基于阈值矩阵的快速特征引导点画法
求矩阵特征值及特征向量的一种梯度逼近法
求矩阵特征值及特征向量的一种梯度逼近法
矩阵特征值及特征向量是矩阵理论中的重要概念，它们在许多领域中都有广泛的应用，如物理学、工程学、计算机科学等。
在实际应用中，求解矩阵特征值及特征向量是一个非常困难的问题，因为它需要对矩阵进行复杂的计算。
为了解决这个问题，人们提出了许多求解矩阵特征值及特征向量的方法，其中一种重要的方法是梯度逼近法。
梯度逼近法是一种基于梯度下降的优化算法，它通过迭代的方式逼近矩阵的特征值及特征向量。
具体来说，梯度逼近法的步骤如下：
1. 首先，选择一个初始矩阵A和一个初始向量x0。
2. 计算矩阵A的梯度G，即G=A*x0-x0*λ0，其中λ0是x0的特征值。
3. 通过梯度下降的方式更新向量x0，即x1=x0-α*G，其中α是学习率。
4. 计算新的特征值λ1和特征向量x1。
5. 如果新的特征值λ1与旧的特征值λ0之间的差异小于一个预设的阈值，或者迭代次数达到了预设的上限，那么停止迭代，输出λ1和x1作为矩阵A的特征值和特征向量；否则，返回第2步。
梯度逼近法的优点是可以处理大规模的矩阵，并且可以在迭代过程中动态调整学习率，以提高收敛速度。
但是，它也存在一些缺点，比如容易陷入局部最优解，需要进行多次试验来选择合适的初始矩阵和学习率等参数。
总之，梯度逼近法是一种有效的求解矩阵特征值及特征向量的方法，它在实际应用中具有广泛的应用前景。
动态背景中基于特征点引导的动目标快速检测方法
关键 词 ：动 目标 检 测；运 动 背 景； 图像 匹配；序 列相 似 性检 测 算法 ；Ｈａｒ 算子 ； 强 角点 ｒｉ ｓ
中 图 分 类 号 ： Ｔ ２ ４ 文 献 标 志 码 ：Ａ Ｐ ７
Ｅ ｃｅ ｔ ｇ ｒ ｈ Ｂａｅ ｎＩ ｇ ｅ ｔｒｓ ｏ ｖｎ ｊｃｓ ｔｃｉｎｉ ｉ ｆ ｉｎ ｏｉ ｍ ｓｄｏ Ａｌ ｔ ｍａ ｅＦ ａｕ ｅ ｒ ｆ Ｍｏ ｉｇＯｂｅｔ Ｄｅｅ ｔ ｏ ｎ
Ｄｙ ｍ ｉ ｃ ｒ ｕ ｎａ ｃ Ｂａ ｋｇ ｏ ｎｄ
Ｙ ｕ Ｘ ｉ ｑｉ ｇ Ｃｈｅ ｉｎｇｎｉ ｇ ａ ｏｎ ， ｎＸ ａ ｎ
（ ． ｍｉｉ ｒｎ ｒ ａ ｅｏ ｏｔｒｄ ａｅ Ｉｓ ｔｔ ｏ ｏ １Ａｄ ｎｓ ａ ｔ ｉ ｄ ｆ ｓ ａ ｕ ｔ，ｎｔ ｕｅ ｆ ｍｍａ ｄ＆ Ｔ ｃ ｎ ｌｇ ｆ ｑ ｉｍｅｔＢｅ ｇ １ ， ｉａ ｔ Ｂ ｇ Ｐ ｇ ｉ Ｃ ｎ ｅｈ ｏｏ ｙｏ ｕｐ ｎ， ｉｎ １ １ Ｃｈｎ ； Ｅ ｊ ｉ ０ ４６ ２ Ｄｅ ｔｏ Ｐ ｏｏ ｌ ｔｃＥ ｕｐ ｎ，ｎｔ ｕｅ ｆ ｏ ． ｐ． ｆ ｈ ｔｅｅ ｒ ｑ ｉｍｅ ｔＩｓｉ ｔ Ｃ ｍｍａ ｄ＆ Ｔ ｃ ｎ ｌｇ ｆ ｑ ｉｍｅ ｔＢｅ ｉｇ１ １ １， ｉａ ｃｉ ｔ ｏ ｎ ｅｈ ｏｏ ｙｏ Ｅ ｕｐ ｎ， ｉｎ ０ ４ ６ Ｃｈｎ ） ｊ Ａ ｓｒｃ： ｅ ｆ ｃｅ ｔ ｌｏｉ ｍ ｆｒ ｖｎ ｂｅｔ ｄ ｔｃｉｎｉ ｙ ａ ｃｂ ｃ ｇ ｏ ｎ ｓ ｕ ｏｗａｄ Ｒ ｇｓｒｔ ｎ ｂ ｔ ｔ Ａ ｎ ｗ ｅ ｉｎ ｇ ｒ ｈ ｏ ｉｇｏｊｃｓ ｅｅｔ ｄ ｎ ｍｉ ａ ｋ ｒｕ ｄｗａ ｔ ｒ ｒ ． ｅ ｉｔ ｉ ａ ｉ ａ ｔ ｍｏ ｏ ｎ ｐ ｆ ａｏ
ｔ ｅ ｒ ｌ ｈ ｔ ｔ ｅ ｆ ａ ｕ ｅ ｆｏ ｍ ｏ ｉ ｇ ｒ ｇ ｏ ｓ ｓ ｏ ａ ｅ ｅ ｉｔ ａ ｉ ｎ ｅ ｒ ｒ ｈ ｕ ｅ ｔ ａ ｈ ｅ ｔ ｒ ｒ ｍ ｖ ｎ ｅ ｉ ｎ ｈ ｗｓ ａ ｌ ｇ ｒ ｒ ｇ ｓｒ ｔｏ ｒ ｏ ．Ｅｘ ｅ ｉ ｎ ｓ ｓ ｏ ｔ ａ ｈ ｌ ｏ ｉｈ ｉ ｐ ｒｍｅ ｔ ｈ ｗ ｈ ｔｔ ｅ ａ ｇ ｒｔ ｍ ｓ ｓ ｍｐ ｅ ａ ｄ ｆ ｓ， ｉ ｌ ｎ ａ ｔ ｗｈ ｃ ａ ｅ ｕ ｅ ｒｄ ｔ ｃ ｉ ｎ ｏ ｅ ｍ ｏ ｉ ｇ ｔ ｒ ｅ ｓ ｉ ｙ ａ ｉ ａ ｋｇ ｏ ｎ ｓｗｅ ｌ ｓｃ ａ ｇ ｅ ｅ ｔ ｎ ｉ ｈ ｃ ｎ ｂ ｓ ｄ ｆ ｅ ｅ ｔｏ ｆｔ ｖ ｎ ａ ｇ ｔ ｎ ｄ ｎ ｍ ｃ ｂ ｃ ｒ ｕ ｄ ａ ｌ ａ ｈ ｎ ｅｄ ｔ ｃ ｉ ． ｏ ｈ ｏ
灰度-梯度共生矩阵在图像阈值中的应用
目录摘要 (I)Abstract (II)1.绪论 ....................................................................................................................... - 1 -1.1研究目的及其意义...................................................................................... - 1 -1.2图像分割的研究现状.................................................................................. - 2 -1.3主要工作...................................................................................................... - 2 -1.4内容安排...................................................................................................... - 3 -2.图像分割的原理和方法 ....................................................................................... - 4 -2.1概述.............................................................................................................. - 4 -2.1.1图像.................................................................................................... - 4 -2.1.2图像处理............................................................................................ - 4 -2.2图像分割简介.............................................................................................. - 5 -2.3图像分割的定义.......................................................................................... - 6 -2.4图像分割的基本方法................................................................................. - 7 -2.4.1阈值法的基本原理............................................................................ - 8 -2.4.2阈值法图像分割方法分类................................................................ - 8 -3.灰度-梯度共生矩阵理论 .................................................................................... - 10 -3.1灰度的概念................................................................................................ - 10 -3.2梯度的概念................................................................................................ - 10 -3.3灰度-梯度共生矩阵原理 .......................................................................... - 11 -3.4灰度梯度归一化的方法............................................................................ - 11 -3.5计算灰度-梯度共生矩阵 .......................................................................... - 12 -4.最大条件熵 ......................................................................................................... - 13 -4.1二维最大熵原理........................................................................................ - 13 -4.2快速递推算法............................................................................................ - 15 -4.3分割结果.................................................................................................... - 16 -4.3.1图cameraman................................................................................. - 16 -4.3.2图boat........................................................................................... - 17 -4.3.3图number....................................................................................... - 18 -4.4分析研究.................................................................................................... - 19 -5.结论 ..................................................................................................................... - 21 -致谢................................................................................................................ - 22 - 参考文献.......................................................................................................... - 23 - 附录.................................................................................................................. - 24 -摘要图像分割是计算机视觉领域的一个重要而且基本的问题。
正交投影矩阵的特征值_解释说明以及概述
正交投影矩阵的特征值解释说明以及概述1. 引言1.1 概述正交投影矩阵是在三维几何中广泛应用的重要概念。
它通过将三维空间中的点映射到二维平面上，实现了几何对象在屏幕上的显示和处理。
正交投影矩阵的特征值是对该矩阵进行分析和解释时的关键指标。
本文将深入探讨正交投影矩阵的特征值，旨在帮助读者全面理解和应用正交投影矩阵。
1.2 文章结构本文将按以下结构展开讨论：- 引言：概述文章主题和结构；- 正交投影矩阵的特征值：定义、概念和性质；- 正交投影矩阵的特征值解释说明：详细解释特征值在几何学中的意义；- 正交投影矩阵的特征值计算方法：介绍常用计算方法、数值计算注意事项及优化方法；- 正交投影矩阵的特征值应用案例研究：背景介绍、目标与方法论概述、实验结果及数据分析讨论；- 结论与展望：对本文主要内容进行总结，并展望未来研究方向。
1.3 目的本文的目的在于：- 对正交投影矩阵的特征值进行详细解释和说明，使读者能够全面理解特征值在几何学中的应用；- 提供常用的正交投影矩阵特征值计算方法并介绍数值计算注意事项及优化方法，帮助读者在实际应用中更准确地计算特征值；- 运用实际案例展示正交投影矩阵特征值的应用场景和深入分析实验结果，为读者提供实操经验；- 总结全文，并对未来进一步研究方向进行展望，为相关领域的学者提供参考。
2. 正交投影矩阵的特征值2.1 正交投影矩阵的定义正交投影矩阵是指一个方阵，其满足以下两个条件：首先，它是一个正交矩阵，也就是说该矩阵的转置乘以它自身等于单位矩阵；其次，它是一个投影矩阵，即该矩阵平方等于它自身。
2.2 特征值的概念和性质在线性代数中，对于一个n×n的方阵A, 如果存在一个非零向量v使得Av=λv，其中λ为实数，则称λ为A的特征值，v称为对应于特征值λ的特征向量。
特征值和特征向量揭示了方阵变换行为中的重要信息。
一些常见的特征值性质包括：每个方阵都有特征值；方阵乘积的特征值与因子方阵的特征值相关；主对角线元素之和等于矩阵所有特征值之和。
基于引导滤波的多阈值图像分割算法研究
基于引导滤波的多阈值图像分割算法研究
苗田田;李昊宸
【期刊名称】《长江信息通信》
【年(卷),期】2024(37)4
【摘要】由于缺少对图像背景信息的识别与剔除,导致图像分割精度较低,分割效果不佳。
为此,提出基于引导滤波的多阈值图像分割算法研究。
采用引导滤波算法对图像像素点进行平滑处理,根据多线性图像特征属性对图像去噪,对图像的背景信息进行识别与剔除,提取图像区域级信息,以此为依据,修正处理图像隶属度矩阵,得到新的隶属度矩阵与最佳分割阈值,实现图像多阈值分割。
实验结果表明,所研究算法对于图像分割具有较高的精度,分割效果较好。
【总页数】3页(P58-60)
【作者】苗田田;李昊宸
【作者单位】郑州科技学院信息工程学院
【正文语种】中文
【中图分类】TP751.1
【相关文献】
1.基于矩不变特性的阈值选择图像分割算法研究
2.基于阈值和图论的图像分割算法研究
3.基于遗传算子改进阈值的遥感图像分割算法研究
4.基于阈值的图像分割算法研究综述:原理、分类及典型算法
因版权原因，仅展示原文概要，查看原文内容请购买。
矩阵的特征值和特征向量
2 1
x(2k 1) / x(2k 1)
2 1
所以： v1 x(k1) 1x(k )
v2 x(k1) 1x(k )
算法： 1、给出初值，计算序列
x(k1) Ax(k )
2、若序列表现为，相邻两个向量各个分量比趋向于常数
1 x(k1) / x(k )
v1 x(k)
若序列表现为，奇偶序列各个分量比趋向于常数，则
路
A p = B 。而
| |
2 1
p p
| |
|，2所| 以求B的特征根收敛快。 | 1 |
在幂法中，我们构造的序列
x(k)
பைடு நூலகம்
1k 1v1
2 1
k
2v2
n 1
k
nvn
可以看出
k
,
x(k)
0
, ,
1 1 1 1
因此，若序列收敛慢的话，可能造成计算的溢出或归0
改进－幂法的规范运算
x(k 1) Ay (k )
y
(
k
1)
x(k 1) /
x(k 1)
则，易知：
y
(
k
)
Ay(k 1)
/
x(k)
L
Ak y(0) /
x(k) L
y(k ) 1
所以，有：
x(0)
y(k) Ak y(0) / Ak y(0)
最大分量为1
即
y(k)
1k 1v1
2 1
k
2v2
n 1
k
n
vn
1k
1v1
2 1
k
反幂法
Av v A1v 1 v
所以，A和A－1的特征值互为倒数
基于色彩矩阵优化的自适应阈值算法
组构成一个＿行 ５ 的矩阵。 Ｎ 列
行数相等的条件下 ：
Ａ ｍ，ｎ ×Ｂｎ ］ ［ ｉ ］ ［，Ｐ ＝Ｃｍ，Ｐ ］
高 ，计算量很大 ，运算速度 比较慢 。
因此 ，在上 述 分 析 的基 础 上 ，本 文 以Ｐ ｅ ｒ ｉｒｅ Ｄ．
因此 ，为 了改变 图像 中各点Ｒ Ｂ Ｗ分量 的值 ，以 Ｇ Ａ 实现调整 图像 的色彩 、饱和度 、对 比度和灰度等操作 ，
参考文献
＝ ＋（一 ） Ｈ ） Ｉ ÷ （一１ ｇ
＝ Ｐ ＋ （１一 ） ｐ
一
ｌ （ 一了 ２ ＋ １ １ ）
一
２
．
１ ｉ
∑ （一 ） 一 １÷ ｆ
可 以看 到 ，ｇ（） 。 是一定 比例 的灰度值 的和 ，离ｎ ｎ 越
近 的像素 的加权越大 ，越远加权越小 。显然这样描述对 把握像素的颜色更为准确 ，而且ｇ （） 。ｎ－ 通过加 。ｎ 和ｇ （ １ ） 法和乘法就可以递归得 到，计算效率 比较高 。
四 、评估 阈值
仿射变换完成后 ，采用Ｐｅ ｅＤ． ｌ ｅ￥ 出的快速 ｉ ｒ Ｗｅ ｎｒ￣ ｒ ｌ ＿ 自适应阈值算法 ，能快速有效 的获取到图像 中每个像素
ｈｎ的初始值 为１７ （） ２ ×Ｓ（ ２ 表示０２ ５ １７ ．５ 的中间值 ）
六 、结束语
图像二值 化 的 目标 是要在 尽 可能多 的保 留原 图特
＾ （）：兰 ！
由于
兰
！
（） ＝∑Ｐ Biblioteka ｉ０ ＝ 故阈值为 ：
（ ） （ ）
根据经验规定 ，当Ｓ 的取值为 ：Ｓ 和ｔ ＝图像 宽度／， ８ ｔ ５ ＝１ ，图像二值化后 的效果最好 。
基于阈值分割法
基于阈值分割法的原理和应用1. 概述阈值分割法是数字图像处理中常用的一种分割技术。
它基于像素灰度值与预设的阈值之间进行比较，将像素分为两个或多个不同的区域，从而实现图像的分割。
阈值分割法广泛应用于图像处理、计算机视觉、模式识别等领域。
2. 阈值分割的原理阈值分割的基本思想是根据像素灰度值的特征，将图像分为背景和前景两个不同的区域。
其具体原理如下：1.预处理：首先将彩色图像转换为灰度图像，简化后续处理步骤。
2.确定阈值：选择一个合适的阈值用于将图像分割成两个区域。
常见的阈值选择方法有固定阈值法、自适应阈值法等。
3.分割图像：根据所选阈值将图像中的像素分为两个区域，通常是背景和前景。
4.后处理：可能需要进行降噪、边缘检测等后续处理步骤，以得到更好的分割效果。
3. 常见的阈值分割方法3.1 固定阈值法固定阈值法是最简单直观的阈值分割方法。
其原理是通过预设一个固定的阈值，将图像中的像素根据灰度值与阈值的大小关系分为两个区域。
具体步骤如下：1.将彩色图像转换为灰度图像。
2.选取一个合适的阈值，通常是根据经验或直方图分析确定。
3.遍历图像中的每个像素，将像素灰度值与阈值进行比较。
4.根据比较结果将像素分为背景和前景两个区域。
5.根据应用需求进行后续处理。
3.2 自适应阈值法固定阈值法存在一个问题，无法适应图像中灰度值不均匀的情况。
自适应阈值法通过根据局部像素灰度值的分布自动调整阈值，解决了这个问题。
具体步骤如下：1.将彩色图像转换为灰度图像。
2.根据图像特点选择合适的自适应阈值计算方法，常见的方法有局部平均法、局部中值法等。
3.定义一个合适的窗口大小，在图像上滑动窗口，计算每个窗口内的局部阈值。
4.遍历图像中的每个像素，将像素灰度值与对应的局部阈值进行比较。
5.根据比较结果将像素分为背景和前景两个区域。
6.根据应用需求进行后续处理。
4. 阈值分割的应用场景4.1 图像二值化图像二值化是阈值分割的一种常见应用，它将图像分割为两个阶段，即黑白两色，用于提取图像中的目标信息。
基于FPFH特征的点云配准技术
基于FPFH特征的点云配准技术摘要：点云配准是三维物体或场景模型重建的关键技术。
针对传统的ICP算法的收敛速度较慢，且在两点云集初始位置较大时易陷入局部最优解的问题，该文提出了一种改进的点云配准算法。
该算法首先计算点云的FPFH特征描述子，然后对点云的特征进行匹配，实现两片点云的初始变换，使两点云集有相对较好的初始位姿。
在经典ICP基础上使用k-d tree（k-Dimension tree）近邻搜索加速对应点对的查找，并利用方向向量阈值去除错误点对，实验证明该算法具有相对较好的配准精度和收敛速度，提高了配准的效率。
关键词：点云配准；ICP算法；FPFH；方向向量阈值中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2017）04-0207-03The Point Cloud of Registration Technology Based on FPFH FeatureCHEN Xue-wei，WAN Tao-ruan，WANG Zu-quan（Xi'an University of Electronic and Information Engineering，Xi'an 710048，China）Abstract：The registration of Point cloud is the key technology in the of 3 d object or scene model reconstruction.As for the low convergence of classical ICP algorithm and the convergence to the global optimum not be guaranteed，a kind of improved ICP algorithm of point cloud registration is put forward. This algorithm firstly calculates the FPFH point cloud character description，and then to match the characteristics of point cloud，the realization of two pieces of the initial point cloud transform，make two gathered have relatively good initial position.Then it use the k-d tree （k-Dimension tree）based on classic ICP to accelerate the search speed of the corresponding point ，and use the direction vector to remove the error corresponding point to improve the efficiency of registration .Key words：point cloud registration；ICP algorithm；FPFH；Direction vector threshold三?S重建是计算机视觉领域研究的一个重要研究方向，在虚拟现实、文物保护、逆向工程、人机交互等领域都有广泛的应用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
题 ， 出 了快速 特 征 引 导点 画法 。首 先 对 特 征 图像 进 行 距 离 变换 得 到 偏 置 线 ， 后 在 偏 置 线 上 采 样 来 获 取 点 的 分 布 ， 提 然
点画的绘制过程则通过预 先生成的阈值矩 阵进行 映射 来 完成 。实验 结果表 明 ， 算法性能 有明显 改进 ， 该 不仅 点的分
０ 引 言
对照片进行风格化处理是计算机非真实感绘制 的一个重
要 研 究领 域 。点 画 作 为 一 种 艺 术 形 式 ， 要 通 过 点 来 表 现 色 主
如何产生更加均匀且随机 的点的分布 ， 而没 有考虑到如 何使 点 的分布更加 体现 图像 本 身的形 状 和特 征。然而 ， 图 １ 从 （ 画家 Ｒ ｎｙＧ ａｓ ａｄ ｌ 的作 品） 可以看 出， ｓ 手工点 画中点 的分 布 并非完全随机 ， 而是 与图像特征 有密切 联 系。Ｋｍ等 人 注 ｉ
ｉ ｎｃ ｅ ｓ ｄ ｇ ｅ ｔｙ ｓｉ ｒａ ｅ ｒ ａｌ．
Ｋｅ ｒ ｓ ｙ ｗｏ ｄ ：Ｖｏ ｏ ｏ ｔ ｐ ｉｇ ｅ ｔｒ — ｉｅ ；ｄ ｓａ ｃ ｒ ｎ ｆ ｒ ； ｏｆｅ ｉｅ ｈ ｅ ｈ ｌ ｔ ｘ ｒ ｎ ｉ ｉ ｌ ；ｆ ａｕ ｅ ｇ ｄ ｄ ｉｔ ｎ ｅ ｔ ｓｏ ｓｐ ｎ ｕ ａ ｍ ｆ ｔｌ ；ｔｒ ｓ ｏｄ ｍａｒ ｓ ｎ ｉ
ｂｙ ｓ ｍｐ ｉ ｇ ｏ ｆｓ ｔｌｎ ｓｗｈｉｈ ｗｅ ｅ ｏ ｔｉ ｅ ｙ ａ ｐ ｙｎｇｄ ｓａ ｃ ｒ ｓｏｍ ａｉｎ ｔ ｅ ｔ ｒ ｍａ ｅ Ｔ ｅ ｒ ｎ ｅ ｎｇｏ ｔｐ ｌｓ ａ ｌｎ ｎ ｏ ｅ ｉｅ ｃ ｒ ｂａ ｎ ｄ ｂ ｐ ｌ ｉ ｉｔ ｎ ｅｔａ ｆ ｒ ｔｏ ｏ ｆａ ｕ ｅ ｉ ｇ ． ｈ ｅ ｄ ｒ ｆｓｉ ｐ ｅ ｎ ｉ
基 于 阈值 矩 阵 的快 速 特 征 引导点 画法
王会 芹
（ 东华大学 理学院 ， 上海 ２ １２ ） ０６ ０
（ ａｇｕｑｎ ｄ ｕ ｅｕ ｏ） ｗ ｎｈ ｉｉ＠ ｈ ．ｄ ．ｎ
摘
ቤተ መጻሕፍቲ ባይዱ
要： 针对传统点画法中存在 的诸如产生的点的分布不合理 、 图像 的原有特征不 突出、 迭代过程 非常耗 时等 问
ｗ ｓｔ ｅ ｍａ ｐ ｎ ｒ ｃ ｄ ｒ ｆ ｈ ｅ ｈ ｌ ｔ ｘｇ ｎ ｒ ｔ ｄ ｐ ｅ ｉｕ ｌ ｉ ｒ ｕ ｅ ｔ ｐ ｅ ．Ｔ ｅ ｅ ｐ ｒ ｎ ａ ｅ ｕ ｔ ｓ ｏ ｔａ ａ ｈ ｐ ｉ ｇ ｐ ｏ ｅ ｕ ｅ ｏ ｒ ｓ ｏ ｄ ｍａｒ ｅ ｅ ａｅ ｒ ｖｏ ｓｙ ｔ ｄ ｓｉ ｔｄ ｓｉ ｌｓ ｈ ｘ ｅ ｍｅ ｔｌ ｓ ｌ ｈ ｗ ｔ ｔ ｉ ｏ ｔｂ ｐ ｉ ｒ ｓ ｈ ｔ ｉ ｍｅｈ ｄ ｃ ｎ ｈ ｌ ｂ ａｎ ｇ ｏ ｔ ｐ ｉｇ ｓｙｅ ｗｉ ｅ ｓ ｎ ｂ ｅ ｓｉｐ ｅ ｉｔ ｂ ｔ ｎ ｈｓ ｔｏ ａ ｅ ｐ ｏ ｔ ｉ ｏ ｄ ｓｉ ｌ ｔｌ ｔ ｒ ａ ｏ ａ ｌ ｔ ｌｓ ｄｓｒ ｕｉ ．Ａ ｅ ｓ ｍｅ ｔ ， ｔｅ ｇ ｎ ｒ ｔ ｇ ｓ ｅ ｄ ｐ ｎ ｈ ｐ ｉ ｏ ｔｔ ａ ｉ ｈ ｍｅ ｈ ｅ ｅ ａｉ ｐ ｅ ｎ
Ｗ ＡＮＧ ｕ ． ｉ Ｈ ｉｑ ｎ
（ ｃｏｌｆＳｉ ｃ，Ｄ ｎ ｈａ Ｕ ｉ ｒｔ，Ｓ ａ ｇａ ０ ６０ ｈｎ） Ｓｈｏ ｏ ｃ ｎｅ ｏｇ ｕ ｎｖ ｓｙ ｈ ｎ ｈ ｉ １２ ，Ｃ ｉａ ｅ ｅｉ ２
Ａｂ ｔ ａ ｔ ｈ ｒｄ ｔ ｎ ｌｓ ｐ ｌ ｇ ｍｅｈ ｄ ａ ｅ ｓ ｍｅ ｄ ｆ ｉ ｎ ｉｓ ｏ ｘ ｍｐ ｅ ｈ ｉ ｒｂ ｔ ｎ ｏ ｔ ｐ ｅ ｓ ｎ ｔ ｅ ｙ ｓ ｒ ｃ ：Ｔ ｅ ｔａ ｉ ｏ ａ ｔ ｐ ｉ ｔ ｏ ｓｈ ｖ ｏ ｅｉ ｅ ｃｅ ，ｆｒｅ ａ ｌ ，ｔ ｅ ｄ ｓ ｉｕ ｉ ｆｓ ｐ ｌ ｓ ｉ ｏ ｒ ｉ ｉ ｎ ｃ ｔ ｏ ｉ ｖ ｒａ ｏ ａ ｌ，ｔ ｅ ｆ ａｕ ｅ ｒ ｏ ｅ ｙ ｃ ｅ ｒａ ｄ ｔ ｅ ｉ ｒｔ ｎ ｏ ｔｍｕ ｈ ｔｍｅ Ｉ ｈ ｓ ｐ ｐ ｒ ｈ ａ ｔｆａｕ ｅ ｇ ｉｅ ｔ ｐ ｉ ｇ ｅ ｓ ｎ ｂ ｅ ｈ ｅ ｔ ｒ ｓａ ｅ ｎ ｔｖ ｒ ｌａ ｎ ｈ ｔ ａｉ ｓｃ ｓ ｃ ｉ ． ｎ ｔ ｉ ａ ｅ ，ｔ ｅ ｆ ｓ ｅ ｔ ｒ —ｕ ｄ ｄ ｓｉ ｌ ｅ ｏ ｐ ｎ ｍｅｈ ｄ ｗ ｓｐ ｏ ｏ ｅ ｃ ｏ ｄ ｎ ｅｗｉ ｈ ｉｔ ｂ ｔ ｎ ａ ｄ ｒ ｎ ｅ ｎ ｆｓｉｐ ｅ ．Ｔ ｅ ｄ ｓ ｂ ｔ ｎ ｏ ｔ ｐｅ ａ ｅ ｅａ ｅ ｔｏ ａ ｒ ｐ ｓ ｄ ｉ ａ ｃ ｒ ａ ｃ ｔ ｔ ｅ ｄ ｓ ｕ ｉ ｎ ｅ ｄ ｒ ｇ ｏ ｔ ｌｓ ｈ ｉｔ ｕ ｉ ｆｓｉ ｌｓ ｗ ｓ ｇ ｎ ｒｔ ｄ ｎ ｈ ｉ ｒ ｏ ｉ ｐ ｉ ｒ ｏ ｐ
布合 理 ， 而且 可 以 大幅 提 高 了绘 制 速 度 。 关 键 词 ： ｏｏｏ 点 画 ； 征 引 导 ； 离 变换 ； 置 线 ； Ｖｒ ｉ ｎ 特 距 偏 阈值 矩 阵 中图 分 类 号 ： Ｐ９ ． １ Ｔ ３ １４ 文 献标 志码 ： Ａ
Ｆａ ｔｆ ａ ｕｒ － ｕｉ ｄ ｓ ｉ ｐｌ ｇ ｍ ｅ ｈｏ ａ ｅ ｎ ｔ ｅ ｈ ｌ ａ ｒ ｘ ｓ ｅ ｔ ｅ ｇ ｄｅ ｔｐ ｉ ｔ ｄ ｂ ｓ ｄ ｏ ｈｒ ｓ ｏ ｄ ｍ ｔ ｉ ｎ
第３ ０卷 第 ８期
２１ ０ ０年 ８月
计 算机 应 用
Ｊ ｕ ｎ ｌｏ ｏ ｕ ｅ ｐ ｌ ａｉｎ ｏ ｒ ａ ｆＣ ｍｐ ｔ ｒＡ ｐｉ ｔ ｓ ｃ ｏ
Ｖｏ． ０ Ｎｏ ８ １３ ． Ａｕｇ ２ ０ ． ０１
文 章 编 号 ：０ １— ０ １２ １ ） ８— １５— ３ １０ ９ ８ （ ００ ０ ２０ ０