本發(fā)明屬于圖像處理領(lǐng)域，更具體地，涉及一種基于內(nèi)容感知的圖像重定向方法，特別涉及基于內(nèi)容感知的保持重要內(nèi)容區(qū)域?qū)捀弑鹊亩嗨阕訄D像重定向算法。
背景技術(shù)：
：基于內(nèi)容感知的圖像重定向方法——線裁剪方法與傳統(tǒng)的重定向方法如最鄰近插值、雙線性插值以及裁剪等相比，能夠隨意改變圖像的縱橫比而不會讓內(nèi)容變扭曲，非常適用于現(xiàn)在顯示尺寸日益多樣化的移動終端設(shè)備。以下簡單介紹現(xiàn)有的幾類基于線裁剪的圖像重定向方法。第一類方法，單獨采用線裁剪技術(shù)進行圖像重定向，其重定向方法是在圖像能量圖上查找優(yōu)化裁剪縫隙，然后通過插入或移除裁剪縫隙來改變圖像大小。然而這種方法的缺點是：僅依靠刪除裁剪縫隙改變圖像大小，圖像內(nèi)容容易產(chǎn)生鋸齒形失真，進而影響視覺內(nèi)容的完整性。第二類方法，采用線裁剪、縮放和傳統(tǒng)裁剪等多個操作進行圖像重定向，這類方法中存在兩種方法。第一種方法是簡單結(jié)合線裁剪和比例縮放，通過不同數(shù)量的線剪裁和比例縮放進行圖像重定向，具體是利用圖像歐氏距離的雙向相似度函數(shù)、占主導(dǎo)地位的顏色描述相似性以及線能量變化來確定線裁剪的最佳數(shù)目。第二種是有規(guī)律的結(jié)合線剪裁與比例縮放，通過一定程度的反向運用線剪裁減少圖像重定向過程中內(nèi)容的丟失。具體的剪裁數(shù)量仍然通過利用圖像歐式距離的雙向相似度函數(shù)來確認(rèn)。這兩種方法的性能優(yōu)于僅采用線裁剪技術(shù)的性能，但是它們的缺陷是：沒有對圖像中視覺顯著區(qū)域進行檢測和保護，容易引起重要信息的丟失，從而導(dǎo)致圖像的失真。綜上，現(xiàn)有的圖像重定向方法未能體現(xiàn)高質(zhì)量的視覺效果，現(xiàn)有算法的性能有待提升。技術(shù)實現(xiàn)要素：本發(fā)明的目的在于克服現(xiàn)有圖像重定向方法未能體現(xiàn)高質(zhì)量的視覺效果的缺點，提供了一種保持重要內(nèi)容區(qū)域?qū)捀弑鹊亩嗨阕訄D像重定向方法，能夠獲得更高質(zhì)量的視覺體驗效果，從而提高圖像重定向技術(shù)的性能。為了實現(xiàn)上述目的，本發(fā)明提供了一種保持重要內(nèi)容區(qū)域?qū)捀弑鹊亩嗨阕訄D像重定向方法，包括：(1)對原始圖像進行顯著度檢測得到顯著度圖，利用所述顯著度圖以及歸一化后的灰度圖生成能量圖譜；(2)對所述能量圖譜進行二值化分割得到重要內(nèi)容區(qū)域和背景區(qū)域；(3)根據(jù)目標(biāo)圖像的尺寸，以及重要內(nèi)容區(qū)域和背景區(qū)域的尺寸大小，計算重要內(nèi)容區(qū)域和背景區(qū)域在非重定向維度應(yīng)分別拉伸的尺寸；(4)根據(jù)重要內(nèi)容區(qū)域和背景區(qū)域在非重定向維度應(yīng)分別拉伸的尺寸，采用均勻放大方法對重要內(nèi)容區(qū)域做非重定向維度的拉伸，采用反向線剪裁方法對圖像背景區(qū)域做非重定向維度的拉伸，并采用均勻放大方法對拉伸后的圖像做重定向維度的拉伸；其中，重定向維度是指需要縮放的維度，非重定向維度是指另一維度；(5)對步驟(4)得到的拉伸后的圖像做相似性變換，將圖像均勻縮放至非重定向維度大小與原始圖像相同；(6)利用添加梯度矢量流的反向線剪裁方法將步驟(5)中得到的縮放后圖像縮放至目標(biāo)尺寸。本發(fā)明的一個實施例中，所述步驟(3)具體為：(3.1)計算原始圖像在非重定向維度的尺寸增量：其中，所述h代表原始圖像在非重定向維度的尺寸，所述w1代表重要內(nèi)容區(qū)域在重定向維度的尺寸，所述wf代表目標(biāo)圖像在重定向維度的尺寸，且滿足wf＜w1，所述δh代表原始圖像在非重定向維度的尺寸增量；(3.2)根據(jù)原始圖像的重要內(nèi)容區(qū)域與背景區(qū)域的比例分配不同的增量值，其中，重要內(nèi)容區(qū)域拉伸的增量為：其中，所述h1代表重要內(nèi)容區(qū)域在非重定向維度的尺寸，所述β代表自適應(yīng)參數(shù)，所述δh1代表重要內(nèi)容區(qū)域拉伸的尺寸增量；上背景區(qū)域和下背景區(qū)域拉伸的尺寸增量分別為：其中，所述h2代表上背景區(qū)域尺寸，所述h3代表下背景區(qū)域尺寸，所述δh2代表上背景區(qū)域拉伸的尺寸增量，所述δh3代表下背景區(qū)域拉伸的尺寸增量。本發(fā)明的一個實施例中，所述步驟(4)中采用反向線剪裁方法對背景信息部分進行尺寸拉伸，具體為：(4.1.1)對背景信息部分圖像每個像素點賦能量值；定義圖像的梯度值作為能量值：其中，x代表原圖像，代表卷積，e代表圖像的梯度圖。(4.1.2)運用動態(tài)規(guī)劃方法尋找能量值最小的裁剪線；(4.1.3)復(fù)制該裁剪線的每個像素點并將其插入在原像素點下方。本發(fā)明的一個實施例中，所述動態(tài)規(guī)劃方法為：(4.1.2.1)計算圖像中每個像素點對應(yīng)的前向累積能量值圖，計算過程如下：m(i，j)＝e(i，j)+min(m(i-1，j-1)，m(i-1，j)，m(i-1，j+1))其中，所述e(i，j)代表該像素點的能量，所述m(i，j)代表計算的該像素點的前向累積能量；(4.1.2.2)從前向累積能量圖m最后一行中找出最小能量值的位置點(i，j)，并以此點為入口，每次取上一行中相鄰的三點中累積能量最小的那個點作為該條線裁剪路線在該行的點，即：seam(i-1)＝min{(i-1，j-1)，(i-1，j)，(i-1，j+1)}其中，所述seam(i-1)代表裁剪線第(i-1)行所選取的點；(4.1.2.3)按此規(guī)則重復(fù)往上搜索至第一行即可得到裁剪線。本發(fā)明的一個實施例中，所述步驟(4)中均勻放大的方法為雙線性差值法，雙線性插值法利用圖像的灰度值作為能量值進行計算，雙線性差值法圖像均勻縮放步驟如下：(4.2.1)根據(jù)縮放目標(biāo)尺寸計算縮放后圖像像素點與原圖像像素點對應(yīng)關(guān)系：其中，所述if，jf分別代表縮放后圖像的橫縱坐標(biāo)，所述ki，kj分別代表橫縱向的縮放比例，i，j分別代表原始圖像的橫縱坐標(biāo)；(4.2.2)則像素點(if，jf)所對應(yīng)的四鄰域點能量值分別為：其中，所述和分別代表if和jf的上整；(4.2.3)雙線性差值的計算：其中，所述ef(i，j)代表縮放后圖像中的像素點能量值；(4.2.4)計算縮放后圖像的每個像素點的能量值，即可得到縮放圖像。本發(fā)明的一個實施例中，所述步驟(6)具體為：(6.1)計算圖像中每個像素點的gvf向量gvf(i，j)，gvf(i，j)包含大小和方向；(6.2)以圖像第一行像素點(1，j)為初始點，向下逐行規(guī)劃得出n條線縫，n為圖像在重定向維度的尺寸；(6.3)計算n條線縫的累加能量值，這里的能量取gvf向量的大?。?6.4)刪除能量值最小的線縫，并重復(fù)步驟(6.1)至(6.4)，直到縮放到目標(biāo)圖像的尺寸，完成圖像壓縮。本發(fā)明的一個實施例中，所述步驟(6.2)具體為：依據(jù)圖像中每個像素點的gvf向量方向規(guī)劃得出候選裁剪線，假設(shè)當(dāng)前像素點為(i，j)，則向下規(guī)劃，第(i+1)行的像素點在像素點(i+1，j-1)、(i+1，j)、(i+1，j+1)中選取，選取規(guī)則如下：其中，所述θ[gvf(i，j)]代表點(i，j)的gvf向量的方向。本發(fā)明的一個實施例中，所述自適應(yīng)參數(shù)β根據(jù)重要內(nèi)容區(qū)域與背景區(qū)域部分的比例選?。罕景l(fā)明的一個實施例中，所述步驟(4)中采用均勻放大方法對重定向維度方向進行拉伸以平衡重要內(nèi)容區(qū)域的尺寸拉伸，其拉伸后的尺寸為：其中，所述w代表原始圖像的原始尺寸，所述wenl代表拉伸后的圖像尺寸。本發(fā)明的一個實施例中，所述能量圖譜通過下式計算：e＝s×gm其中所述s表示原始圖像的顯著度圖，所述gm表示歸一化后的灰度圖，其中：其中，所述g表示原始圖像的灰度值，其取值范圍為(0,255)，所述gmax和gmin分別為圖像灰度值的最大值和最小值。本發(fā)明的一個實施例中，所述步驟(2)具體為：(2.1)選取自適應(yīng)閾值，根據(jù)所述自適應(yīng)閾值對能量圖譜進行二值化分割，得到二值化能量圖譜；包括：(2.1.1)選取自適應(yīng)閾值，所述二值化閾值是使得目標(biāo)函數(shù)最大化的t0值，能量大于t0的點稱為前景點，能量小于t0的點稱為背景點，目標(biāo)函數(shù)為：g(t0)＝ω0(u0-u)2+ω1(u1-u)2其中，所述ω0、ω1分別代表前景點和背景點的個數(shù)占整個圖譜總點數(shù)的比例，所述u0、u1分別代表前景點和背景點的能量平均值，所述u代表整幅圖譜能量的平均值；(2.1.2)根據(jù)所述自適應(yīng)閾值進行二值化分割，分割原則為：其中，所述e(x，y)和em(x，y)分別表示輸入的能量圖譜和輸出的二值化能量圖譜；(2.2)檢測二值化能量圖譜中值為1的點，選取最上方(i1，j1)、最下方(i2，j2)、最左方(i3，j3)和最右方(i4，j4)四個邊界點；(2.3)則四邊形[(j1-j2)×(i4-i3)]即重要內(nèi)容區(qū)域，其余則為背景信息部分。本發(fā)明的有益效果是：能夠克服現(xiàn)有圖像重定位方法未能體現(xiàn)高質(zhì)量的視覺效果的缺點，通過調(diào)整重要對象的全局比例來達到重定向過程中保護重要對象的目的，提高圖像重定向的質(zhì)量，使圖像重定向技術(shù)獲得更高質(zhì)量的視覺體驗效果。附圖說明圖1為本發(fā)明實施例中一種保持重要內(nèi)容區(qū)域?qū)捀弑鹊亩嗨阕訄D像重定向方法的流程示意圖；圖2為本發(fā)明實施例中一種保持重要內(nèi)容區(qū)域?qū)捀弑鹊亩嗨阕訄D像重定向過程的圖像變化示意圖；圖3為本發(fā)明實施例中對圖像寬度方向進行重定向方法的流程示意圖；圖4為原始分辨率為400×344，目標(biāo)分辨率為280×344的圖像縮放效果比較示意圖；圖5為原始分辨率為267×400，目標(biāo)分辨率為134×400的圖像縮放效果比較示意圖；圖6為原始分辨率為400×300，目標(biāo)分辨率為200×300的圖像縮放效果比較示意圖；圖7為原始分辨率為300×400，目標(biāo)分辨率為210×300的圖像縮放效果比較示意圖。具體實施方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。此外，下面所描述的本發(fā)明各個實施方式中所涉及到的技術(shù)特征只要彼此之間未構(gòu)成沖突就可以相互組合。如圖1和圖2所示，本發(fā)明提供了一種保持重要內(nèi)容區(qū)域?qū)捀弑鹊亩嗨阕訄D像重定向方法，包括：(1)對原始圖像進行顯著度檢測得到顯著度圖，利用所述顯著度圖以及歸一化后的灰度圖生成能量圖譜；具體地，所述能量圖譜可通過下式計算：e＝s×gm其中，所述s表示原始圖像的顯著度圖，所述gm表示歸一化后的灰度圖，其中：其中，所述g表示原始圖像的灰度值，其值為(0～255)，所述gmax和gmin分別為圖像灰度值的最大值和最小值。(2)對所述能量圖譜進行二值化分割得到重要內(nèi)容區(qū)域和背景區(qū)域；具體包括：(2.1)選取自適應(yīng)閾值，根據(jù)所述自適應(yīng)閾值對能量圖譜進行二值化分割，得到二值化能量圖譜；包括：(2.1.1)選取自適應(yīng)閾值，所述二值化閾值是使得目標(biāo)函數(shù)最大化的t0值，能量大于t0的點稱為前景點，能量小于t0的點稱為背景點。目標(biāo)函數(shù)可以表示為：g(t0)＝ω0(u0-u)2+ω1(u1-u)2其中，所述ω0、ω1分別代表前景點和背景點的個數(shù)占整個圖譜總點數(shù)的比例，所述u0、u1分別代表前景點和背景點的能量平均值，所述u代表整幅圖譜能量的平均值；(2.1.2)根據(jù)所述自適應(yīng)閾值進行二值化分割，分割原則可以表示為：其中，所述e(x，y)和em(x，y)分別表示輸入的能量圖譜和輸出的二值化能量圖譜；(2.2)檢測二值化能量圖譜中值為1的點，選取最上方(i1，j1)、最下方(i2，j2)、最左方(i3，j3)和最右方(i4，j4)四個邊界點；(2.3)則四邊形[(j1-j2)×(i4-i3)]即重要內(nèi)容區(qū)域，其余則為背景信息部分；(3)根據(jù)目標(biāo)圖像的尺寸，以及重要內(nèi)容區(qū)域和背景區(qū)域的尺寸大小，計算重要內(nèi)容區(qū)域和背景區(qū)域在非重定向維度應(yīng)分別拉伸的尺寸；通過非重定向維度的拉伸降低重要內(nèi)容所占的比例從而在重定向過程中保護重要內(nèi)容的寬高比，為方便起見，本發(fā)明中以寬度縮小為例，其拉伸步驟如下：(3.1)計算非重定向維度(縱向高度)的增量，可以表示為：其中，所述h代表原始圖像的高度，所述w1代表重要內(nèi)容區(qū)域的寬度，所述wf代表目標(biāo)圖像的寬度，所述δh代表縱向高度的增量；(3.2)根據(jù)原始圖像的重要內(nèi)容區(qū)域與背景區(qū)域的比例分配不同的高度增量值，其中，重要內(nèi)容區(qū)域拉伸的高度增量為：其中，所述h1代表重要內(nèi)容區(qū)域的高度，所述β代表自適應(yīng)參數(shù)，所述δh1代表重要內(nèi)容區(qū)域拉伸的高度增量；通常地，所述自適應(yīng)參數(shù)β根據(jù)重要內(nèi)容區(qū)域與背景區(qū)域部分的比例選取，可以表示為：上背景區(qū)域和下背景區(qū)域拉伸的高度增量分別為：其中，所述h2代表上背景區(qū)域高度，所述h3代表下背景區(qū)域高度，所述δh2代表上背景區(qū)域拉伸的高度增量，所述δh3代表下背景區(qū)域拉伸的高度增量；(4)根據(jù)重要內(nèi)容區(qū)域和背景區(qū)域在非重定向維度應(yīng)分別拉伸的尺寸，采用均勻放大方法對重要內(nèi)容區(qū)域做非重定向維度的拉伸，采用反向線剪裁方法對圖像背景區(qū)域做非重定向維度的拉伸，并采用均勻放大方法對拉伸后的圖像做重定向維度的拉伸；其中，重定向維度是指需要縮放的維度，非重定向維度是指另一維度；(4.1)采用反向線剪裁方法對背景信息部分進行高度拉伸；其步驟如下：(4.1.1)對背景信息部分圖像每個像素點賦能量值；在反向線剪裁過程中我們定義圖像的梯度值作為能量值，梯度定義如下：則應(yīng)用于數(shù)字圖像中其中，x代表原圖像，代表卷積，e代表圖像的梯度圖。(4.1.2)運用動態(tài)規(guī)劃方法尋找能量值最小的裁剪線；具體地，所述動態(tài)規(guī)劃方法為：(4.1.2.1)計算圖像中每個像素點對應(yīng)的前向累積能量值圖，計算過程如下：m(i，j)＝e(i，j)+min(m(i-1，j-1)，m(i-1，j)，m(i-1，j+1))其中，所述e(i，j)代表該像素點的能量，所述m(i，j)代表計算的該像素點的前向累積能量；(4.1.2.2)從前向累積能量圖m最后一行中找出最小能量值的位置點(i，j)，并以此點為入口，每次取上一行中相鄰的三點中累積能量最小的那個點作為該條線裁剪路線在該行的點，即：seam(i-1)＝min{(i-1，j-1)，(i-1，j)，(i-1，j+1)}其中，所述seam(i-1)代表裁剪線第(i-1)行所選取的點；(4.1.2.3)按此規(guī)則重復(fù)往上搜索至第一行即可得到裁剪線。(4.1.3)復(fù)制該裁剪線的每個像素點并將其插入在原像素點下方。(4.2)采用均勻放大的方法對重要內(nèi)容區(qū)域進行高度拉伸；(4.3)采用均勻放大方法對寬度進行拉伸以平衡重要內(nèi)容區(qū)域的高度拉伸，其拉伸后的寬度可以表示為：其中，所述w代表原始圖像的原始寬度，所述wenl代表拉伸后的圖像寬度；進一步地，所述(4.2)和(4.3)中均勻放大的方法為雙線性差值法，雙線性插值法利用圖像的灰度值作為能量值進行計算，雙線性差值法圖像均勻縮放步驟如下：(4.2.1)根據(jù)縮放目標(biāo)尺寸計算縮放后圖像像素點與原圖像像素點對應(yīng)關(guān)系：其中，所述if，jf分別代表縮放后圖像的橫縱坐標(biāo)，所述ki，kj分別代表橫縱向的縮放比例，i，j分別代表原始圖像的橫縱坐標(biāo)；(4.2.2)則像素點(if，jf)所對應(yīng)的四鄰域點能量值分別為：其中，所述和分別代表if和jf的上整；(4.2.3)雙線性差值的計算：其中，所述ef(i，j)代表縮放后圖像中的像素點能量值；(4.2.4)計算縮放后圖像的每個像素點的能量值，即可得到縮放圖像。(5)對步驟(4)得到的拉伸后的圖像做相似性變換，將圖像均勻縮放至非重定向維度大小與原始圖像相同；(6)利用添加梯度矢量流的反向線剪裁方法將步驟(5)中得到的縮放后圖像縮放至目標(biāo)尺寸，具體地：(6.1)計算圖像中每個像素點的gvf向量gvf(i，j)，gvf(i，j)包含大小和方向；(6.2)以圖像第一行像素點(1，j)為初始點，向下逐行規(guī)劃得出n條線縫，n為圖像寬度；具體地，依據(jù)圖像中每個像素點的gvf向量方向規(guī)劃得出候選裁剪線，假設(shè)當(dāng)前像素點為(i，j)，則向下規(guī)劃，第(i+1)行的像素點在像素點(i+1，j-1)、(i+1，j)、(i+1，j+1)中選取，選取規(guī)則如下：其中，所述θ[gvf(i，j)]代表點(i，j)的gvf向量的方向。(6.3)計算n條線縫的累加能量值，這里的能量取gvf向量的大??；(6.4)刪除能量值最小的線縫，并重復(fù)步驟(6.1)至(6.4)，直到縮放到目標(biāo)圖像的尺寸，完成圖像壓縮。下面結(jié)合一具體實例說明發(fā)明方法，在下面的實施例中，僅以一幅圖像寬度縮小為例，對本發(fā)明的保持重要內(nèi)容區(qū)域?qū)捀弑鹊亩嗨阕訄D像重定向方法進行描述。如圖3所示，該方法包括以下步驟：步驟100：讀入原始圖像。步驟101：對輸入圖像進行圖像視覺顯著度檢測得到顯著度圖。步驟102：對輸入圖像進行歸一化的灰度變換得到灰度圖。步驟103：將顯著度圖和灰度圖對應(yīng)相乘得到輸入圖像的能量圖譜。步驟104：對能量圖譜進行最大類間方差法(otsu)閾值分割得到重要內(nèi)容：(1041)自動選取二值化閾值，閾值是使得目標(biāo)函數(shù)最大化的t0值，能量大于t0的點稱為前景點，能量小于t0的點稱為背景點。目標(biāo)函數(shù)可以表示為：g(t0)＝ω0(uo-u)2+ω1(u1-u)2其中，所述ω0、ω1分別代表前景點和背景點的個數(shù)占整個圖譜總點數(shù)的比例，所述u0、u1分別代表前景點和背景點的能量平均值，所述u代表整幅圖譜能量的平均值。(1042)根據(jù)閾值進行二值化分割，分割原則可以表示為：其中，所述e(x，y)和em(x，y)分別表示輸入的能量圖譜和輸出的二值化能量圖譜。(1043)檢測二值化圖像中值為1的點，選取最上方(i1，j1)、最下方(i2，j2)、最左方(i3，j3)和最右方(i4，j4)四個邊界點,則四邊形[(j1-j2)×(i4-i3)]即重要內(nèi)容區(qū)域。步驟105：根據(jù)劃分的重要內(nèi)容的尺寸、原始圖像尺寸與目標(biāo)圖像尺寸計算重要內(nèi)容區(qū)域與背景區(qū)域的拉伸程度。(1051)縱向高度的增量，可以表示為：其中，所述h代表圖像的高度，所述w1代表圖像重要內(nèi)容區(qū)域的寬度，所述wf代表圖像的目標(biāo)寬度，所述δh代表縱向高度的增量；(1052)根據(jù)圖像重要內(nèi)容區(qū)域與背景信息部分的比例分配不同的增量值，其中，重要內(nèi)容區(qū)域拉伸的高度增量為：其中，所述h1代表圖像重要內(nèi)容的高度，所述β代表自適應(yīng)參數(shù)，所述δh1代表重要內(nèi)容拉伸的高度增量。上背景和下背景區(qū)域拉伸的高度增量分別為：其中，所述h2代表上背景區(qū)域高度，所述h3代表下背景區(qū)域高度，所述δh2代表上背景區(qū)域拉伸的高度增量，所述δh3代表下背景區(qū)域拉伸的高度增量；(1053)進行寬度拉伸平衡重要內(nèi)容區(qū)域的高度拉伸，其拉伸后的寬度可以表示為：其中，所述w代表圖像的原始寬度，所述wenl代表拉伸后的圖像寬度；(1054)根據(jù)重要內(nèi)容區(qū)域與背景區(qū)域比例自適應(yīng)的選取參數(shù)β值，可以表示為：步驟106：根據(jù)步驟105計算出來的尺寸，對重要內(nèi)容區(qū)域進行均勻放大，對背景信息部分利用反向線剪裁增加高度、利用均勻放大增加寬度。步驟107：對放大后的圖像進行相似性變換至與原圖像等高度。步驟108：利用添加了梯度矢量流的改進的線剪裁算法對圖像進行微調(diào)至目標(biāo)尺寸。(1081)計算圖像中每個像素點的gvf向量gvf(i，j)，包含大小和方向；(1082)以圖像第一行像素點(1，j)為初始點，向下逐行規(guī)劃得出n條線縫，n為圖像寬度，逐行規(guī)劃規(guī)則為：假設(shè)當(dāng)前像素點為(i,j),則向下規(guī)劃，第(i+1)行的像素點在點(i+1,j-1)、(i+1,j)、(i+1,j+1)中選取，選取規(guī)則為：其中，所訴的θ[gvf(i，j)]代表點(i,j)的gvf向量的方向。(1083)計算n條線縫的累加能量值，這里的能量取gvf向量的大?。?1084)刪除能量值最小的線縫并重復(fù)步驟(1081)至(1084)，直到縮放到目標(biāo)圖像的尺寸，完成圖像壓縮。步驟109：輸出目標(biāo)圖像。至此完成了整個自適應(yīng)圖像重定向過程，通過執(zhí)行該過程，能夠克服現(xiàn)有圖像重定向方法未能體現(xiàn)高質(zhì)量的視覺效果的缺點，通過調(diào)整重要對象的全局比例來達到重定向過程中保護重要對象的目的，從而提高圖像重定向的質(zhì)量，使圖像重定向技術(shù)獲得更高質(zhì)量的視覺體驗效果。為了測試本發(fā)明的圖像重定向方法的性能，采用專門針對圖像重定向的公共圖像數(shù)據(jù)庫進行實驗測試。為了衡量算法的性能，從圖像主觀效果和圖像客觀縮放質(zhì)量兩方面分別對本發(fā)明的方法和其他四種圖像重定向算法進行了性能的比較。如圖4、5、6、7所示，分別是原始分辨率和目標(biāo)分辨率均不相同的四幅圖像的縮放結(jié)果比較。圖4～圖7中采用其他方法縮放后的圖像均出現(xiàn)程度不同的失真，失真內(nèi)容已在各個圖中用紅色方框標(biāo)注出來。這主要是因為其他方法只在于單一的縮小圖像的寬度或者高度，當(dāng)圖像中包含的視覺顯著對象過大時，勢必會在縮放過程中影響視覺顯著對象而產(chǎn)生失真。而本發(fā)明方法由于是全局性的保護視覺顯著對象，通過對寬度和高度的拉伸改變視覺顯著對象的整體尺寸來使其適應(yīng)目標(biāo)尺寸，從而完整地保存視覺顯著對象，因此就不會產(chǎn)生其他方法的失真現(xiàn)象。上述分析表明，采用本發(fā)明方法重建圖像的主觀效果比其他方法更好。采用圖像縮放質(zhì)量評價標(biāo)準(zhǔn)對本發(fā)明方法的性能進行客觀評價，該評價標(biāo)準(zhǔn)通過遍歷原始圖像和縮放圖像在不同尺度空間的相關(guān)性得到圖像質(zhì)量評價的質(zhì)量指數(shù)，該質(zhì)量指數(shù)的范圍是[0,1]，數(shù)值越大說明兩幅圖像的匹配度越高，即縮放圖像的質(zhì)量越好。分析比較15幅相關(guān)圖像的圖像質(zhì)量指數(shù)如下表1所示。表1圖像質(zhì)量指數(shù)比較scgvfmoour圖20.09700.13580.15830.1594圖30.40290.36020.38400.4469圖40.31240.44180.26940.5478圖50.14980.17830.03540.1858上述結(jié)果表明，采用本發(fā)明方法縮放后的圖像質(zhì)量明顯優(yōu)于采用其他方法獲得的圖像，這主要是由于本發(fā)明方法加強視覺顯著內(nèi)容的保護，并確保了視覺顯著內(nèi)容的完整性，使得縮放之后的圖像與原始圖像在空間上的相關(guān)性很高，匹配度也隨之明顯提高。由此說明，在客觀評價結(jié)果上本發(fā)明方法同樣具有更好的性能。本領(lǐng)域的技術(shù)人員容易理解，以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。當(dāng)前第1頁12