[发明专利]图形处理方法、系统、可读存储介质及计算机设备有效
申请号: | 202010233670.3 | 申请日: | 2020-03-30 |
公开(公告)号: | CN111126023B | 公开(公告)日: | 2020-07-28 |
发明(设计)人: | 简文娟;廖成慧;刘梦清;彭中辉 | 申请(专利权)人: | 江西博微新技术有限公司 |
主分类号: | G06F40/18 | 分类号: | G06F40/18;G06F16/34 |
代理公司: | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人: | 彭琰 |
地址: | 330096 江西*** | 国省代码: | 江西;36 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 图形 处理 方法 系统 可读 存储 介质 计算机 设备 | ||
1.一种图形处理方法,其特征在于,包括:
获取要进行可视化的图形数据;
在初始画布区中对所述图形数据进行可视化作图,以得到中间图形;
根据所述初始画布区的大小对所述中间图形进行截图,采用基于图像横纵比算法对截图得到的图片进行计算,以确定最佳横纵比;
根据所述最佳横纵比对所述初始画布区进行调整,并在调整后的画布区中对所述图形数据重新进行可视化作图,以得到去掉空白区域的新图形;
其中,所述采用基于图像横纵比算法对截图得到的图片进行计算,以确定最佳横纵比的步骤具体包括:
对截图得到的图片进行灰度化处理,以得到灰度图;
对所述灰度图采用合成矢量法确定适合该灰度图的最佳横纵比。
2.根据权利要求1所述的图形处理方法,其特征在于,所述对所述灰度图采用合成矢量法确定适合该灰度图的最佳横纵比的步骤具体包括:
基于折线图的合成矢量法将线段在x和y方向上的总变化率作为横纵比,如下式所示:
其中,为所述最佳横纵比,和分别表示该折线图中第i个矢量线段在x轴和y轴方向的变化率,将上式写成线积分形式,如下式所示:
其中,C为线段总弧长,ds为弧长微分,为线段的方向角;将上式转换成二维形式得到基于图形的横纵比确定方法,将灰度图看作二维密度分布函数,其在x轴的梯度代替,密度场在y轴的梯度代替,最终根据灰度图得到的最佳横纵比计算的目标函数,如下所示:
其中,为所述中间图形的初始横纵比对应的画布区。
3.根据权利要求1所述的图形处理方法,其特征在于,所述在初始画布区中对所述图形数据进行可视化作图,以得到中间图形的步骤具体包括:
获取用户输入的针对所述图形数据的作图参数;
根据所述作图参数在初始画布区中对所述图形数据进行可视化作图,以得到中间图形。
4.根据权利要求3所述的图形处理方法,其特征在于,所述作图参数包括图形类别、值轴、分类轴、过滤条件中的至少一种。
5.一种图形处理系统,其特征在于,包括:
获取模块,用于获取要进行可视化的图形数据;
作图模块,用于在初始画布区中对所述图形数据进行可视化作图,以得到中间图形;
计算模块,用于根据所述初始画布区的大小对所述中间图形进行截图,采用基于图像横纵比算法对截图得到的图片进行计算,以确定最佳横纵比;
调整模块,用于根据所述最佳横纵比对所述初始画布区进行调整,并在调整后的画布区中对所述图形数据重新进行可视化作图,以得到去掉空白区域的新图形;
其中,所述计算模块包括:
处理单元,用于对截图得到的图片进行灰度化处理,以得到灰度图;
确定单元,用于对所述灰度图采用合成矢量法确定适合该灰度图的最佳横纵比。
6.根据权利要求5所述的图形处理系统,其特征在于,所述确定单元具体用于:
基于折线图的合成矢量法将线段在x和y方向上的总变化率作为横纵比,如下式所示:
其中,为所述最佳横纵比,和分别表示该折线图中第i个矢量线段在x轴和y轴方向的变化率,将上式写成线积分形式,如下式所示:
其中,C为线段总弧长,ds为弧长微分,为线段的方向角;将上式转换成二维形式得到基于图形的横纵比确定方法,将灰度图看作二维密度分布函数,其在x轴的梯度代替,密度场在y轴的梯度代替,最终根据灰度图得到的最佳横纵比计算的目标函数,如下所示:
其中,为所述中间图形的初始横纵比对应的画布区。
7.一种可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-4任意一项所述的方法。
8.一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任意一项所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江西博微新技术有限公司,未经江西博微新技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010233670.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:基于平台的深度学习模型自主训练方法、装置、设备及介质
- 下一篇:摄像光学镜头