它運(yùn)行于微分形式。這便可以通過(guò)weitzenb&ouml；ck恒等式來(lái)與拉普拉斯-貝爾特拉米算子聯(lián)系起來(lái)。

由上述四種算子可看出，canny方法使用兩個(gè)閾值來(lái)分別檢測(cè)強(qiáng)邊緣和弱邊緣，此方法不容易受噪聲的干擾，能夠檢測(cè)到弱邊緣，在噪聲抑制和邊緣檢測(cè)之間取得了較好的平衡，邊緣最清晰，噪點(diǎn)最少，比roberts算子、prewitts算子、sobel算子得到的效果更好。

c.生成素描圖：將進(jìn)行邊緣檢測(cè)的圖片矩陣中的0和1進(jìn)行調(diào)換位置，得到新的圖片，把得到的新的圖片矩陣中的數(shù)字改變?yōu)榛疑淼臄?shù)字，所得到的新的圖片為白底灰色線條的鉛筆畫(huà)效果?；疑蓽\到深所代表數(shù)字為：238、229、220、210、201、191、181、170、160，將原有圖片矩陣中的數(shù)字更換為灰色所代表的數(shù)字，得到素描顏色線條，生成素描圖。

d.實(shí)現(xiàn)剪紙陽(yáng)刻、印刻效果：動(dòng)態(tài)尋找閾值，對(duì)素描圖進(jìn)行反色、換色，陽(yáng)刻為邊緣紅色，背景白色，印刻則相反。

e.線條后期處理：在輪廓線提取的步驟中，由于需要對(duì)目標(biāo)圖像進(jìn)行腐蝕或膨脹操作，還要對(duì)二值化的邊緣圖像做閉運(yùn)算，這會(huì)細(xì)微影響圖像灰度以及邊緣的分布情況，所提取出來(lái)的輪廓線關(guān)鍵點(diǎn)有可能并不在原圖像的輪廓線上，并與輪廓線有一定的偏離。因此可根據(jù)邊緣平均寬度，在提取邊緣，陽(yáng)刻、印刻效果處理后，在圖像輪廓線條有突出的部分或者突然凹進(jìn)去這種邊緣噪聲，對(duì)線條進(jìn)行加粗（膨脹處理）、變窄（腐蝕處理），得到較平滑的輪廓。

本發(fā)明將目標(biāo)圖像分割后，進(jìn)行邊緣提取，提取的效果和準(zhǔn)確度大大地影響了最后剪紙的還原度，本發(fā)明嘗試了已有的邊緣檢測(cè)算法，模擬了roberts算子、prewitt算子、sobel算子、canny算子四種不同算法處理的效果圖，前三種差異不大，第四種canny算子效果更好。

以上顯示和描述了本發(fā)明的基本原理和主要特征和本發(fā)明的優(yōu)點(diǎn)。本行業(yè)的技術(shù)人員應(yīng)該了解，本發(fā)明不受上述實(shí)施例的限制，上述實(shí)施例和說(shuō)明書(shū)中描述的只是說(shuō)明本發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會(huì)有各種變化和改進(jìn)，這些變化和改進(jìn)都落入要求保護(hù)的本發(fā)明范圍內(nèi)。本發(fā)明要求保護(hù)范圍由所附的權(quán)利要求書(shū)及其等效物界定。