通过直接优化bezigons进行有效的剪贴画图像矢量化

Bezigons,即由B ́ezier曲线组成的闭合路径,已被广泛用于描述图像矢量化结果中的形状。 但是,大多数现有的矢量化技术都通过简单地近似中间矢量表示形式(例如多边形)来推断bezigon。 因此,特别是对于低分辨率图像,由于累积的误差,拟合歧义和缺少曲线先验而导致所得的bezigon有时是不完善的。 在本文中,我们描述了一种矢量化剪贴画图像的新颖方法。 与以前的方法相比,我们直接优化了bezigon,而不是使用其他中间表示。 因此,与原始栅格图像相比,所得的bezigon不仅保真度更高,而且由于熟练的专家对其进行了追踪,因此更加合理。 为了实现这种优化,我们克服了一些挑战,并设计了可区分的数据能量以及一些基于曲线的先验项。 为了提高优化效率,我们还利用了bezigons的局部控制特性,并采用了重叠的分段优化策略。 实验结果表明,就苯并gon质量而言,我们的方法优于目前的最新方法和常用的商业软件。