文摘

平面设计是当今设计领域的一个重要组成部分。在这个信息爆炸的时代,设计,可以更快更准确地传递信息一定会获得声望在公众。在本文中,我们提出一个快速分解算法基于一个新的图像处理方法变换的小波变换,主要处理大型计算特征点的问题和长期消费传统的图像处理算法。首先,图像的二阶分解是由小波函数得到图像的低频分量,和小波梯度向量是用来提取特征点的低频图像的重叠区域的转换参数,能快速得到特征点在低频图像引导下的特征点提取高频图像;在此基础上,一种改进的图像处理算法基于二维小波变换的快速分解算法提出了平面设计。使用单向匹配的属性和方向特征点的一致性约束,有效地消除了错误匹配点对提高特征点匹配的准确性和实时性。最后,验证了该方法的有效性和可行性,两组实验。

1。介绍

图像处理方法是指使用各种图像对齐算法和图像融合算法把多个图像重叠区域到一个广角,无缝、高分辨率图像或动态全景图像。目前,图像处理方法广泛应用在平面设计中,无人机监视,和搜索,虚拟现实,太空探索、卫星遥感、医学和军事领域。和图形设计是现代设计的一个重要组成部分,和图形设计创新是其发展研究的永恒主题。因为平面设计在美学和信息传播具有独特的优势,是其他形式无法比拟的,现代平面设计广泛应用领域的商业广告(1]。这个水平交叉创造了一个互补发展的平面设计和商业广告,每当有一个突破发展的一面,它总是双方的结果在一个巨大的创新。

在研究的过程中图像处理、小波变换的特性和热点研究领域的图像处理近年来,作为一种有效的多分辨率图像处理工具具有良好的时频局部化特性,对研究有深远的影响的图像滤波,图像压缩,数据融合。在图像采集的过程中我们知道,由于准备使用不是很完美,以及不一致的外部光强度的影响,将会有一个情况一般电影的图像质量降低。小波变换算法在时域分析,频域同时具有良好的定位自然除了和多分辨率分析特性,所以它可以有效区分信号和噪声形成必要的图像分析工具,因此更能够进行更好的图像处理。图像处理技术对平面设计基于二维小波变换的快速分解算法是近年来发展最快的技术之一。相关技术的广泛发展由图像处理技术已经导致了激进的改变公众接受信息的方式。各种媒体平台依赖新媒体技术拓展了平面设计的表现方式。根据新媒体平台,平面设计作品需要包含更多的信息和增强作品的功能;同时,丰富的变化使得观众有更多的情感和欣赏的乐趣,增强作品的美学。这一系列的变化,不仅改变了图形设计的质量表示和信息的数量,但也使它不可避免的平面设计,是静态的,动态发展(2]。

和信息是无形的,但在当今时代最宝贵的资源。应用艺术与设计实践的过程中,设计工作载着信息传播的功能是信息的组合的最终表现,艺术,设计,和技术。的出现,基于二维小波变换的快速分解算法可以使图像处理更好,以及让设计师设计出更好的作品(3]。过程中的信息“爆炸”,新媒体的发展带来无限的可能性完全整合的艺术、设计、科技和影响公众的生活方式。新媒体的发展是不断变化的公共访问设计和接收信息的方式,因此创建一个需求设计的变化,而新媒体时代的到来也考虑到图形设计一个新的交流媒介。

2。相关工作

许多学者也对这种技术进行了大量的研究,取得了丰硕的成果。文献提出了尺度不变特征变换算法,可以有效地提取图像特征点,但是该算法生成高维度特征描述符,从而影响了图像匹配的实时性能4]。文献提出了一种加速算法健壮的特性,决定了候选点用一个矩阵与nonextreme抑制策略,既弥补了前面算法的缺点,有效地保证了稳定图像比例尺下和仿射变换。

文献在此基础上,提出了一种快速地区质量重心图像对齐算法复杂操作的问题与传统的归一化相关图像对齐方法,搜索最佳匹配点而不是通常的左上角点位置的图像,该算法也提高了实时图像匹配。进一步提高图像对齐速度,文献提出了一种新颖的优化快速分解算法基于二维小波变换的图像快速对齐方法利用图像将采样预处理方法有效降低特征点的数量和使用图像重叠区域极值特征提取方法提高特征点匹配率。文献使用一种改进的提取尺度不变的角点检测算法,利用运营商的想法来精确定位角点,并使用基于二维小波变换的快速分解算法来描述算子对角落点实现快速、稳定的图像匹配。文献,另一方面,提出了一种算法,利用多路图像序列中的转换关系完成时态一致性通过多路图像中提取时间共同的特征和使用一种改进的奇异值分解法来确定共同的特征的相似性。文献提出了一种基于改进的小波变换的快速分解算法基于二维小波变换特征图像对齐算法(5),预处理基线和后续图像的多分辨率小波分解,然后使用一个快速分解算法基于二维小波变换算法来提取特征点图像的低频分量包含了大量的信息和进一步使用快速分解算法和快速分解算法研究和搜索特征点对。文献提出了一种基于小波变换的快速分解算法对图像匹配,采用快速分解算法和规模限制处理粗匹配和精匹配的图像特征点,分别用样本统计量的方法来消除误匹配,有效地提高了问题的传统快速分解算法的误匹配率高。

基于广泛的以前的工作,多分辨率分析的概念被提出。高分辨率,是相对的距离越近,越准确的特征可以反映现场获得的信息。文学,在进行理论分析的多分辨率小波变换及其在图像处理中的应用,是灵感来自塔塔多分辨率分析算法,提出了一种快速算法和重建信号,称为马拉算法。文献提出了提升框架构造小波滤波器,因此,一个基于整数变换是研究之间建立一一对应的整数序列和整数小波系数,使相应的逆变换,这就是所谓的提升小波变换(6]。

3所示。图像预处理和特征点提取和匹配

新的冲浪的流动图像拼接方法基于小波变换的主要包括三个部分:(1)基于小波函数的图像预处理,图像的小波分解得到低频图像对齐;(2)特征点提取的快速分解算法基于二维小波变换,小波梯度向量特征点提取的低频图像的重叠区域,从而达到(2)基于二维小波变换的快速分解算法对特征点提取7),从低频图像的重叠区域提取特征点的小波梯度向量,从而迅速获得低频图像中特征点的变换参数来指导在高频图像特征点提取;(3)基于二维小波变换的快速分解算法进行特征点匹配,有效地消除了不匹配的点对通过使用单向的属性匹配特征点方向的一致性约束,以提高特征点匹配精度和实时。图像处理技术的应用在平面设计中是应用最广泛的平面设计师。它可以更好地设计和创建这些设计师和提供更好的图像处理技术。

3.1。基于二维小波变换的图像预处理

高频分量图像中含有噪声的影响,使用小波变换进行多层分解能有效消除高频组件,和越层小波分解的图像处理效果越好(8]。因此,本文将选择分解图像对齐基于预处理的二维小波变换分解图像。考虑到匹配特征点的分解低频图像将减少,如果图像小波分解的多层分解,然后匹配可能导致匹配的匹配特征点太少,不能满足正常需求,甚至多层分解在多个匹配将增加匹配时间,本文将利用二维小波分解的图像预处理方法,然后从低频分量中提取特征点匹配。

基于二维小波变换的函数是一个最简单的和最早使用正交小波基函数具有紧密的支持,这是制定如下。

这个公式在本文中起着重要的作用。它可以发挥良好的作用,快速分解算法基于二维小波变化和提供了充分的理论依据本文中的算法。这个公式可以得出更好的在图像细节图,可以更有利于图形设计,所以这个公式是本文公式更重要。二维小波分解的图像 执行一致的二维小波变换的函数,首先, - - - - - -图像的方向函数 分析了对齐和 ,分别分解 分成两部分的低和高频率,和一个类似的分析是在完成的 - - - - - -在此基础上方向。图像 对齐处理和获得的图像将第一层小波分解后,剩下的三个图像获得LH,霍奇金淋巴瘤,HH,然后,做同样的处理如上如图1获取图像LL1 2层小波分解后的图像 保持一致(9]。

3.2。基于二维小波变换的快速分解算法进行特征点提取

图像的特征点分布在不同的尺度范围,解决这个问题的检测特征点的尺度不变性,和基于二维小波变换的快速分解算法使用高斯函数来构造线性尺度空间,但线性尺度空间问题,如模糊图像轮廓检测特征点时,小波函数选择的灵活性的优势(10]相对于高斯函数和紧密的支持,它是可能的在小波变换过程更好地保留图像特征与不同尺度,从多尺度小波变换的性能的角度来看,规模和旋转不变的图像特征点提取使用小波梯度向量。获得的图像LL1 2层小波分解的图像 作为图像对齐而著称 ,及其图像对齐过程如图2。

该算法是使用图像 通过二维小波变换对图像重叠区域的特征点提取,也就是说,通过小波模极大值原理来提取图像的特征点。根据二维小波函数的定义可以被称为 对于二维平滑函数,考虑图像包含高频的影响因素(11),直接寻求光滑函数的拐点 是更复杂,所以寻求的一阶导数最大值的模式。公式,分别

然后,在规模 ,当函数 和 满足条件的二维小波变换,得到小波母函数

然后,在卷积方程,图像的功能 在规模收益率的二维小波变换的图像 作为

然后,特征点提取步骤如下:二进制小波变换的方式和角度的图像 在规模是

根据小波梯度向量为当地nonextreme值抑制,这是比较梯度值与周围的8点,只有当前点的最大梯度值,然后重点是悬而未决的特征点;否则,关键是消除检测算法的特性,如果等待特征点的灰度值大于设定阈值被称为候选特征点;否则,灰度值小于阈值的点就被消除了。如果候选特征点的数量超过了设置的阈值 ,灰度值越大选择候选特征点的图像特征点,如果候选特征点的数量低于设置的阈值 ,候选特征是图像特征点(12]。如果候选特征点的数量低于设定阈值 ,候选特征图像特征点。图3展示了主要的图像特征提取的过程。

3.3。基于二维小波变换的快速分解算法对特征点匹配

特征点匹配过程中,为了提高图像特征点匹配的准确性,本文采用了改进的特征点匹配算法基于二维小波变换的快速分解算法,并确定相应的匹配关系图像的特征点匹配的单向和定向约束对齐方法。首先,执行单向匹配在图像匹配(13),”特征点。“匹配的匹配精度为95%,然后,不同方向的特征向量计算每一对匹配点之间,和特征点匹配被认为是成功的不同之处在于在一定阈值时;否则,其他不匹配点对拒绝提高图像特征点匹配的准确性。具体实现过程如下:(1)计算之间的区别的主要方向为每个匹配点对特征向量,给出的 (2)所有匹配点对的差异是生成一个直方图统计,10°1列和36列。这个公式是 (3)找到相对应的角度直方图的峰值作为成功的标准偏差匹配对,保持在10°匹配双峰值,消除其他匹配对

受到不同因素的影响,有许多类型的设计图像噪声和环境噪声和混响噪声的主要因素是干扰设计图像信息的正确解释。从设计图像噪声分析,众所周知,环境噪声是一种添加剂噪声,噪声和混响噪声是一个分散分布在后台区域,这是一个乘法噪声近似服从瑞利分布。因此,设计图像的滤波方法应该能够过滤噪音乘法和加法。传统BM3D过滤方法更适合处理添加剂与高斯分布噪声。如果传统BM3D过滤方法直接应用于设计形象,它可以过滤环境噪音,但它不能发挥最佳作用过滤混响噪声。这个公式是

为了更好的过滤混响噪声,图像需要以某种方式改变改变混响噪声的分布特征,但这反过来会影响环境噪声的分布特征。设计图像的边缘和噪声主要集中在图像的高频部分,合理处理高频信息可以达到过滤的效果,而不丢失图像的总体轮廓信息,提高后续图像分割的质量。图像是由一层小波分解生成一个低频分量(低频)和三个高频组件(高频部分波段)水平、垂直和对角方向,分别为(14]。

4所示。图像处理技术在平面设计中的应用

计算机技术的发展导致了图像处理技术的广泛应用。的图像处理技术是一种有效的结合计算机技术和绘画,它提供了一个创造数字图形设计的方法,并且可以获得一个具有高度的相似性创造平面设计师的手绘工作在相对较短的时期内,和图像处理技术提供图片修改、细化,平面设计和存储功能,可以有效地提高亮度(15),色彩平衡,和其他平面设计作品的影响。有许多方法来将图像处理技术应用在平面设计中,但在文献中描述的铅笔图生成方法改善自然形象平面设计过于追求相似的铅笔绘图平面设计,和有更多的断点的行,导致大量描述对象之间的差距和原始图像不能有效描述图像的关键特性;基于前景目标提取的图像风格化绘制算法不使用回旋的线条来模拟真实的图形设计。线模拟的铅笔绘制的图形设计,和获得的铅笔素描效果相对完整光滑,但缺乏真正意义上的手工绘画。基于二维小波变换的快速分解算法可以解决上述问题。原理公式如下:

4.1。生成图形设计的草图

在图形设计中,利用图像处理技术来生成的原则铅笔素描色彩的平面设计如下:OpenCV软件提供的转换函数在图像处理技术用于RGB图像转换为YUV图像,和一代的铅笔素描色彩的图形设计本质上是一个转换的色度和亮度信息包含在YUV彩色空间和重返社会。描述的色度信息和 ,和描述的亮度信息 。亮度信息值用于获得新铅笔绘图亮度信息平面设计,颜色的铅笔绘图完成平面设计是通过结合和紫外线。线是一个关键的组件用铅笔画画,用于轮廓和形状图对象,并强调对象的细节。现实铅笔绘制的图形设计中,线交叉,拐点,断点人为原因,使平面设计的铅笔画画更自然而生动,采用复杂的线来模拟真实的铅笔线。原则的铅笔线接近真正的铅笔手绘效果如下:当卷积图像渐变映射,使用合理长度的线性卷积内核得到理想的铅笔手绘线。这个过程如下。(1)获得图像的渐变映射使用方程(11) (2)获得不同像素的方向,具体方法是卷积渐变映射降低噪声的线性方向;被选为每个线性方向,卷积和卷积B获得相应的地图;当有一个最大值的卷积地图对应的方向卷积地图上的各个方向存在于像素 ,和被证明是像素的方向吗 。像素的方向必然是获得之前执行卷积操作每回旋的地图,和卷积操作确保像素传播正确的方向。原理公式如下: (3)设计的图像包含目标通常可以分为目标明亮的区域,目标黑暗区域,设计混响区域。目标亮区是一个光明区生成的设计形象设计完成时返回一个强回声;目标暗区域的面积不产生回波信号由于对象的遮蔽,使设计有点困难;目标明亮的区域和目标周围地区暗区是海底混响区。目标光明与黑暗区域含有更多的目标信息和领域研究者应该关注他的分析。设计图像是由低频组件和清晰通常不达到标准的光学图像,和设计图像斑点噪声突出,和边缘模糊;这些特征使光学图像分割方法应用于设计形象失败;在此基础上,从不同类型的成像获得的原始图像设计需要过滤等预处理,抑制噪声,同时重点保护目标边缘(16奠定了基础,为后续的图像分割和解释基础

4.2。图像处理技术用于生成图形设计

基于图形设计的一代的铅笔素描,图形设计的铅笔素描是美化使用铅笔素描滤镜生成技术,图形设计。基于现实的铅笔绘画材质的研究,下列条件设置为平面设计创造的铅笔素描的过程中通过使用图像处理技术:(1)任意安排的油墨粒子根据不同纸张的粗糙度;(2)传播的墨水是中风的方向;(3)安排的墨迹一个角度垂直于中风在光明与黑暗交替的方式,和滤波器的数学模型,构造了基于上述条件,图4显示了图形设计的数学结构。

处理的过程中有两个主要部分在平面设计物种如下。(1)基地估计,输入图像分成大小相同的小块在一个步骤中,选择和一个图像块作为参考在搜索区域 。搜索区域的子块之间的相似度和测量标准试块,并满足相似性指数的块标记为参考块的相似块和排列,组合成一个三维集团根据相似度从大到小,和三维集团是受到一个三维的线性变换(三维转换是一个可分离的每一块的二维变换和一维变换的三维数组的每一列)来获取信号的稀疏表示。三维线性变换是一个可分离的每一块的二维变换和一维变换的三维数组的每一列获得信号的稀疏表示17后,变换域收缩系数达到最初的去噪效果,每组块的估计价值是逆返回的三维线性变换,和估计的值返回给每个图像块的原始位置,最后,考虑到子块信息重叠,基本估计加权平均获得的图像(2)最后估计,基础同样估计图像分块,块的引用定义基础上估计图像以同样的方式,和一个3 d组决定这两个3 d组确定噪声图像和基本估计图像;三维线性变换应用在两组的帮助下进一步过滤噪音实证维纳滤波;然后,逆3 d线性变换得到的估计所有分组块并返回到初始块位置;最后,最终的真实图像的估计是通过聚合当地所有的加权平均的估计

4.3。研究基于快速分解算法的动态图形设计

动态图形设计的研究基于一种快速分解算法是研究一个新的更designer-oriented算法,它可以增加互动体验的设计师在设计的过程中。最强大的支持新媒体技术的成熟度是促进数字化,这是最直观地反映在图形设计的实现。数字新媒体平台的性质使得计算机应用最广泛的工具,设计生产。动态图形设计的研究中,有必要考虑各种类型的图形和多媒体制作软件,充分利用先进的生产技术,实现它并使用它作为一个重要的创新设计生产方式。在传统平面设计创作的过程中,手工实现的主要方式,特别是在印刷技术的推广;手绘几乎是唯一的手段创建和复制图形作品。虽然手绘的方法在某种程度上是一个更好的方法来展示艺术家的才华和创造力,任何疏忽都可能导致的损失接近完成的工作由于人工参与。原理公式如下:

有相当大的困难,推广初始平面设计的概念和工作。变化的图形设计的实现强大的软件引入平面设计。需要动态图形设计,平面设计软件开始功能建在实现动态效果不断更新的过程。为了应对日益增长的需求对于动态图形设计,不仅具有图形软件逐步整合功能实现动力在不断更新,但多媒体软件也被逐渐应用于动态图形设计。运动图形设计,旨在将平面设计生活,遵循平面设计的原则,通过使用多媒体软件之前创建动画或电影中使用的技术(或其他视觉媒体,随时间变化)。运动图形设计是一种集成的传统图形设计时间表,音频,和空间(18]。

因此,将涉及多个软件实现不同模块,研究基于快速分解算法的动态图形设计使设计师在设计过程中有一个互动体验,和交互的频繁的创意设计领域的今天。在现代的设计理念,设计不同于纯艺术和美学的应用程序提供最终的观众。因此,关注的焦点和期望的接收机的设计,甚至参与接收机的设计作品成为当前设计发展趋势(19]。作为一个重要的分支领域的设计,平面设计是一种重要的方法和手段来实现图形设计的活力通过整合互动的概念,创建图形设计与交互功能。由于约束的技术和手段实现,最传统的平面设计作品实现了印刷处于相对静止状态,对于观众和作品本身。尽管一些优秀作品将引发观众的想象力和思维,仍然很难产生实质性的互动;除了特别注意团体(如同行,设计师,和信息的追随者),很少有人深入研究的内容。特别是在当今信息爆炸,大部分工作由公众横扫,和信息传输的到达率非常低。

5。实验结果和分析

获得图像处理方法的优势基于二维小波变换的快速分解算法平面设计,实验比较各种图像处理算法中需要分析在图像处理算法更有效。在图像的预处理,图像增强,图像校正和图像对齐,这些步骤可以生成一个完整的影响的结果,但图像有一些问题20.];最严重的问题是对齐过程产生的拼接问题;图像之间的亮度差异需要对齐,这样明亮和黑暗过渡两岸的缝合突然;图像对齐错误也会使对象位于两边的缝合这些问题都是需要改进的方向。图5显示整个图像处理过程。

许多应用程序的本质(如图像处理、过滤和图像压缩)变换,和变换的本质在于基础。在太空中有许多形式的基础上,依据不同的转换,基础的选择决定了计算转换的过程,基础的特点确定函数的变换,因此,转换的应用领域,因此选择变换的基础是非常重要的。例如,傅里叶变换公式所示(12)。它的基础是一系列的三角波,精心挑选,和三角函数的正交性财产基础意味着两个任意基地的内积为0。这个计算转换系数 非常简单,下面的方程。

5.1。图像处理实验基于二维小波变换的快速分解算法

图像往往模糊图像的边缘和轮廓在某些操作流程,你可以使用快速分解处理,使图像变得清晰。快速分解处理用于突出显示感兴趣的详细信息和不一定近似原始图像的实际查看效果。快速分解处理算法分为两大类,即差分和高通滤波。其中,属于零域微分方法处理算法,适合在硬件上实现,常用的是梯度算法和拉普拉斯算法和基于二维小波变换的快速分解算法。他们的算法制定(21]。

在本节中,我们将分析分别实现原则,比较和评价他们基于模拟图像处理结果,最后,选择性能优越的算法在硬件实现。个人模块实例化到相同的顶级模块根据前面的介绍,和相应的系统架构图如图6。

在顶层模块上面的框图,设计了各个模块的连接完成的实例化。中值滤波算法模块是第一次测试实际的董事会层面,和我们第一次验证算法的可行性,在MATLAB环境下仿真处理。基于上述各种锐化算法的实现原理,M程序是写给罗伯特的梯度算法和拉普拉斯算法有两个不同的模板,分别。原理公式如下:

因为所有三个算法的核心业务是由直接赋值指令,其MATLAB算法程序可以实现只使用两个row-counting循环和相应的赋值语句。比较三种算法的处理效果,我们首先使用前面提到的算法,原始图像的平滑,然后使用三锐化算法进行锐化过程,分别比较了图像处理结果来判断他们的好或坏的影响。通过执行一个功能仿真的算法在MATLAB软件,我们获得的图像如图7。图片所示的图片是测试罗伯特的梯度算法的效率(22]。

拉普拉斯算法的效率的结果图如图8。

图9显示效率的基于二维小波变换的快速分解算法。

效率从上面的图表,我们可以看到,基于二维小波变换的快速分解算法是最有效的一个算法,用该算法应用于图形设计图像处理物种大大提高平面设计师的效率。几种不同的算法的效率如表所示1。有什么特定的数据不同的图像处理算法的效率。

为了证明本文改进算法的有效性,选择五个图像处理算法作为实验对象;从主观分析,中值滤波和Kuan过滤可以平滑的背景区域,但是在边缘的成本损失,图像边缘细节的模糊现象发生;小波软阈值方法,传统的图像处理方法,本文方法可以去除噪声,同时避免失真的一部分,虽然很大程度上确保边缘信息不会丢失;因为它不从噪声的分布特征,平滑的背景并不理想。特定的图像处理过程如图10。

的视觉评价方法在本文中是最优的,因为它从声纳图像噪声的类型分布和考虑混响噪声和环境噪声在图像执行处理的方法之前,部分环境噪声是过滤掉的帮助下小波变换,并根据混响噪声的分布特征,转化为高斯加性噪声敏感反应,因此,虽然继承了小波算法边缘保持的优势,其基于二维小波变换的图像处理方法快速分解算法的平面设计是最有利的。表2的特定的表示是图像处理算法的效率。

6。结论

本文基于传统的图像处理算法,图像基于小波变换的快速分解处理方法提出了平面设计。二阶分解得到的低频分量图像预处理的小波函数和小波梯度向量是用来提取特征点低频图像的重叠区域,和提取的特征点是合格的灰度值和阈值减少数量的特征点对和提取特征点,并在此基础上,改进了小波算法进行特征点匹配,有效地消除匹配点对提高特征点匹配的准确性和实时性。实验使用视差图像和parallax-free图像的图像匹配,分别与传统的图像处理算法图像缝合比较;实验结果表明,本文提出的方法具有良好的效果和快速图像处理,特征点匹配率高,这是一个好的平面设计行业的推广。该算法还有很多改进的空间。通过持续改进的二维小波变化,图像处理的速度和效率可以更好地改善。未来的发展方向应该是相同的。更好的图像处理技术获得更好的设计师的作品。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称他们没有竞争的经济利益或个人关系可能出现影响工作报告。