本发明属于三维模型造型设计领域，尤其涉及一种基于图像特征点的草图生成方法、服务器及系统。
背景技术：
随着科技水平的不断进步，人们对于三维模型的兴趣度逐步提高，三维建模已成为计算机研究领域中的一个热点话题。不论是在3d游戏设计、机械制造、智能家居还是在医疗等多领域中都会涉及到不同程度的三维模型。然而，随着客户需求不断提高，模型的设计效率也不断加快，在三维模型设计过程中草图的绘制是其中重要的一个环节，伴随生活步伐的加快，要求的模型也变得相对复杂，因而需要绘制的草图效率更高。针对这方面的研究已有很多，比如：peng等通过信息熵分析并构建草图的描述符，对手绘草图模型进行分析，刘凯、孙正兴等人提出一种生成三维复杂曲面的交互方法，支持用户通过修改手绘草图构建三维模型的形状，以及相关人员通过基于霍夫变换法和随机圆检测法(rcd)的轮廓几何特征识别方法的约束机制来完成草图的绘制等。但是仍然存在以下几点问题：1)通过信息熵分析绘制草图描述符，结构较为单一，在草图设计过程中，线条及其轮廓绘制处理工作量较大，在关键点选择、线条的弯曲程度、平滑度的处理以及复杂图形的绘制方面，草绘方式的效率较低；2)尽管通过霍夫变换法和随机圆检测法可以对几何特征轮廓进行识别，但是识别的都是直线和圆弧的基本特征。而针对于弯曲的线框模型来说不具有适用性。比如：对带有弯曲拐点的图形以及凹凸不平的图形来说，霍夫变换法和随机圆检测法只能检测到图形中的直线和随机的线条，检测结果并不是很理想。而本发明直接在图像上处理，用基于小波自适应harris检测算子直接在图像提取图像边缘点进一步对拐点、特征点进行提取，检测结果更为明确。3)主流的草图绘制软件涉及的工具较多，普通用户在短时间内难以进行相关模型的绘制工作。综上所述，在实际设计过程中，随着客户的需求逐步提高，如何加快草图的绘制效率，提高模型的设计工作是设计师需要解决的重点问题。技术实现要素：为了解决现有技术的不足，本发明的第一目的是提供了一种基于图像特征点的草图生成方法，其降低了时间复杂度，提高了绘制效率。本发明的一种基于图像特征点的草图生成方法，包括：对获取的实体图像进行预处理操作；基于小波自适应harris检测算子来提取预处理后的实体图像边缘的特征点；采用分段样条插值法对提取的实体图像边缘的特征点进行轮廓的拟合，得到光滑封闭的曲线轮廓，生成相应草图。进一步的，对获取的实体图像进行预处理操作包括降噪处理以及实体图像的边界跟踪。由于图像在传输过程中可能会出现噪声污染使图像质量下降的现象，因此，首要的工作是对图像进行降噪处理。进一步的，依次采用中值滤波去噪方法和膨胀运算方法对获取的实体图像降噪。这样能够在去除图像的噪声的同时，保证图像的清晰度。进一步的，基于小波自适应harris检测算子来提取预处理后的实体图像边缘的特征点的具体过程包括：将预处理后的实体图像转化为二值图像；计算二值图像在预设尺度上的水平和垂直方向分量，构造小波系数的模值和幅角；依据构造的小波系数的模值和幅角，计算二值图像在水平和垂直方向梯度；依据二值图像在水平和垂直方向梯度，利用高斯函数对特征点高斯加权，同时加入欧氏距离，计算点与点之间的差值，生成一个矩阵元素值序列；在所述矩阵元素值序列中，通过计算每个图像像素的harris响应值来进一步确定角点，通过基于小波自适应的harris检测算子对提取图像边缘的特征点。本发明的第二目的是提供一种基于图像特征点的草图生成服务器，其降低了时间复杂度，提高了绘制效率。本发明的一种基于图像特征点的草图生成服务器，包括：预处理模块，其被配置为：对获取的实体图像进行预处理操作；边缘特征点提取模块，其被配置为：基于小波自适应harris检测算子来提取预处理后的实体图像边缘的特征点；边缘特征点拟合模块，其被配置为：采用分段样条插值法对提取的实体图像边缘的特征点进行轮廓的拟合，得到光滑封闭的曲线轮廓，生成相应草图。进一步的，在所述预处理模块中，对获取的实体图像进行预处理操作包括降噪处理以及实体图像的边界跟踪。进一步的，在所述预处理模块中，依次采用中值滤波去噪方法和膨胀运算方法对获取的实体图像降噪。进一步的，所述边缘特征点提取模块，包括：二值图像转化子模块，其被配置为：将预处理后的实体图像转化为二值图像；小波系数的模值和幅角构造子模块，其被配置为：计算二值图像在预设尺度上的水平和垂直方向分量，构造小波系数的模值和幅角；水平和垂直方向梯度计算子模块，其被配置为：依据构造的小波系数的模值和幅角，计算二值图像在水平和垂直方向梯度；矩阵元素值序列生成子模块，其被配置为：依据二值图像在水平和垂直方向梯度，利用高斯函数对特征点高斯加权，同时加入欧氏距离，计算点与点之间的差值，生成一个矩阵元素值序列；特征点提取子模块，其被配置为：在所述矩阵元素值序列中，通过计算每个图像像素的harris响应值来进一步确定角点，通过基于小波自适应的harris检测算子对提取图像边缘的特征点。本发明的第三目的是提供一种基于图像特征点的草图生成系统，其降低了时间复杂度，提高了绘制效率。本发明的一种基于图像特征点的草图生成系统，包括上述所述的基于图像特征点的草图生成服务器。与现有技术相比，本发明的有益效果是：(1)本发明根据实体图像提取特征点，通过采用欧氏距离差控制harris角点检测算子，结合分段样条插值算法勾勒出轮廓边缘，进而完成草图的设计，降低了时间复杂度，提高了绘制效率。(2)本发明从图像的角度出发，依据角点检测算法对图像关键点检测处理，经分段样条插值拟合完成草图生成工作，具有很好的草图绘制效果，能够提高设计效率，满足普通设计人员的使用。附图说明构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。图1是本发明的一种基于图像特征点的草图生成方法流程图。图2(a)是结构元素a。图2(b)是被处理的对象x。图2(c)是被处理的对象x膨胀运算后的结果。图3(a)是膨胀运算原始图。图3(b)是1次膨胀运算结果图。图3(c)是2次膨胀运算结果图。图3(d)是3次膨胀运算结果图。图4(a)是花的初始轮廓。图4(b)是猴子的初始轮廓。图5(a)是花的初始轮廓特征点。图5(b)是猴子的初始轮廓特征点。图6(a)是b样条拟合示意图。图6(b)是最小二乘法拟合示意图。图6(c)是三次分段样条插值拟合示意图。图7(a)是三次分段样条插值拟合得到花的草图。图7(b)是三次分段样条插值拟合得到猴子的草图。图8是本发明的一种基于图像特征点的草图生成服务器结构示意图。具体实施方式应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
技术领域：
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。图1是本发明的一种基于图像特征点的草图生成方法流程图。如图1所示，本发明的一种基于图像特征点的草图生成方法，包括：s1：对获取的实体图像进行预处理操作。对获取的实体图像进行预处理操作包括降噪处理以及实体图像的边界跟踪。由于图像在传输过程中可能会出现噪声污染使图像质量下降的现象，因此，首要的工作是对图像进行降噪处理。依次采用中值滤波去噪方法和膨胀运算方法对获取的实体图像降噪。这样能够在去除图像的噪声的同时，保证图像的清晰度。如图2(a)-图2(c)所示，膨胀运算方法包括：把如图2(a)所示的结构元素a平移a后得到aa，若aa击中x；如图2(b)，记录点a，点a为图中阴影部分的点。满足上述条件的点a组成的集合称x被a膨胀的结果。用公式表示为：d(x)＝{a|aa↑x}＝xa，如图2(c)所示，其中，x是被处理的对象，a是结构元素，对于任意一个在阴影部分的点a，aa击中x，阴影部分为x被a膨胀的结果。通过膨胀运算的结果对比图，如图3(a)-图3(d)所示，将上述跟踪到的边界点进行中值滤波处理通过膨胀运算进行边界扩张，消除包含在图像目标区域中的细微噪声。s2：基于小波自适应harris检测算子来提取预处理后的实体图像边缘的特征点。基于小波自适应harris检测算子来提取预处理后的实体图像边缘的特征点的具体过程包括：步骤s21：需要构造小波函数。设φ(x,y)是一个二维平滑函数，那么沿着x和y方向的一阶导数定义为两个基本小波步骤s22：将两个方向上的基本小波与图像的卷积作为小波水平和垂直方向上的分量，则任意二维图像函数f(x,y)有两个小波变换分量，沿x水平方向的分量为：沿y垂直方向的分量为：其中wt1和wt2为图像沿着x和y方向上的梯度值，这里b为常数。步骤s23：根据小波方向尺度j计算图像模值(公式1)和幅角(公式2)，沿着梯度模量的局部最大值方向，进行角点检测。其中，和分别指的是在不同方向梯度上的模值。具体地，基于小波自适应harris检测算子来提取预处理后的实体图像边缘的特征点的具体过程包括：将预处理后的实体图像转化为二值图像；计算二值图像在尺度i的水平和垂直方向分量，构造小波系数的模值和幅角；依据构造的小波系数的模值和幅角，计算二值图像在水平和垂直方向梯度；其中，在公式(3)中，定义vm,n是高斯窗口在(m,n)处的系数，a和b分别是沿着m和n方向的水平垂直分量；(m,n)表示高斯窗口的水平和垂直分量坐标系数。依据确定水平垂直分量，利用高斯函数对特征点高斯加权，同时加入欧氏距离，进行点与点之间的差值(用d表示，其中生成矩阵x元素值序列；在矩阵x中，通过计算每个图像像素的harris响应值k来进一步确定角点，通过基于小波自适应的harris检测算子对图像检测。k(m,n)＝det[x(m,n)]-y·tr2[x(m,n)](4)公式(4)中，det[x(m,n)]表示的是x矩阵的行列式的值，而tr2[x(m,n)]表示为矩阵x的迹；为矩阵x的特征值；y取推荐值0.05；其中，通过x特征值的大小对图像点进行划分，当和都比较突出时，即值比较大时确定为角点；而当和值小于预设阈值时，不认为是角点；当其中或者是时，确定为边缘。s3：采用分段样条插值法对提取的实体图像边缘的特征点进行轮廓的拟合，得到光滑封闭的曲线轮廓，生成相应草图。例如：采用三次样条插值处理：步骤s31：经上述检测到实体图像的轮廓特征点后，通过三次样条函数拟合轮廓特征点。步骤s32：将上述经检测和提取得到的数据点导入到origin中分段处理，按照数据点的坐标位置对x进行排序，将其结果放到数组c中，依次迭代处理，直到所有关键点有序。步骤s33：依据数组c的长度n，生成一个n*1的矩阵。根据三次样条插值公式，插值拟合，要使h0＝0则j＝1；因此，将y和x转变为与h有关的函数插值点；其中，hj表示样条插值上的特征点；hj-1表示hj前的插值点；xj-1,yj-1分别表示在hj-1插值点的横纵坐标；xj,yj分别表示hj插值点的横纵坐标。步骤s34：根据关键点和平滑度，依次调用数组c中的数据点，通过三次分段样条插值法进行拟合操作，拟合出平滑的样条曲线，最终得到完整的草图轮廓，交于设计师审核处理。下面给出一个实际应用例：利用花和猴子的照片为例来说明草图绘制的过程及本发明的优越性。步骤一：在客户给定的两张图像上进行处理，为了方便对图像进行去噪和增强等功能的处理，分别将两幅实例图转化为灰度图像。采用边界跟踪算法，在灰度图像中找到跟踪的起始点，并由该点出发在八邻域内进行边界跟踪，经膨胀运算和坐标化后，记录其位置坐标。步骤二：为进行比较和分析，进行等距离隔点采样预处理，并记录点的位置坐标和采样点的个数，如图4(a)所示，其中花的初始轮廓点个数为3804个，响应时间为2.632207s；而如图4(b)所示的猴子的初始轮廓点个数为2295个，响应时间为1.229416s。步骤三：通过在传统harris算法中加入小波函数和欧氏距离差，本发明能够保证图像轮廓局部特征完整的情况下，短时间内获得图像特征点如图5(a)-图5(b)所示。步骤四：三次分段样条插值处理。分别利用b样条拟合、最小二乘法拟合以及三次分段样条插值拟合的结果，如图6(a)-图6(c)所示。以三次分段样条插值拟合，最终构造的花草图见图7(a)，猴子的草图如图7(b)所示。在本实例中，以花和猴子的图片为例，选取了几种角点检测算法，并对其进行了比较，详细的比较结果见表1和表2所示，实验结果表明本发明具有一定的优越性。表1花检测结果原始图像moravec算法fast算法本文算法初始采样点380417524270响应时间2.632207s7.430317s2.915905s1.028065s表2猴子检测结果原始图像moravec算法fast算法本文算法初始采样点229540762351响应时间1.229416s2.225066s1.291240s1.404667s从表中可以看出，本发明提出的基于小波的harris角点检测花的实例图关键点个数为270个，响应时间为1.028065s；基于小波的harris角点检测实例猴子图关键点个数为351个，响应时间为1.404667s。在用时上，可以在较少的时间内获得准确的特征点，对于设计人员手工方式绘制草图来说，节省了时间，提高了效率。本发明还提供了一种基于图像特征点的草图生成服务器，其降低了时间复杂度，提高了绘制效率。如图8所示，本发明的一种基于图像特征点的草图生成服务器，包括：(1)预处理模块，其被配置为：对获取的实体图像进行预处理操作。具体地，在所述预处理模块中，对获取的实体图像进行预处理操作包括降噪处理以及实体图像的边界跟踪。具体地，在所述预处理模块中，依次采用中值滤波去噪方法和膨胀运算方法对获取的实体图像降噪。(2)边缘特征点提取模块，其被配置为：基于小波自适应harris检测算子来提取预处理后的实体图像边缘的特征点。具体地，所述边缘特征点提取模块，包括：二值图像转化子模块，其被配置为：将预处理后的实体图像转化为二值图像；小波系数的模值和幅角构造子模块，其被配置为：计算二值图像在预设尺度上的水平和垂直方向分量，构造小波系数的模值和幅角；水平和垂直方向梯度计算子模块，其被配置为：依据构造的小波系数的模值和幅角，计算二值图像在水平和垂直方向梯度；矩阵元素值序列生成子模块，其被配置为：依据二值图像在水平和垂直方向梯度，利用高斯函数对特征点高斯加权，同时加入欧氏距离，计算点与点之间的差值，生成一个矩阵元素值序列；特征点提取子模块，其被配置为：在所述矩阵元素值序列中，通过计算每个图像像素的harris响应值来进一步确定角点，通过基于小波自适应的harris检测算子对提取图像边缘的特征点。(3)边缘特征点拟合模块，其被配置为：采用分段样条插值法对提取的实体图像边缘的特征点进行轮廓的拟合，得到光滑封闭的曲线轮廓，生成相应草图。本发明根据实体图像提取特征点，通过采用欧氏距离差控制harris角点检测算子，结合分段样条插值算法勾勒出轮廓边缘，进而完成草图的设计，降低了时间复杂度，提高了绘制效率。本发明从图像的角度出发，依据角点检测算法对图像关键点检测处理，经分段样条插值拟合完成草图生成工作，具有很好的草图绘制效果，能够提高设计效率，满足普通设计人员的使用。本发明还提供了一种基于图像特征点的草图生成系统，其降低了时间复杂度，提高了绘制效率。本发明的一种基于图像特征点的草图生成系统，包括如图8所示的基于图像特征点的草图生成服务器。本发明根据实体图像提取特征点，通过采用欧氏距离差控制harris角点检测算子，结合分段样条插值算法勾勒出轮廓边缘，进而完成草图的设计，降低了时间复杂度，提高了绘制效率。本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)或随机存储记忆体(randomaccessmemory，ram)等。上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。当前第1页12