專利名稱：：一種內容相關的圖像縮放方法
技術領域：
：本發(fā)明涉及圖像縮放處理
技術領域：
，具體涉及一種內容相關的圖像縮放方法。
背景技術：
：圖像縮放技術是圖像處理領域中的一項常用技術，用于改變數(shù)字圖像的空間分辨率。隨著越來越多的具有不同分辨率的顯示設備的出現(xiàn)，這項技術也應用在越來越多的領域。傳統(tǒng)的圖像縮放往往是采用插值的方法來改變圖像的分辨率，例如雙線性插值、雙立方插值等。這種方法比較簡單，但是存在兩個問題，一是在圖像縮放過程中圖像中所有景物都同比例的縮小或者放大，這樣無法對圖像中一些重要目標進行保護，以突出圖像重點;二是在改變圖像長寬比時會使圖像內容發(fā)生嚴重的失真。另一種縮小圖像的方法是裁切，即在圖像中選擇一個矩形窗口，保留窗口內的圖像內容，拋棄窗口外的內容以實現(xiàn)圖像尺寸的縮小。這種方法的優(yōu)點是在改變圖像長寬比時不會造成失真。但是，這種方法的缺點是無法進行圖像放大的處理，而且在縮小圖像時會丟棄部分圖像內容，破壞原圖像內容的完整性。為了克服以上兩種圖像縮放方法的不足之處，近年來出現(xiàn)了一種新的內容相關的圖像縮放方法。這種方法的特點是對圖像進行縮放處理時會區(qū)別對待圖像中的不同區(qū)域，使圖像中的一些重要區(qū)域保持不變，同時也能較好的保持圖像內容的完整性，并且在改變圖像長寬比時不會發(fā)生明顯的失真。這種方法的特征如下a.為圖像中每一個像素點定義一個能量值，能量值反應了該像素點的重要性，能量越大的點越重要。b.從圖像中尋找一條能量最小的垂直(或水平)縫隙。其中垂直(或水平)縫隙是指圖像中一條自頂向下(或自左向右)的曲線，圖像中的每一行(或列)有且僅有一個像素點在這條曲線上，且曲線上任何相鄰兩行的像素點是鄰接的?？p隙的能量被定義為縫隙上所有像素點的能量之和。垂直縫隙和水平縫隙如圖l所示。c.將找到的縫隙上所有的像素點刪除(或復制)以實現(xiàn)圖像尺寸1像素的減小(或增大)。d.重復上面的步驟直至得到所需尺寸的圖像。在上述方法中，求解能量最小的垂直(或水平)縫隙可以采用動態(tài)規(guī)劃的方法。以求解垂直縫隙為例，首先建立累積能量矩陣M:M(i，j)=e(i,j)+min(M(i-1，j-1)，M(i,j-1),M(i+1,j-1)}其中M(i,j)表示矩陣中第j行第i列元素的值，這個值是從圖像第一行某個像素點出發(fā)，沿著某條垂直縫隙到達點I(i，寸所經過的像素點能量之和的最小值；e(i,j)表示圖像中第j行第i列的像素點的能量值。在建立M矩陣之后，從矩陣的最后一行中找出值最小的元素，從這個元素出發(fā)向上逆推即可得到能量最小的垂直縫隙。這種方法效果不錯，但問題是每求解一條縫隙就要做一次動態(tài)規(guī)劃，因此當圖像尺寸改變較大時會花費較多的時間。另一種求解縫隙的方法是通過匹配來求解。仍然以求解垂直縫隙為例，所謂匹配是指相鄰兩行像素點間的一種一一對應的關系，每個像素點在其上一行和下一行各有且僅有一個匹配點。在定義了連接相鄰兩行中任意兩個像素點的邊的權值之后，就可以用"匈牙利算法"來求解兩行間的最優(yōu)匹配。當所有的相鄰行間都建立匹配關系之后，從整幅圖像第一行(或最后一行)的任意一個像素點出發(fā)，通過不斷尋找下一行(或上一行)的匹配點就可以得到一個像素點序列S。如果通過權值的定義使得以下條件成立(其中m(i力表示第j行第i個像素點在第j+l行的匹配點的x坐標)Vie[1,m]AJe[1，n),|m(i,j)-j|d也就是說對于圖像前n-l行中的任意一個像素點，其下一行的匹配點的x坐標與其本身的x坐標相差不超過1像素，那么由垂直縫隙的定義可知，此時S就是一條垂直縫隙。這樣就通過匹配并行的找到了m條垂直縫隙(假設圖像寬度為m像素)，可以在水平方向上將圖像尺寸調整最多m個像素。但是由于匈牙利算法的時間復雜度為0(m3)，因此這種并行求解縫隙的方法速度仍然非常慢。綜上所述，現(xiàn)有的基于縫隙的內容相關圖像縮放方法存在時間效率不高的問題，這限制了這種技術的廣泛應用。
發(fā)明內容本發(fā)明的目的在于克服上述現(xiàn)有技術的缺點，提供了一種快速的內容相關的圖像縮放方法。為實現(xiàn)上述發(fā)明目的，本發(fā)明采用的技術方案是計算源圖像中每一個像素點的能量值，該能量值反應像素點在圖像中的重要程度；為源圖像中所有連接相鄰兩行或兩列中任意兩個像素點的邊定義用于求解匹配的權值；根據(jù)定義的權值在源圖像中所有相鄰行或列間求解最優(yōu)匹配，也即建立相鄰行或列像素點間的一一對應關系；根據(jù)相鄰行或列像素點間的一一對應關系得到垂直或水平縫隙并計算縫隙對應的能量值，即縫隙上所有像素點的能量之和，然后按照縫隙能量值的升序依次刪除n條縫隙以實現(xiàn)圖像尺寸n像素的縮小，或者按照縫隙能量升序依次復制n條縫隙以實現(xiàn)圖像尺寸n像素的放大。根據(jù)定義的權值在源圖像中相鄰行或列間求解最優(yōu)匹配時按照如下方法進行以求解一幅寬為m個像素的圖像中第k行與第k+l行像素點間的最優(yōu)匹配為例，用w(ij)表示連接第k行第i個像素和第k+l行第j個像素的邊的權值，F(xiàn)(x)表示前x對像素點所構成子圖的最優(yōu)匹配中各匹配邊的權值之和，定義F(-l"F(0)-0，w(0,l)=w(l,0)=-oo，按照下式求解F(i),1《i《m，F(xiàn)(i)=max{F(i誦l)+w(i，i)，F(xiàn)(i-2)+w(i，i-l)+w(i-l，i)}從圖像第k行最右邊的像素點I(m，k)開始，依次向左判斷第k行所有像素點I(i,k)，1《i《m的匹配點，如果F(i"F(i-l)+w(i,i)，則點I(i，k)的匹配點是其正下方的點I(i,k+1)，接著判斷點I(i-l，k)的匹配點；如果F(i)=F(i-2)+w(i,i-l)+w(i-l,i)，則點I(i，k)的匹配點是其左下方的點I(i-l，k+l)，且點I(i-l,k)的匹配點是其右下方的點I(i,k+l)，接著判斷點I(i-2,k)的匹配點。為源圖像中所有連接相鄰兩行或兩列中任意兩個像素點的邊定義用于求解匹配的權值時采用如下兩種方法1)以定義連接第k行和第k+l行中任意兩個像素點的邊的權值為例，用w(i,j)表示連接第k行第i個像素和第k+l行第j個像素的邊的權值，e(i,j)表示像素點I(i,j)的能量值，貝陏w(i，j)={A"".,'"1)'li-Jl"'畫oo,otherwise其中A和M是兩個矩陣，A(iJ)代表經過點I(i,k)的垂直縫隙從圖像第一行到第j行的累積能量，M通過從圖像最后一行向上做動態(tài)規(guī)劃得到M(U)=e(i,j)+min{M(i國1，j+1)，M(i，j+1),M(i+1，j+1)}2)以定義連接第k行和第k+l行中任意兩個像素點的邊的權值為例，用w(i,j)表示連接第k行第i個像素和第k+l行第j個像素的邊的權值，e(i,j)表示像素點I(i,j)的能量值，貝陏W(i,j)"e(i，k).e。，k+"，！i-j^誦oo,otherwise"與現(xiàn)有技術相比，本發(fā)明提供的內容相關圖像縮放方法在處理速度上具有較大優(yōu)勢，下表是幾種不同內容相關圖像縮放方法處理速度的比較。其中方法1代表用動態(tài)規(guī)劃求解縫隙的方法，方法2代表通過匹配求解縫隙且采用"匈牙利算法"求解匹配的方法，方法3代表本發(fā)明所提供的方法。表中所給數(shù)據(jù)是在水平方向上將輸入圖像尺寸縮小到1像素所需的時間，其中m表示分鐘，s表示秒，ms表示毫秒o<table>tableseeoriginaldocumentpage8</column></row><table>圖1是根據(jù)本發(fā)明的一個實施方式的用于內容相關的圖像縮放方法的流程圖2是兩種匹配情況中的一種；圖3是兩種匹配情況中的另一種；圖4是一幅待處理的輸入圖像；圖5是采用根據(jù)本發(fā)明的一個實施方式的方法將圖5水平方向尺寸縮小后的結果；圖6是采用傳統(tǒng)縮放方法將圖5水平方向尺寸縮小后的結果。具體實施例方式為使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及具體實例，以改變一幅寬為m個像素高為n個像素的圖像尺寸為例，對本發(fā)明做進一步的詳細說明。這些實例僅僅說明性的，而并非對本發(fā)明的限制。圖1是根據(jù)本發(fā)明的一個實施方式的用于內容相關的圖像縮放方法的流程圖，以下對流程圖中的各步驟做以描述。步驟S1:計算原始圖像中各像素點的能量值。首先，在本發(fā)明中，所謂"內容相關的縮放"就是要識別圖像的內容，在縮放過程中盡量避免破壞圖中信息量較大的關鍵區(qū)域，而對信息量較小的非關鍵區(qū)域進行縮放以達到改變圖像尺寸的目的。要做到內容相關，首先就應該能夠識別圖像的內容，判斷出哪些是關鍵區(qū)域，哪些是非關鍵區(qū)域。因此本發(fā)明的實施方式的方法的第一個步驟是為圖像中的像素點定義能量值，能量值代表了其重要性，能量值越大越重要。能量值有多種定義方法，可以是自適應的，也可以是人為輸入的。在自適應的算法中，可以采用單一的函數(shù)來計算各像素點的能量值，也可以采用圖像分割、人臉檢測等手段來矯正能量函數(shù)的計算結果。用梯度值作為像素點的能量值是一種簡單有效的定義方法e(i，j)叫一I(i，j)l+l—I(i,j)l其中e(ij)代表圖像中第j行第i列的像素點的能量值；I(ij)代表圖像中第j行第i列的像素點的灰度值。式中第一項是圖像x方向的導數(shù)，第二項是圖像y方向的導數(shù)。步驟S2:判斷需要在哪個方向上改變圖像尺寸。如果需要在水平方向上改變圖像尺寸，則順序執(zhí)行步驟S3、S4、S5;如果需要在垂直方向上改變圖像尺寸，則順序執(zhí)行步驟S6、S7、S8;如果兩個方向上的尺寸都需要改變，那么先任選一個方向進行處理，然后再對另一個方向進行處理。步驟S3:為原始圖像中所有連接相鄰兩行中任意兩個像素點的邊定義用于求解匹配的權值。在定義了像素點的能量之后，可以通過刪除或復制能量值較小的像素點來實現(xiàn)圖像尺寸的縮小或放大，但是為了保持圖像內容的連續(xù)性，不能隨意選擇像素點刪除或復制，而是要以縫隙為單位，尋找垂直縫隙的過程可以通過在所有相鄰行間建立像素點之間的匹配關系來實現(xiàn)。因為兩行之間的匹配關系是不唯一的，為了評價各種匹配關系的優(yōu)劣，應該為連接相鄰兩行中任意兩個像素點的邊定義權值，以區(qū)分不同的匹配方式，同時還要定義衡量優(yōu)劣的標準(這里采用各匹配邊權值之和的大小來衡量，越大越優(yōu))。這時問題就轉化為求解一個特殊的帶權二分圖的最大權匹配，具體的求解方法將在步驟S4中描述，這里先介紹權值的定義方法。以圖像中連接第k行和第k+l行像素點的邊的權值定義為例，用w(ij)表示連接第k行第i個像素和第k+l行第j個像素的邊的權值，e(i，j)表示第j行第i個像素點的能量，與點I(i,k)相連的匹配邊的能量Ei定義為依附于它的兩個像素點I(i,k)和1(m(i，k),k+l)的能量之和。當通過刪除縫隙來縮小圖像尺寸的時候，總是從能量最小的一條縫隙做起，其目的就是盡可能多的保持圖像的能量，那么如果只考慮兩行像素的話，當去掉某條匹配邊所連接的兩個像素點時，同樣也希望盡量保持這兩行的能量，也就是使剩下的匹配邊能量之和盡量大。同時注意到不論如何匹配，兩行間各匹配邊的能量之和都是一定的，都等于Z:e(i，k)+e(i,k+1)，因此只有通過增大各匹配邊能量的區(qū)分度才能使被刪除的匹配邊能量更小，而剩余的匹配邊能量之和更大。增大匹配邊能量的區(qū)分度就是使各匹配邊能量分布的更加分散，設各匹配邊能量的平均值為i，用方差o2來衡量其分散程度<formula>formulaseeoriginaldocumentpage11</formula>因為d、C2、C3都是定值，所以要使<12最大，就是要使各匹配邊所連接的兩點的能量乘積之和2Ie(i,k).e(m(i,k),k+1)最大。容易想到，如果將各邊的權值定義為依附于它的兩個像素點能量的乘積，那么在此權值定義下的最優(yōu)匹配就可以滿足上述要求，因此如下定義各邊的權值<formula>formulaseeoriginaldocumentpage11</formula>以上這種權值定義方法比較簡單，但是實踐發(fā)現(xiàn)在這種定義下解得的縫隙都近似于直線，在某些情況下可能會得到較差的處理結果，這主要是因為在定義權值的時候只用到了兩行的像素點，相當于將這兩行像素從整幅圖像中孤立出來了，這種定義方式只能保證特定兩行之間的各匹配邊區(qū)分度最大，而無法保證整幅圖中的各條縫隙區(qū)分度最大，也就是說只達到了局部的最優(yōu)而沒有達到全局的最優(yōu)。為了解決這個問題，定義矩陣A和矩陣M。A(ij)代表經過點I(ij)的垂直縫隙從第一行到第j行的累積能量，這個矩陣是隨著匹配過程逐步建立起來的，在第k-1行和第k行之間建立起匹配關系之后，就可以計算出矩陣A第k行的值了。而矩陣M是通過從圖像最后一行向上做動態(tài)規(guī)劃得到的M(i,j)=e(i,j)+min{M(i-1,j+1),M(i，j+1),M(i+1，j+1)}M(ij)代表從點I(ij)出發(fā)，沿著一條最優(yōu)的縫隙到達圖像最后一行時的累積能量。分別用A(i,k)和M(m(i，k)，k+1)來代替之前討論中的e(i,k)和e(m(i,k),k+l)，這時就有Ej=A(i,k)+M(m(i，k),k+1)，其中A(i,k)代表了縫隙從第一行到第k行的累積能量，M(m(i，k),k+1)代表了縫隙從第k+l行到最后一行的累積能量，因此Ei就是整條縫隙的能量，讓Ei的區(qū)分度最大也就是讓圖像中各條縫隙的區(qū)分度最大，于是此時各邊的權值定義如下<formula>formulaseeoriginaldocumentpage12</formula>這種權值定義方式下得到的縫隙能夠更好的保持圖像的能量，避免局部最優(yōu)和全局最優(yōu)的沖突給處理結果帶來的不利影響，從而得到更好的處理結果。步驟S4:根據(jù)S3中定義的權值在相鄰行間求解最優(yōu)匹配，以得到相鄰兩行像素點間的一一對應關系。仍然以求解圖像中第k行像素和第k+l行像素所構成二分圖的最優(yōu)匹配為例。用w(i，j)表示連接第k行第i個像素和第k+l行第j個像素的邊的權值，F(xiàn)(x)表示前x對像素點所構成子圖的最優(yōu)匹配中各匹配邊的權值之和。從第k行最后一個像素點I(m，k)開始考慮(圖2、圖3中黑色的點)。由于權值的定義保證了以下約束條件的成立(其中m(g)表示第j行第i個像素點在第j+l行的匹配點的x坐標)ViG[1，m]AJ"1，n)，lm(U)-i^1因此點I(m，k)的匹配情況只有兩種可能第一，與點1(m,k+l)匹配；第二與點1(m-l，k+l)匹配。相應的，兩行像素間的最優(yōu)匹配也存在兩種可能性，下面分別考慮這兩種情況。首先，當點I(m,k)與點1(m，k+l)匹配時(圖2所示的情況)，連接點I(m,k)和點1(m-l,k+l)的邊以及連接點I(m-l,k)和點1(m,k+l)的邊就不可能再成為匹配邊了(每一個像素點只可能依附于一條匹配邊)，此時前m-l對點的匹配情況一定是前m-1對點所構成子圖的最優(yōu)匹配，否則這種匹配情況就不可能成為兩行像素間的最優(yōu)匹配。那么這種情況下各匹配邊的權值之和為F(m-l)+w(m,m)。其次，當點I(m,k)與點1(m-l,k+l)匹配時(圖3所示的情況)，點I(m-l,k)就必須與點1(m，k+l)匹配，否則點1(m,k+l)就找不到滿足上述約束條件的點與之匹配。這樣一來，圖中虛線所示的四條邊將不再可能成為匹配邊。這時與第一種情況相似，前m-2對點的匹配情況一定是前m-2對點所構成子圖的最優(yōu)匹配。這種情況下各匹配邊的權值之和為F(m-2)+w(m,m-1)+w(m-1,m)。因為最優(yōu)匹配就是各匹配邊權值之和最大時的匹配，因此通過比較以上兩種情況中匹配邊權值之和的大小，就可以判斷兩行像素間的最優(yōu)匹配到底是哪一種情況。具體來講，如果有F(m-l)+w(m，m)〉F(m-2)+w(m，m-l)+w(m-l，m)，那么第一種情況成立，F(xiàn)(m)=F(m-l)+w(m,m)，最優(yōu)匹配中點I(m,k)的匹配點是點I(m,k+1)，前m-l對點的匹配情況是前m-l對點所構成子圖的最優(yōu)匹配；反之，第二種情況成立，F(xiàn)(m)=F(m-2)+w(m，m-l)+w(m-l,m)，最優(yōu)匹配中點I(m,k)的匹配點是點I(m-l,k+l)，點l(m-l,k)的匹配點是點I(m,k+l)，前m-2對點的匹配情況是前m-2對點所構成子圖的最優(yōu)匹配。總結起來，有下式成立F(m)=max{F(m-l)+w(m,m),F(m-2)+w(m,m-l)+w(m-l,m)}通過判斷F(m)的值就可以確定前m對點所構成子圖的最優(yōu)匹配是屬于哪一種情況。推廣到更一般的情況，對前i對點構成的子圖有F(i)=max{F(i-l)+w(i，i)，F(xiàn)(i-2)+w(i,i-l)+w(i畫1，i)}通過判斷F(i)的值就可以確定前i對點所構成子圖的最優(yōu)匹配屬于哪一種情況。因此定義F(-1)=F(0)=0,w(0,l)=w(l,0)=-oo，然后利用上式依次向右求出F(i)，Ki^n。此時要求解m對點構成的二分圖的最優(yōu)匹配，就可以先利用F(m)的值判斷出其最優(yōu)匹配是屬于兩種情況中的哪一種，接著問題就轉化為了求解前m-l對點所構成子圖的最優(yōu)匹配(確定是第一種情況，點I(m,k)的匹配點己找到)或前m-2對點所構成子圖的最優(yōu)匹配(確定是第二種情況，點I(m,k)和點I(m-l,k)的匹配點均已找到)，這時又可以利用F(m-l)或F(m-2)來進一步縮小問題的規(guī)模，如此循環(huán)下去，直至問題轉化為求解前x(xSO)對點所構成子圖的最優(yōu)匹配(這個問題可以視為不需要解決或已經解決)。至此第k行所有像素點的匹配點就都已找到，也就是在第k行和第k+l行之間建立了匹配關系，且這個匹配是當前權值定義下的最優(yōu)解。步驟S5:計算所有垂直縫隙的能量。在求解完所有相鄰行間的匹配關系后，從整幅圖像第一行(或最后一行)的任意一個像素點出發(fā)，通過不斷尋找下一行(或上一行)的匹配點就可以得到一個像素點序列，且權值的定義保證了這條像素點序列就是一條垂直縫隙，因此就并行的得到了m條垂直縫隙。分別計算這m條垂直縫隙的能量，即縫隙上所有像素點的能量之和。步驟S6:為原始圖像中所有連接相鄰兩列中任意兩個像素點的邊定義用于求解匹配的權值。與步驟S3中描述的方法相似，為原始圖像中所有連接相鄰兩列中任意兩個像素點的邊定義用于求解匹配的權值?？梢詫D像旋轉90度后按照步驟S3中描述的方法進行處理。步驟S7:根據(jù)S6中定義的權值在相鄰列間求解最優(yōu)匹配，以得到相鄰兩列像素點間的一一對應關系。與步驟S4中描述的方法相似，在圖像中所有相鄰列間求解最優(yōu)匹配?？梢詫D像旋轉90度后按照步驟S4中描述的方法進行處理。步驟S8:計算所有水平縫隙的能量。在求解完所有相鄰列間的匹配關系后，從整幅圖像第一列(或最后一列)的任意一個像素點出發(fā)，通過不斷尋找下一列(或上一列)的匹配點就可以得到一個像素點序列，且權值的定義保證了這條像素點序列就是一條水平縫隙，因此就并行的得到了n條水平縫隙。分別計算這n條水平縫隙的能量，即縫隙上所有像素點的能量之和。步驟S9:判斷需要對圖像尺寸進行放大還是縮小。如果需要對圖像尺寸進行縮小，則執(zhí)行步驟S10;如果需要對圖像尺寸進行放大，則執(zhí)行步驟Sll。步驟S10:按縫隙能量升序刪除縫隙。對步驟S5或S8中得到的垂直縫隙或水平縫隙能量進行排序，從能量最小的縫隙開始刪除，即將縫隙上所有像素點從圖像中刪除。每刪除一條縫隙可以實現(xiàn)圖像尺寸1像素的縮小，刪除多條縫隙即可實現(xiàn)圖像尺寸多像素的縮小。步驟S11:按縫隙能量升序復制縫隙。對步驟S5或S8中得到的垂直縫隙或水平縫隙能量進行排序，從能量最小的縫隙開始復制，即在縫隙上所有像素點的右側(或左側)復制一個與其相同的像素點。每復制一條縫隙可以實現(xiàn)圖像尺寸1像素的放大，復制多條縫隙即可實現(xiàn)圖像尺寸多像素的放大。圖4是一幅輸入圖像，圖5是用本發(fā)明提供的方法將輸入圖像水平方向尺寸縮小后的結果，作為對比，圖6是用傳統(tǒng)縮放方法將輸入圖像縮小同樣尺寸的處理結果。本發(fā)明可通過多種編程語言來實現(xiàn)，包括但不限于C、C++、C#、Java等等。本發(fā)明可以以硬件、軟件、固件以及它們的組合來實現(xiàn)。本領域技術人員應該認識到，也可以在供任何合適數(shù)據(jù)處理系統(tǒng)使用的信號承載介質上所設置的計算機程序產品中體現(xiàn)本發(fā)明。這種信號承載介質可以是傳輸介質或用于機器可讀信息的可記錄介質，包括磁介質、光介質或其他合適介質?？捎涗浗橘|的示例包括硬盤驅動器中的磁盤或軟盤、用于光驅的光盤、磁帶，以及本領域技術人員所能想到的其他介質。本領域技術人員應該認識到，具有合適編程裝置的任何通信終端都將能夠執(zhí)行如程序產品中體現(xiàn)的本發(fā)明方法的步驟。從上述描述應該理解，在不脫離本發(fā)明精神的情況下，可以對本發(fā)明各實施方式進行修改和變更。本說明書中的描述僅僅是用于說明性的，而不應被認為是限制性的。本發(fā)明的范圍僅受權利要求書的限制。權利要求1、一種內容相關的圖像縮放方法，該方法包括計算源圖像中每一個像素點的能量值，該能量值反應像素點在圖像中的重要程度；為源圖像中所有連接相鄰兩行或兩列中任意兩個像素點的邊定義用于求解匹配的權值；根據(jù)定義的權值在源圖像中所有相鄰行或列間求解最優(yōu)匹配，也即建立相鄰行或列像素點間的一一對應關系；根據(jù)相鄰行或列像素點間的一一對應關系得到垂直或水平縫隙并計算縫隙對應的能量值，即縫隙上所有像素點的能量之和，然后按照縫隙能量值的升序依次刪除n條縫隙以實現(xiàn)圖像尺寸n像素的縮小，或者按照縫隙能量升序依次復制n條縫隙以實現(xiàn)圖像尺寸n像素的放大。2、如權利要求1所述的方法，其特征在于，根據(jù)定義的權值在源圖像中相鄰行或列間求解最優(yōu)匹配時按照如下方法進行以求解一幅寬為m個像素的圖像中第k行與第k+l行像素點間的最優(yōu)匹配為例，用w(U)表示連接第k行第i個像素和第k+l行第j個像素的邊的權值，F(xiàn)(x)表示前x對像素點所構成子圖的最優(yōu)匹配中各匹配邊的權值之和，定義F(-l)-F(0)-0，w(0，l)=w(l，0)=-oo，按照下式求解F(i),1《i《m，F(xiàn)(i)=max{F(i-l)+w(i,i)，F(xiàn)(i-2)+w(i,i畫l)+w(i-l，i)}從圖像第k行最右邊的像素點I(m,k)開始，依次向左判斷第k行所有像素點I(i,k),1《i《m的匹配點，如果F(i)=F(i-l)+w(i，i)，則點I(i,k)的匹配點是其正下方的點I(i,k+1)，接著判斷點I(i-l，k)的匹配點；如果F(i)=F(i-2)+w(i,i-l)+w(i-l,i)，則點I(i,k)的匹配點是其左下方的點I(i-l，k+l),且點I(i-l,k)的匹配點是其右下方的點I(i,k+1)，接著判斷點1(i-2,k)的匹配點。3、如權利要求1所述的方法，其特征在于，為源圖像中所有連接相鄰兩行或兩列中任意兩個像素點的邊定義用于求解匹配的權值時采用如下方法以定義連接第k行和第k+l行中任意兩個像素點的邊的權值為例，用w(ij)表示連接第k行第i個像素和第k+l行第j個像素的邊的權值，e(i,j)表示像素點I(ij)的能量值，則有其中A和M是兩個矩陣，A(ij)代表經過點I(i,k)的垂直縫隙從圖像第一行到第j行的累積能量，M通過從圖像最后一行向上做動態(tài)規(guī)劃得到M(U)=e(i，j)+min{M(i-1，j+"，M(i，j+1),M(i+1，j+1)}。4、如權利要求1所述的方法，其特征在于，為源圖像中所有連接相鄰兩行或兩列中任意兩個像素點的邊定義用于求解匹配的權值時采用如下方法以定義連接第k行和第k+l行中任意兩個像素點的邊的權值為例，用w(i,j)表示連接第k行第i個像素和第k+l行第j個像素的邊的權值，e(i,j)表示像素點I(i，j)的能量值，則有<formula>formulaseeoriginaldocumentpage3</formula>全文摘要一種內容相關圖像縮放方法。包括為源圖像中每一個像素點定義代表其重要性的能量值；為連接相鄰兩行(或列)中任意兩個像素點的邊定義用于匹配的權值；用一種特殊的方法求解圖像中相鄰行(或列)中像素點間的匹配關系，建立相鄰行(或列)中匹配點的一一對應關系；利用求解出的匹配關系得到垂直(或水平)縫隙，按能量升序對縫隙進行刪除(或復制)，以實現(xiàn)圖像尺寸的調整。文檔編號H04N1/409GK101420508SQ20081023256公開日2009年4月29日申請日期2008年12月2日優(yōu)先權日2008年12月2日發(fā)明者付田楠,華黃,春齊申請人:西安交通大學