[发明专利]基于随机森林的图像矢量化印刷出血点预测系统和方法

说明书

本发明公开了一种基于随机森林的图像矢量化印刷出血点预测系统和方法。本系统包含图像分割模块、轮廓提取模块、出血预测模块、插值填充模块。本方法为：整个方法分为图像矢量化和出血点预测两个部分，先对位图进行相应的预处理来提升图像质量，之后进行颜色量化以及相应的聚类算法得到不同色块的闭合区域，采用轮廓检测算法和曲线拟合提取算法得到最终的曲线和颜色信息。在得到对应的矢量图信息之后，提取图像边界相应像素点的属性，并采用相应的机器学习算法对于目标出血点的回归预测。在得到目标出血点之后，采用相应的插值法进行曲线和色块的填充得到最终的矢量图的延伸。

技术领域

本发明涉及一种基于随机森林的图像矢量化印刷出血点预测系统和方法，将随机森林算法和位图矢量化技术相结合实现了对于矢量图印刷出血点的有效预测。

背景技术

随着数字媒体技术的快速发展，人们对于图像的高效存储、传输、显示的需求也在日益增加。矢量图具有与分辨率无关、可编辑及存储简单等特点，解决传统像素位图不能够自由缩放、显示模糊、存储冗余等缺点。矢量图正在广泛的应用于广告设计、游戏动画、UI设计、图像印刷等领域。出血点是在印刷过程中为了保证原有图像尺寸的稳定性，在原有设计的基础上将图像扩展一定的比例来避免在印刷裁剪过程中出现的白边和内容缺失问题。

当前对于出血点的设置都是通过人工借助PhotoShop、Adobe illustrator等软件对于待印刷的图像进行矢量化之后，根据要打印的尺寸手动的选择向外扩展一定的比例。这种方法可以处理一些图像纹理简单、色彩单一的图像，但对于纹理复杂、色彩丰富的图像，只是简单的对图像扩展相应的比例，并不能够解决图像印刷裁剪后的内容缺失问题。而且由于每个人对于经验程度不同，使得最终印刷裁剪后的效果图也是有着极大的区别。

发明内容

本发明的目的是要解决人工对位图矢量化后印刷出血点设置不准确的问题，提出了一种基于随机森林的图像矢量化印刷出血点预测系统和方法。

为了解决上述问题，本发明的构想是：

首先将整个技术方案分为图像矢量化和出血点预测两个部分，第一部分是对于位图进行矢量化处理，先对位图进行相应的预处理来提升图像质量，之后进行颜色量化以及相应的聚类算法得到不同色块的闭合区域，采用轮廓检测算法和曲线拟合提取算法得到最终的曲线和颜色信息。第二部分是在得到对应的矢量图信息之后，提取图像边界相应像素点的属性，并采用相应的随机森林算法对于目标出血点的回归预测。在得到目标出血点之后，采用相应的插值法进行曲线和色块的填充得到最终的矢量图的延伸。

根据上述的发明构想，本发明采用了如下技术方案：

一种基于随机森林的图像矢量化印刷出血点预测系统，包括依次连接的图像分割模块、轮廓提取模块、出血预测模块、插值填充模块；所述图像分割模块采用机器学习中的聚类算法，按照位图中的颜色种类进行图像分割，最终形成不同色块的封闭区域；所述轮廓提取模块是对图像中的不同色块的边缘轮廓检测之后，采用设计的曲线拟合方法去拟合图像中的边缘轮廓；之后，在提取图像边界处的曲线信息以及相应像素点的属性；所述出血预测模块对于提取到的曲线信息，划分为相应比例的训练集、测试集和训练集；选取对应的机器学习算法进行回归预测，迭代完成之后对于出血点进行回归预测；所述插值填充模块在得到对应的出血点的属性信息之后，采用插值法实现对应像素点的填充，之后在对出血点和边界曲线的属性的提取实现出血区域的扩展。

一种基于随机森林的图像矢量化印刷出血点预测方法，使用上述的基于随机森林的图像矢量化印刷出血点预测系统，包括以下具体步骤：

1)图像预处理过程，消除图像中的噪声，并且采用了直方图变换和高通滤波器对于图像的空域和频域进行增强处理，使得局部的颜色分布更加均匀；

2)对预处理后的图像采用聚类算法实现基于颜色特征的封闭区域；随机选取与颜色类别相等的聚类中心，迭代计算聚类中心和周围像素点的相似度来分类所有的样本实现图像分割；