本發(fā)明屬于計算機圖像處理領域，尤其涉及一種能快速定位圖像中一塊用于嵌入新圖像的合適的矩形背景區(qū)域的方法。

背景技術：

科技的發(fā)展促進了數字圖像的廣泛應用，現在已經可以很方便的獲取數字圖像，并在圖像中嵌入新的圖像，如二維碼等，從而完成對數字圖像的修改。然而，要想使嵌入的新的圖像信息能夠不掩蓋圖像載體本身包含的重要信息，就需要一種方法來定位載體本身的背景區(qū)域，并在背景區(qū)域中選擇一塊合適的區(qū)域，用于嵌入新的圖像信息。

目前，數字圖像中背景區(qū)域的定位研究仍處于初期階段，大部分的研究工作是數字圖像中的物體檢測，并且在這方面取得了巨大的進步。1998年itti提出了一種經典的顯著圖(saliencymap)的方法，主要思想就是根據圖像底層的視覺信息，給出圖像的視覺顯著區(qū)域。也有專家提出了一種物體檢測的分割圖算法(sm)，sm是研究如何給任意形狀的物體定位，并且使用緊致的邊界將物體標定出來。傳統(tǒng)的物體定位方法是滑動窗口搜索方法(slidingwindowsearch)，是使用固定大小的窗口在圖片上均勻的滑動，通過每個位置時，將此時窗口內的特征代入實現訓練的分類器中進行測試，在整個過程中與分類器最高響應的那個窗口位置則被視為物體的位置。以上均是圖像中物體的檢測方法，我們需要根據檢測到的物體區(qū)域再去定位背景區(qū)域，最后雖然實現了背景區(qū)域的定位，但找到的背景區(qū)域仍然是分散分布于原載體圖像中，而不是一塊已經確定了位置的合適的區(qū)域，要想實現合適位置的定位，還需要繼續(xù)對分散的圖片背景區(qū)域進行定位處理，提高了工作的復雜度，同時大大降低了我們工作的速度以及服務的效率與質量。

技術實現要素：

本發(fā)明的目的在于提出一種快速定位圖像中一塊合適的矩形背景區(qū)域的方法，從而能夠將新的圖像信息，如二維碼，嵌入原載體圖片的合適位置，而不掩蓋原圖片包含的重要信息。本發(fā)明定位速度快，定位準確率高，解決了一直以來只能在嵌入新圖象與破壞原始圖像完整性中選擇其一的問題。

為實現上述目的，本發(fā)明采用如下的技術方案：

一種快速定位圖像中合適矩形背景區(qū)域方法，包括以下步驟：

步驟一、讀入數字圖像，并將數字圖像轉換成二值圖像；

步驟二、使用圖像分割的方法，在分割窗口(第一次將原始圖像作為分割窗口)大于等于嵌入圖像大小的前提條件下，對圖像進行循環(huán)的分割，取分割窗口中包含白點最少的區(qū)域作為新的分割窗口繼續(xù)分割，直到得到的分割窗口包含的白點數最少且不能再繼續(xù)分割(此時，載入圖像的長寬的2倍都分別大于分割窗口的長寬)，此時定位該分割窗口；

步驟三：在步驟二中定位到的分割窗口中使用嵌入圖像大小的矩形窗口作為滑動窗口進行滑動窗口搜索，直到某一位置的白點數為0就將該區(qū)域作為最終的區(qū)域，或者沒有白點數為0的區(qū)域，就將白點數最少的區(qū)域作為最后的區(qū)域，如此就找到了合適的新圖象嵌入區(qū)域。

作為優(yōu)選，步驟一具體包括：

步驟1.1、把數字圖像轉換成灰度級圖像；

步驟1.2、二值化處理，對灰度級圖像進行邊緣檢測，如使用sobel邊緣檢測器進行邊緣檢測，來將灰度級圖像i轉化為二值圖像bw，檢測到邊緣的位置其值為對應于白色的值“1”，其他位置其值為對應于黑色的值“0”。

作為優(yōu)選，用于定位圖像中一塊剛好適合嵌入新圖像并且大小大于等于要嵌入圖像大小的合適的矩形區(qū)域的位置的步驟二包括，首先要對圖像步驟一中得到的二值圖像進行形態(tài)學中的膨脹運算，使得圖像中目標增大，填充圖像中細小的空洞，并平滑連通物體的邊界，使邊界向外擴張；其次，就是使用圖像分割的方法來定位圖像中一塊合適的矩形背景區(qū)域，其具體步驟如下2.1-2.5：

步驟2.1.首先判斷原始載體圖像bw(記作b)的大小[mn](其中bw的左上角坐標為(x,y))以及要嵌入的圖像的大小[hw],只要滿足條件h<m和w<n，就執(zhí)行如下步驟；

步驟2.2.如果2*h>m，2*w<＝n，將經步驟一處理后的原始圖像按水平方向分割為b1，b2，b3三部分，其中，

b1＝bw(x:x+m-1,y:y+n/2-1)；

b2＝bw(x:x+m-1,y+n/2-1:y+n-1)；

b3＝bw(x:x+m-1,y+n/4-1:y+3*n/4-1)；

計算b1，b2，b3中白點最少的區(qū)域，記作b，若b是b1，則x，y不變；若b是b2，則x不變，y＝n/2+y-1；若b是b3，則x不變，y＝n/3+y-1；同時，m，n變?yōu)閎的大小。只要滿足h<m和w<n就執(zhí)行如下步驟；

步驟2.3.如果2*h<m，2*w<＝n，將經步驟一處理后的原始圖像

分割為b1，b2，b3，b4，b5五部分，其中，

b1＝bw(x:x+m/2-1,y:y+n/2-1)；

b2＝bw(x:x+m/2-1,y+n/2-1:y+n-1)；

b3＝bw(x+m/2-1:x+m-1,y:y+n/2-1)；

b4＝bw(x+m/2-1:x+m-1:y+n/2-1:y+n-1)；

b5＝bw(x+m/4-1:x+3*m/4-1,y+n/4-1:y+3*n/4-1)；

計算b1，b2，b3，b4，b5中白點最少的區(qū)域，記作b，若b是b1，則x，y不變；若b是b2，則x不變，y＝n/2+y-1；若b是b3，則y不變，x＝x+m/2-1；若b是b4，則x＝x+m/2-1，y＝y(tǒng)+n/2-1；若b是b5，則x＝x+m/3-1，y＝y(tǒng)+n/3-1；同時，m，n變?yōu)閎的大小。只要滿足h<m和w<n，就執(zhí)行如下步驟；

步驟2.4.如果2*h<m，2*w>n，將經步驟一處理后的原始圖像按

垂直方向分割為b1，b2，b3三部分，其中，

b1＝bw(x:x+m/2-1,y:y+n-1)；

b2＝bw(x+m/2-1:x+m-1,y:y+n-1)；

b3＝bw(x+m/4-1:x+3*m/4-1,y:y+n-1)；

計算b1，b2，b3中白點最少的區(qū)域b，若b是b1，則x，y不變；若b是b2，則y不變，x＝x+m/2-1；若b是b3，則y不變，x＝x+m/3-1；同時，m，n變?yōu)閎的大小。只要滿足h<m和w<n，就執(zhí)行如下步驟；

步驟2.5.如果2*h>m，2*w>n，則b就是最后定位到的不可分割的分割窗口圖像。

作為優(yōu)選，步驟三具體為：對步驟二中得到的最小的不可分割的分割窗口圖像，計算該圖像中大小為[hw](嵌入圖像的大小)的正中間的圖像中白點的數目，如果該數目為0，則該窗口就作為最后找到的矩形窗口；如果不為0，那么再計算該圖像中大小為[hw]的上中、下中、左中、右中、左上角、右上角、左下角、右下角8個子窗口中的白點的數目，如果有一個白點數目為0，那么就將該窗口作為最后找到的矩形窗口；如果都不為0，那么就使用一個大小為[hw]的矩形區(qū)域作為滑動窗口，對步驟二中得到的最小的不可分割圖像進行滑動，得到某一個區(qū)域位置，該區(qū)域白點數目為0或最少，將該區(qū)域作為最后找到的合適的背景區(qū)域；其中，該步驟中先計算正中間以及上中、下中、左中、右中、左上角、右上角、左下角、右下角9個子窗口的區(qū)域中白點的數目，有利于找到背景中位置合適的區(qū)域，且能提高效率。

附圖說明

根據下面通過示例并參照附圖對本發(fā)明具體實施例的描述，將顯現出本發(fā)明的其他特征和優(yōu)點，在附圖中：

圖1是本發(fā)明的用于定位圖像中一塊合適矩形背景區(qū)域的方法的主要步驟的流程圖。

圖2是窗口分割圖算法流程圖；

圖3是圖像水平分割方式的示意圖；

圖4是圖像垂直分割方式的示意圖；

圖5是圖像水平垂直分割方式的示意圖；

圖6a為計算子窗口的正中間區(qū)域的白點數目的示意圖；

圖6b為計算子窗口的上中區(qū)域的白點數目的示意圖；

圖6c為計算子窗口的下中區(qū)域的白點數目的示意圖；

圖6d為計算子窗口的左中區(qū)域的白點數目的示意圖；

圖6e為計算子窗口的右中區(qū)域的白點數目的示意圖；

圖6f為計算子窗口的左上角間區(qū)域的白點數目的示意圖；

圖6g為計算子窗口的右上角區(qū)域的白點數目的示意圖；

圖6h為計算子窗口的左下角區(qū)域的白點數目的示意圖；

圖6i為計算子窗口的右下角區(qū)域的白點數目的示意圖；

圖7是滑動窗口算法的流程圖；

圖8a是本發(fā)明的應用實施例的原始圖像；

圖8b是本發(fā)明的應用實施例的灰度圖像；

圖8c是本發(fā)明的應用實施例的二值圖像；

圖8d是本發(fā)明的應用實施例的膨脹處理后圖像；

圖8e是以滑動窗口為[200,200]的找到最小子窗口的示意圖；

圖8f是以滑動窗口為[200,200]找到區(qū)域的示意圖；

圖8g是以滑動窗口為[220,220]的找到最小子窗口的示意圖；

圖8h是以滑動窗口為[220,220]找到區(qū)域的示意圖；

圖8i是以滑動窗口為[250,250]的找到最小子窗口的示意圖；

圖8j是以滑動窗口為[250,250]找到區(qū)域的示意圖；

圖8k是顯示將新的二維碼圖像(大小分別為[200,200])嵌入原始圖像找到的區(qū)域中的最終效果圖；

圖8l是顯示了將新的二維碼圖像(大小分別為[220,220])嵌入原始圖像找到的區(qū)域中的最終效果圖；

圖8m是顯示了將新的二維碼圖像(大小分別為[250,250])嵌入原始圖像找到的區(qū)域中的最終效果圖。

具體實施方式

為了使本發(fā)明的目的、技術方案及優(yōu)點更加清晰，下面將結合附圖就實施例，對本發(fā)明進行進一步的詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

圖1是本發(fā)明的用于定位圖像中一塊合適矩形背景區(qū)域的方法的主要步驟的流程圖。如圖所示，先讀入數字圖像，并將數字圖像轉換成灰度級圖像，再使用邊緣檢測器將其轉換成二值圖像，然后對該圖像進行膨脹處理；接著使用圖像分割的方法，定位圖像中一塊剛好適合嵌入新圖像并且大小大于等于要嵌入圖像大小的合適的矩形區(qū)域的位置；最后在上面找到的矩形背景區(qū)域中使用滑動窗口搜索的方法，找到合適的新圖象嵌入區(qū)域。

圖2給出圖像窗口分割算法。該算法第一步是計算原始圖像bw(記作b)大小為[mn]，左上角坐標為(x,y)，嵌入圖像大小為[hw]；第二步，比較原始圖像和嵌入圖像的長寬(這里有一個初始條件，即最后得到的分割窗口的大小必須大于等于嵌入圖像的大小，因此以下要進行的所有的判斷首先應基于這個條件)，即判斷h<m&&w<n是否成立，若h<m&&w<n不成立，算法結束，找到的最小分割窗口就是b,反之，進行第三步，第三步主要包括以下幾種判斷：(1)若2h>m，2w<＝n成立，就進行圖3所示的水平分割，分為三部分，每部分均為b的1/2(長度仍為h,寬度為w的1/2)，通過計算，得到三部分中白點數最少的那一部分，記作b，并重新計算b的大小為[mn]及其左上角坐標，然后再返回第二步繼續(xù)判斷。(2)若2h<＝m,2w>n,則進行圖4所示的垂直分割，分為三部分，每部分為b的1/2(長度為h的1/2,寬度不變)，通過計算，得到三部分中白點數最少的那一部分，記作b，并重新計算b的大小為[mn]及其左上角坐標，然后再返回第二步繼續(xù)判斷。(3)若2h<＝m,2w<＝n,則進行圖5所示的垂直水平分割，分為五部分，每一部分均為原始圖片的1/4(長寬均為原圖的1/2),通過計算，得到五部分中白點數最少的那一部分，記作b，并重新計算b的大小為[mn]及其左上角坐標，然后再返回第二步繼續(xù)判斷。(4)若2h>m,2w>n,則分割結束，b就是最小的分割窗口。通過以上三步的圖像分割方法，得到可以嵌入新圖象的最小的子窗口。

圖6a—圖6i是進行滑動窗口方法前，對圖2中得到的最小子窗口b，先計算該子窗口的正中間以及上中、下中、左中、右中、左上角、右上角、左下角、右下角9個區(qū)域中(大小為[hw])白點的數目，如果這9個區(qū)域中有白點數目為0的區(qū)域，就以該區(qū)域作為最終的區(qū)域，不用再進行滑動窗口算法，這有利于找到背景中位置較合適的區(qū)域，且大大提高了效率。

圖7是滑動窗口算法，對分割方法得到的最小子窗口(大小為[mn]；左上角坐標為(x,y))用一個大小為[hw]的滑動窗口由左到右由上到下進行滑動，找到白點為0或白點最少的滑動窗口區(qū)域作為最終的區(qū)域。

圖8a至圖8m是本發(fā)明的應用實施例。

如圖8a至圖8d所示，先讀入數字圖像(大小[mn]為[950775],坐標(x,y)為(1,1))，接著將數字圖像轉換成灰度級圖像，再使用邊緣檢測器將其轉換成二值圖像，然后對該圖像進行膨脹處理。

如圖8e、圖8f所示，先使用圖像分割算法找到最小子窗口，接著計算該子窗口中的正中間以及上中、下中、左中、右中、左上角、右上角、左下角、右下角9個區(qū)域中(大小[hw]為[200200])白點的數目，發(fā)現該子窗口的左中間區(qū)域中白點數目為0，因此就將該區(qū)域作為最終區(qū)域，此時程序就結束。

如圖8g、圖8h所示，先使用圖像分割算法找到最小子窗口，接著計算該子窗口中的正中間以及上中、下中、左中、右中、左上角、右上角、左下角、右下角9個區(qū)域中(大小[hw]為[220220])白點的數目，發(fā)現該子窗口的9個區(qū)域中白點數目均不為0，因此就在該子窗口上使用滑動窗口(大小[hw]為[220220])算法進行滑動，找到了該子窗口中白點數目為0的區(qū)域，就將該區(qū)域作為最終區(qū)域，此時程序就結束。

如圖8i、圖8j所示，先使用圖像分割算法找到最小子窗口，接著計算該子窗口中的正中間以及上中、下中、左中、右中、左上角、右上角、左下角、右下角9個區(qū)域中(大小[hw]為[250250])白點的數目，發(fā)現該子窗口的9個區(qū)域中白點數目均不為0，因此就在該子窗口上使用滑動窗口(大小[hw]為[250250])算法進行滑動，滑動完畢，發(fā)現該子窗口中沒有白點數目為0的區(qū)域，因此就將白點數最少的區(qū)域作為最終區(qū)域，此時程序就結束。

如圖8k、圖8l、圖8m所示，顯示了將新的二維碼圖像(大小分別為[200200]、[220220]、[250250])嵌入原始圖像找到的區(qū)域中的最終效果圖。

本發(fā)明還有與上述流程基本相似的應用，在此不再一一舉例。本發(fā)明的優(yōu)點是通過圖像分割算法能更好的得到位置位于中間白點數最少的背景區(qū)域，接著通過計算得到的分割窗口的正中間以及上中、下中、左中、右中、左上角、右上角、左下角、右下角9個區(qū)域中(大小為[hw])白點的數目，如果這9個區(qū)域中有白點數目為0的區(qū)域，就以該區(qū)域作為最終的區(qū)域，不用再進行滑動窗口算法，這有利于找到背景中位置較合適的區(qū)域，且大大提高了效率。最后使用滑動窗口算法能夠得到合適的矩形背景區(qū)域。

本發(fā)明還可以有其他多種實施例，在不背離本發(fā)明精神及其實質的情況下，熟悉本領域的技術人員可根據本發(fā)明做出各種相應的改變和變形，但這些相應的改變和變形都應屬于本發(fā)明所負擔權利要求的保護范圍。