(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210718720.6 (22)申请日 2022.06.23 (71)申请人 华南理工大 学 地址 510640 广东省广州市天河区五山路 381号 (72)发明人 杜娟　闫甜甜　刘童　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 专利代理师 王东东 (51)Int.Cl. G06T 7/12(2017.01) G06T 7/181(2017.01) G06V 10/42(2022.01) G06V 10/44(2022.01) (54)发明名称 一种针对图像 分割的曲线分段拟合方法、 设 备及存储介质 (57)摘要 本发明公开了一种针对图像分割的曲线分 段拟合方法、 设备及存储介质， 包括， 对图像进行 预处理获取轮廓数据； 根据所述轮廓数据进行 DCE评价标准的轮廓分段算法， 得到分段点列表； 根据所述分段列表进行基于欧拉曲线模型的曲 线拟合算法， 得到最终拟合结果。 可以实现轮廓 的自动分段， 减少了人为干预 带来的主观误差 。 权利要求书3页 说明书7页 附图1页 CN 115222753 A 2022.10.21 CN 115222753 A 1.一种针对图像分割的曲线分段拟合方法， 其特 征在于， 包括如下： 对图像进行 预处理获取轮廓数据； 根据所述轮廓数据进行DC E评价标准的轮廓分段算法， 得到分段点列表； 根据所述分段点列表进行基于欧拉曲线模型的曲线拟合 算法， 得到最终拟合结果。 2.根据权利要求1所述的曲线分段拟合方法， 其特征在于， 所述对图像进行预处理， 包 括如下： 将图像转 为灰度图I； 边缘粗定位： 利用Gabor算子组合对灰度图I进行边缘粗定位， 得到粗定位结果M(x， y) 和角度 θM； 亚像素定位： 通过Zern ike矩计算 亚像素边 缘， 得到细粒度结果M(x x， yy)； 轮廓提取： 根据像素八邻域信息提取轮廓。 3.根据权利要求1所述的曲线分段拟合方法， 其特征在于， 根据所述轮廓数据进行DCE 评价标准的轮廓分段算法， 得到分段点列表， 具体为： 计算轮廓中各顶点的贡献率K； 剔除最小贡献率所在顶点， 得到分段点列表 Vc。 4.根据权利要求1所述的曲线分段拟合方法， 其特征在于， 根据 所述分段列表进行基于 欧拉曲线模型的曲线拟合 算法， 得到最终拟合结果， 具体为： 逐个获取分段点列表中的数据， 进行分段拟合； 拟合端点Vc(k)和Vc(k+1)， 端点处方向为θM(k)和 θM(k+1)， 计算向量Vc(k+1)‑Vc(k)的角 度 ψ； 根据角度 ψ， 判断曲线类型， 进行分类型拟合， 具体为： 如果 ψ不等于Vc(k)和Vc(k+1)的角度平均值， θM(k)≠θM(k+1)， 该种情况下， 曲线为不规 则曲线， 根据欧拉模型进行曲线拟合； 如果 ψ等于Vc(k)和Vc(k+1)的角度平均值， 并且 ψ＝θM(k)＝θM(k+1)， 该种情况下， 曲线为 直线； 如果 ψ等于Vc(k)和Vc(k+1)的角度平均值， 且 θM(k)≠θM(k+1)， 该种情况 下， 曲线为圆弧。 5.根据权利要求4所述的曲线分段拟合方法， 其特征在于， 当曲线为不规则曲线时， 根 据欧拉模型进行曲线拟合， 具体为： Vc(k)处曲率为κ0， Vc(k+1)处曲率为κ2， 拟合后Vc(k)和Vc(k+1)之间的弧长为L， 曲率增 长速度为γ， Vc(k)， Z(1)之间拟合后的总弧长称为L1， Z(1)， Vc(k+1)之间拟合后的总弧长称 为L2， Z(1)处曲率为κ 1， Z(1)处方向表示为θZ(1)， 令Vc(k+1)‑Vc(k)＝L0eiψ， 当|θM(k)‑θM(k+ 1)|＞π 时， 那么就有 当0＜| θM(k)‑θM(k+1)|＜ π 时， 那么就有权　利　要　求　书 1/3 页 2 CN 115222753 A 2弧长L可以表示 为 其中k1、 k2的选择能够保证L1、 L2为最小正数。 6.根据权利要求5所述的曲线分段拟合方法， 其特征在于， 当曲线为直线时， 所得拟合 结果为： κ 0＝κ 2＝0 L＝L0。 7.根据权利要求5所述的曲线分段拟合方法， 其特征在于， 当曲线为圆弧时， 所得拟合 结果为： 8.根据权利要求5 ‑7任一项所述的曲线分段拟合方法， 其特 征在于， 曲线弧长s参数表达式如下： 当0≤s≤Lk时： 当L1≤s≤Lk+Lk+1时： 完成曲线拟合。 9.一种存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被处理器执行权　利　要　求　书 2/3 页 3 CN 115222753 A 3