图形重建方法、装置、计算设备和计算机存储介质与流程

1.本技术实施例涉及图像处理技术领域，尤其涉及一种图形重建方法、装置、计算设备和计算机存储介质。


背景技术：

2.几何图形重建技术应用于生活多中多个领域，例如教学领域，教师需要依靠几何图形重建技术，将试题卷上的几何图形，重建至教学工具中。
3.然而，目前的几何图形重建技术通常只能根据识别几何图形的图形类别，再根据图形类别，重建与该几何图形相同类别的图形，无法重建该几何图形的具体形状(例如，可能会导致几何图形的角度不相同的问题，比如，识别出一直角三角形的图形类别是三角形，而重建图形为等腰三角形，虽然等腰三角形的图形类别也是三角形，但两者的角度不同)。
4.也就是说，现有的几何图形识别与重建技术主要存在的以下缺陷：无法同时检测图像中的几何图形的类别以及重建几何图形的具体形状。


技术实现要素：

5.本技术实施例提供一种图形重建方法、装置、计算设备和计算机存储介质，既能够识别目标图形的图形类别，又能够重建目标图形的具体形状，还提高了目标图形重建的精度。
6.第一方面，本技术实施例中提供了一种图形重建方法，包括：
7.从原始图像中提取目标图形所在目标区域；
8.在所述目标区域中进行线段检测，确定属于所述目标图形的边缘线段以及内部线段；
9.由所述边缘线段以及所述内部线段，拼接生成待识别图形；
10.确定所述待识别图形的图形类别；
11.基于所述待识别图形以及所述图形类别，重建所述目标图形。
12.可选地，所述从原始图像中提取目标图形所在目标区域，包括：
13.将用户从原始图像中选择包含目标图形在内的区域确定为目标区域；或者，
14.通过活动轮廓算法，在目标图像中拟合出多个候选区域，并将面积最大的候选区域作为目标区域。
15.可选地，在所述目标区域中进行线段检测，确定属于所述目标图形的边缘线段以及内部线段，包括：
16.在所述目标区域中进行线段检测，获取多个候选线段；
17.计算每个候选线段所在延长线与所述目标区域相交后形成的相交面积；
18.若所述相交面积小于预设面积值，将所述候选线段确定为边缘线段，并将剩余的候选线段确定为内部线段。
19.可选地，所述由所述边缘线段以及所述内部线段，拼接生成待识别图形，包括：
20.通过延长边缘线段，确定每两个边缘线段之间的交点，并依次将每个边缘线段的端点与最近的交点相连，将多个边缘线段之间产生的多个交点，作为所述边缘多边形的顶点，以生成边缘多边形；
21.将所述内部线段与所述边缘多边形连接，生成待识别图形。
22.可选地，所述将所述内部线段与所述边缘多边形连接，生成待识别图形，包括：
23.依次将每个内部线段中距离所述边缘多边形的顶点最近的端点与所述边缘多边形最近的顶点相连；
24.通过延长内部线段，确定每两个内部线段之间的交点，并对确定出的多个交点进行聚类，确定出多个内部线段的聚点；
25.依次将每个内部线段的另一个端点与对应的聚点连接，生成待识别图形。
26.可选地，所述确定所述待识别图形的图形类别，包括：
27.确定所述待识别图形的拓扑结构，所述拓扑结构包括所述待识别图形包含的顶点的个数、各顶点的边个数，以及顶点间的相邻关系；
28.将所述待识别图形的拓扑结构与预先建立的图形拓扑结构库中的多个几何图形的拓扑结构进行匹配，若所述待识别图形的拓扑结构与所述几何图形的拓扑结构相同，将所述几何图形的图形类别确定为所述待识别图形的图形类别。
29.可选地，在所述将所述待识别图形对应的拓扑结构与预先建立的图形拓扑结构库中的多个几何图形的拓扑结构进行匹配，确定出所述待识别图形的图形类别之前，还包括：
30.确定每个几何图形对应的拓扑结构和图形类别，并基于多个几何图形、以及每个几何图形对应的图形类别和拓扑结构之间的对应关系，建立图形拓扑结构库。
31.可选地，所述基于所述待识别图形以及所述图形类别，重建所述目标图形，包括：
32.若所述待识别图形的图形类别包括二维几何图形，根据获取的所述待识别图形的各边相对长度，重建所述目标图形；或者，
33.若所述待识别图形的图形类别包括三维几何图形，将所述图形类别对应的几何图形作为目标图形。
34.可选地，还包括：
35.识别所述目标图形的各个顶点附近的标注信息，并确定所述标注信息与各个顶点的相对位置关系。
36.可选地，在所述基于所述待识别图形以及所述图形类别，重建所述目标图形之后，还包括：
37.基于重建前的目标图形的标注信息与各个顶点的相对位置关系，在重建后的目标图形的各个顶点处，添加对应的标注信息。
38.第二方面，本技术实施例中提供了一种图形重建装置，包括：
39.提取模块，用于从原始图像中提取目标图形所在目标区域；
40.确定模块，用于在所述目标区域中进行线段检测，确定属于所述目标图形的边缘线段以及内部线段；
41.拼接模块，用于由所述边缘线段以及所述内部线段，拼接生成待识别图形；
42.所述确定模块还用于确定所述待识别图形的图形类别；
43.建立模块，用于基于所述待识别图形以及所述图形类别，重建所述目标图形。
44.第三方面，本技术实施例中提供了一种计算设备，包括处理组件以及存储组件；所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，实现如上述第一方面的图形重建方法。
45.第四方面，本技术实施例中提供了一种计算机存储介质，存储有计算机程序，所述计算程序被计算机执行时，实现如上述第一方面的图形重建方法。
46.所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
47.本技术实施例中，从原始图像中提取目标图形所在目标区域；在所述目标区域中进行线段检测，确定属于所述目标图形的边缘线段以及内部线段；由所述边缘线段以及所述内部线段，拼接生成待识别图形；确定所述待识别图形的图形类别；基于所述待识别图形以及所述图形类别，重建所述目标图形，既能够识别目标图形的图形类别，又能够重建目标图形的具体形状，提高了目标图形重建的精度。
48.本技术的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
49.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
50.图1a和图1b为本技术实施例提供的一种图形重建效果示意图；
51.图2为本技术实施例所提供的一种图形重建方法一实施例的流程图；
52.图3为本技术实施例所提供的一种提取目标区域的示意图；
53.图4为本技术实施例所提供的一种拼接待识别图形的流程图；
54.图5为本技术实施例所提供的一种图形重建方法另一实施例的流程图；
55.图6为本技术实施例所提供的一种提取目标区域的示意图；
56.图7为本技术实施例所提供的另一种提取目标区域的示意图；
57.图8为本技术实施例所提供的一种获取多个候选线段的示意图；
58.图9为本技术实施例所提供的一种计算相交面积的示意图；
59.图10为本技术实施例所提供的另一种计算相交面积的示意图；
60.图11为本技术实施例所提供的一种生成边缘多边形的示意图；
61.图12为本技术实施例所提供的一种拼接待识别图形的示意图；
62.图13为本技术实施例所提供的另一种拼接待识别图形的示意图；
63.图14为本技术实施例所提供的一种添加所述标注信息的示意图；
64.图15为本技术实施例提供的一种图形重建装置的结构示意图；
65.图16为本技术实施例提供的一种计算设备的结构示意图。
具体实施方式
66.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。
67.在本技术的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
68.在对本技术的图形重建方法进行介绍之前，先对目前的图形重建技术以及所存在的缺陷进行简要介绍：
69.目前的图形重建技术通常是采用对原始图像进行边缘检测再对提取的轮廓进行多边形逼近的方式，以确定出目标图形；或者是采用基于深度学习的几何图形分类方式，以确定出目标图形的图形类别。然而在第一种方式中，既不能识别原始图像中的目标图形是平面图形还是立体图形，且无法处理原始图像中的虚线、字母等的标注信息的干扰，容易造成将虚线、字母识别为线段，使得目标图形所在轮廓的检测错误的问题。在第二种方式中，无法重建出目标图形的具体形状。比如识别出目标图形为梯形，但无法重建出梯形各个角的度数。也就是说，目前的图形重建技术无法同时或者很好地达到两个目标：检测原始图像中的目标图形的图形类别、重建目标图形的具体形状。
70.本技术能够解决原始图像中目标图形(可包括平面图形或者立体图形)识别与重建的问题，不仅能够检测原始图像中的目标图形的图形类别还能够重建目标图形的具体形状。
71.本技术的图形重建技术可应用于多种领域(如教学领域等)，通过本技术的图形重建技术能够提高重建目标图形的便捷性和精确性。
72.例如，如图1a和图1b所示，图1a为原始图像，原始图像1中包括目标图形(棱锥)，图1b为采用本技术的图形重建方法的输出结果。通过本技术提供的图形重建方法，能够将原始图像1中的目标图形进行重建，得到如图1b所示的目标图形，并输出图1b的目标图形。
73.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
74.图2为本技术实施例所提供的一种图形重建方法一实施例的流程图，如图2所示，该方法包括：
75.101、从原始图像中提取目标图形所在目标区域。
76.在该步骤中，原始图像为包含目标图形的图像。例如，试题卷上包括一待重建的目标图形，则试题卷页面即为原始图像，而对目标图形所圈定的区域，即为目标区域。
77.本技术实施例中，如图3所示，某一试题卷1上包括一待重建的目标图形(棱锥)以及关于目标图形(棱锥)的标注信息3，其中，标注信息b包括字母j(字母o、p、h未示出)以及文字“图1”、文字“上图1中，
……”
，在本实施例中，试题卷页面1即为原始图像，通过自定义的方式对目标图形进行圈定，得到区域2，并将该区域2作为目标区域。可理解为目标区域为包括目标图像的区域，通过提取出目标区域便于后续步骤确定目标图像的线段。
78.在实际应用中，可通过用户手动圈定的方式，也可以通过活动轮廓识别算法(如测
地线活动轮廓算法)识别的方式确定目标区域，本技术实施例对此不做限定。
79.102、在所述目标区域中进行线段检测，确定属于所述目标图形的边缘线段以及内部线段。
80.在该步骤中，可采用线段检测算法，在所述目标区域中进行线段检测，在确定出属于目标图形的线段后，再对线段进行划分边缘线段以及内部线段。
81.本技术实施例中，具体地，在确定属于所述目标图形的边缘线段以及内部线段时，首先要获取属于目标图形的线段，再从线段中划分边缘线段以及内部线段，其中，线段包括直线段和曲线段，在识别时，可根据不同线段对应的检测算法进行识别，例如，在所述目标区域中，通过直线检测算法(如概率霍夫直线检测算法)，检测出候选直线段，通过曲线检测算法(如基于rgb图像或者3维点云数据的曲线检测算法)，检测出候选曲线段。而边缘线段的划分方式，考虑到边缘线段通常是距离目标区域边缘最近的线段，因此可通过计算边缘线段以及目标区域的相交面积，用以判断某一线段是否为边缘线段；而内部线段通常是距离目标区域边缘较远的线段，因此可以在确定出边缘线段之后，再将剩余的线段确定出内部线段。
82.本技术实施例中，通过步骤102，能够仅对目标区域中属于目标图形的线段进行识别检测，避免了对目标区域中的其他信息(如字母、文字)进行检测识别，从而保证了后续生成的待识别图形的精确度。
83.103、由所述边缘线段以及所述内部线段，拼接生成待识别图形。
84.在该步骤中，待识别图形实际上是仅包括线段的目标图形(即不包括目标图形中的文字、字母等标注信息)。为了与目标图形(包括图形以及目标图形中的文字、字母等标注信息)区别，且为了进一步识别目标图形的图形类别，将仅包括线段的目标图形称为待识别图形。
85.本技术实施例中，如图4的示意图所示，由目标图形所识别的线段是处于未连接的状态，并不能呈现出一个完整的图形(通常图形为全封闭图形)，因此需要对边缘线段和内部线段进行连接，拼接成待识别图形a。关于线段连接可参见下述实施例的步骤203
‑
步骤205的具体实现过程。
86.104、确定所述待识别图形的图形类别。
87.在该步骤中，图形类别可包括二维几何图形或者三维几何图形，其中，二维几何图形(即平面图形)中可包括三角形、正方形或者长方形等。三维几何图形(即立体图形)可包括棱锥、三棱柱、长方体等。
88.本技术实施例中，确定图形类别的方式有多种，例如，通过建立图形拓扑结构库的方式，其中，图形拓扑结构库中包括各种“几何图形
‑
图形类别
‑
拓扑结构”的对应关系，从而在获取待识别图形时，能够基于待识别图形的拓扑结构从而在图形拓扑结构库中查询出与待识别图形的拓扑结构相同的几何图形的拓扑结构，并将该几何图形对应的图形类别确定为所述待识别图形的图形类别。或者，可通过深度学习方式，在学习了多个几何图形及其对应的图形类别后，生成识别模型，并且在识别模型能够在获取一待识别图形时，基于训练好的识别模型，识别出待识别图形的图形类别，除此之外，还可以通过别的方式确定出待识别图形的图形类别，本技术实施例对此不做限定。
89.105、基于所述待识别图形以及所述图形类别，重建所述目标图形。
90.本技术实施例中，不同图形类别的图形进行重建的方式不同。例如，针对二维几何图形的待识别图形，可根据待识别图形的各边相对长度进行重建目标图形。也就是说，可根据各边相对长度进行等比例的放大或者缩小后，再输出重建的目标图形。由于是基于待识别图形的各边相对长度进行重建，因此不会影响目标图形中各边的夹角度数，从而保证了输出的目标图形的精确程度。
91.在实际应用中，以本技术图形重建方法为基础建立计算引擎，通过在计算引擎中输入包含目标图形的原始图像，通过计算引擎使用算法(如检测线段算法、图形类别识别算法)进行处理与识别，输出原始图像中包含的目标图形的名称，以及目标图形的具体形状，从而在教学领域中老师可以将输出的目标图形以2d/3d形式在教学工具中进行展示与互动，提高了互动教学质量。
92.图5为本技术实施例提供的一种图形重建方法另一实施例的流程图，如图5所示，该方法包括：
93.201、从原始图像中提取目标图形所在目标区域。
94.本技术实施例中，作为一种可选的方案，步骤201可包括：将用户原始图像从原始图像中选择包含目标图形在内的区域确定为目标区域；或者，通过活动轮廓算法，在原始图像中拟合出多个候选区域，并将面积最大的候选区域作为目标区域。
95.例如，如图6所示，用户从原始图像1中圈定目标区域2，且目标区域2中包括目标图形。
96.例如，如图7所示，以本技术图形重建方法为基础建立的计算引擎，通过使用活动轮廓算法，其能够拟合出多个候选区域(如候选区域包括候选区域2、候选区域3、候选区域4)，通过选择面积最大的候选区域2作为目标区域。
97.需要说明的是，除此之外，还可以通过其他方式从原始图像从原始图像中提取目标图形所在目标区域，本技术实施例对此不作限定。
98.还需要说明的是，如图6所示，由于用户手动圈定的方式可能会把目标图形周围的标注信息也圈定在内，不仅容易造成后续识别属于该目标图形的线段不精准的问题，还增加识别线段的规模量，因此本技术实施例中可默认采用轮廓识别算法识别的方式确定目标区域，能够提高后续识别属于该目标图形的线段的精准程度。
99.202、在所述目标区域中进行线段检测，获取多个候选线段。
100.本技术实施例中，例如，如图8所示，针对于包含直线的目标图形，可在目标区域中使用概率霍夫直线检测算法，检测出候选直线段(a～f)。针对于扇形或者椭圆、圆形等包含曲线在内的目标图形，可通过曲线检测算法，检测出候选曲线段，由于目的都是为了检测出线段，本技术对此不再进行举例说明。
101.本技术实施例中，通过检测候选线段的目的是在于避免将虚线、字母等标识信息识别为线段，从而降低生成的待识别图形准确度效果差的问题。
102.203、从多个候选线段中，确定出所述目标图形的边缘线段以及内部线段。
103.本技术实施例中，作为一种可选的方案，步骤203可包括：
104.2031、计算每个候选线段所在延长线与所述目标区域相交后形成的相交面积。
105.在该步骤中，如图9所示，以候选线段a为例，确定候选线段所在的直线(延长线)与所述目标区域相交后形成的相交面积s1(图9的短竖线区域部分)。
106.2032、若所述相交面积小于预设面积值，将所述候选线段确定为边缘线段，并将剩余的候选线段确定为内部线段。
107.在该步骤中，判断相交面积是否小于预设面积值，若小于，则将所述候选线段确定为边缘线段，并将剩余的候选线段确定为内部线段。其中，预设面积值可根据需求设定，例如，以像素单位为例，目标区域所占像素为1000px时，可设置预设面积值为100px，若相交面积s所占像素小于100px时，表明该候选线段为边缘线段，并将剩余的候选线段确定为内部线段。
108.对内部线段d进行验证：如图10所示，内部线段d所在的直线(延长线)与所述目标区域相交后形成的相交面积s2(图10的竖线区域部分)，由图可知，该相交面积占据了目标区域2的二分之一，因此不符合相交面积小于预设面积值的条件，因此线段d为内部线段。
109.204、通过延长边缘线段，确定每两个边缘线段之间的交点，并依次将每个边缘线段的端点与最近的交点相连，将多个边缘线段之间产生的多个交点，作为边缘多边形的顶点，以生成边缘多边形。
110.本技术实施例中，作为一种可选的方案，步骤204可包括：通过延长边缘线段，确定每两个边缘线段之间的交点，并依次将每个边缘线段的端点与最近的交点相连，生成边缘多边形。
111.在该步骤中，如图11所示，通过延长边缘线段a～c，确定出边缘线段a与边缘线段b之间的交点q2，边缘线段a与边缘线段c之间的交点q1，以及边缘线段b与边缘线段c之间的交点q3。依次将边缘线段a的端点a1和边缘线段b的端点b1与交点q2连接，将边缘线段a的端点a2和边缘线段c的端点c2与交点q1连接，将边缘线段b的端点b2和边缘线段c的端点c1与交点q3连接，生成边缘多边形。
112.进一步地，在生成边缘多边形之前，还需要将多个边缘线段之间产生的多个交点，作为所述边缘多边形的顶点。
113.例如，如图11所示，将交点q1、q2、q3作为边缘多边形q的顶点。
114.205、将所述内部线段与所述边缘多边形连接，生成待识别图形。
115.本技术实施例中，作为一种可选的方案，步骤205可包括：
116.2051、依次将每个内部线段中距离所述边缘多边形的顶点最近的端点与所述边缘多边形最近的顶点相连。
117.在该步骤中，如图12所示，内部线段d的端点d1与边缘多边形(如图12所示，边缘多边形具有3个顶点，分别为q1、q2、q3)的顶点q1的距离最近，内部线段e的端点e1与边缘多边形的顶点q2的距离最近，内部线段f的端点f1与边缘多边形的顶点q3的距离最近，因此将端点d1与顶点q1连接、端点e1与顶点q2连接、端点f1与顶点q3连接。
118.2052、通过延长内部线段，确定每两个内部线段之间的交点，并对确定出的多个交点进行聚类，确定出多个内部线段的聚点。
119.在该步骤中，如图12所示，通过延长内部线段d～f，确定内部线段d与内部线段e之间的交点(图中未示出)、内部线段e与内部线段f之间的交点(图中未示出)、以及内部线段f与内部线段d之间的交点(图中未示出)。本技术考虑到可能在识别候选线段时会有轻微的误差差点，可能会导致内部线段d～f两两线段之间的交点未处于同一坐标点上，因此需要对确定出的多个交点(内部线段d与内部线段e之间的交点、内部线段e与内部线段f之间的
交点、内部线段f与内部线段d之间的交点)进行聚类，确定出多个内部线段的聚点q4。
120.2053、依次将每个内部线段的另一个端点与对应的聚点连接，生成待识别图形。
121.在该步骤中，如图12所示，依次将内部线段d的另一个端点d2与聚点q4连接、内部线段e的另一个端点e2与聚点q4连接、内部线段f的另一个端点f2与聚点q4连接，并根据步骤2051
‑
步骤2053的连接操作，生成待识别图形a，在该待识别图形a中，q1～q4即为待识别图形a的4个顶点。
122.需要说明的是，通过对多个内部线段的交点进行聚类，能够提高待识别图形的精确性。
123.206、确定所述待识别图形的拓扑结构，所述拓扑结构包括所述待识别图形包含的顶点的个数、各顶点的边个数，以及顶点间的相邻关系。
124.在该步骤中，以待识别图形为图12所示的棱锥为例，棱锥的拓扑结构包括：顶点个数为4(q1、q2、q3、q4)，q1、q2、q3、q4的边个数均为3、且q1、q2、q3、q4均为相邻关系。
125.207、将所述待识别图形的拓扑结构与预先建立的图形拓扑结构库中的多个几何图形的拓扑结构进行匹配，若所述待识别图形的拓扑结构与所述几何图形的拓扑结构相同，将所述几何图形的图形类别确定为所述待识别图形的图形类别。
126.在该步骤中，在执行步骤207之前，需要确定每个几何图形对应的拓扑结构和图形类别，并基于多个几何图形、以及每个几何图形对应的图形类别和拓扑结构之间的对应关系，建立图形拓扑结构库。也就是说，图形拓扑结构库中包含多个对应关系，一个对应关系中具有几何图形、该几何图形对应的图形类别和拓扑结构。通过建立图形拓扑结构库，能够在快速识别出待识别图形的图形类别，提高了图形类别的识别效率。
127.本技术实施例中，由于图形拓扑结构库中包括各种“几何图形
‑
图形类别
‑
拓扑结构”的对应关系，从而在获取待识别图形时，能够基于待识别图形的拓扑结构从而在图形拓扑结构库中查询出与待识别图形的拓扑结构相同的几何图形的拓扑结构，并将该几何图形对应的图形类别确定为所述待识别图形的图形类别。
128.进一步地，作为一种优先方案，可从图形拓扑结构库中筛选出与待识别图形的顶点数相同的几何图形，再将所述待识别图形的拓扑结构与筛选后的几何图形的拓扑结构进行匹配，从而能够缩小匹配规模，大大加快匹配速度，进一步提高图形类别的识别效率。
129.需要说明的是，通过建立图形拓扑结构库除了具有提高图形类别的识别效率的作用之外，还具有扩展性好的特点，具体地，当有新的目标图形需要进行识别图形类别时，只需要在图形拓扑库中添加对应的拓扑结构即可，整个目标图形的识别流程不用改动。相对于目前的深度学习算法而言，减少了大量的训练工作流程。
130.208、基于所述待识别图形以及所述图形类别，重建所述目标图形。
131.本技术实施例中，作为一种可选的方案，步骤208可包括：若所述待识别图形的图形类别包括二维几何图形，根据获取的所述待识别图形的各边相对长度，重建所述目标图形；或者，若所述待识别图形的图形类别包括三维几何图形，将所述图形类别对应的几何图形作为目标图形。
132.具体地，针对于二维几何图形，能够根据获取的所述待识别图形的各边相对长度，进行等比例的放大或者缩小后，重建所述目标图形。针对于三维几何图形，对于能够在原始图像中推算出隐藏边(平面视图上无法观测立体图形的边)的长度，能够根据各边相对长
度，进行等比例的放大或者缩小后，重建所述目标图形，对于无法在原始图像中推算出隐藏边的长度(隐藏边可理解为平面视图上无法获取到该边长度的边，例如不规则立方体，平面视图上无法观测以及推断出不规则立方体的所有边的长度)，可将图形拓扑结构库中与目标图形的图形类别相同的几何图形作为目标图形，并输出目标图形。
133.例如，如图13所示，针对立方体而言，在原始图像中(图像通常为平面视角展示)获取到立方体的边a长度为100像素，由于立方体的特性(对应边长度相同)，可以推断出隐藏边e的长度为100像素，因此能够根据各边相对长度，进行等比例的放大或者缩小后，重建立方体。
134.进一步地，该方法还包括：识别所述目标图形的各个顶点附近的标注信息，并确定所述标注信息与各个顶点的相对位置关系。
135.在该步骤中，标注信息可包括文字、字母等信息。
136.本技术实施例中，可以通过设置坐标定位的方式，确定标注信息与各个顶点的相对位置关系，例如，字母o与顶点q1的相对位置关系是指字母o的坐标相对于顶点q1坐标的相对位置。此外，还可以通过其他方式，本技术实施例对此不限定。
137.进一步地，在确定所述标注信息与各个顶点的相对位置关系之后，能够在重建目标图形时，基于重建前的目标图形的标注信息与各个顶点的相对位置关系，在重建后的目标图形的各个顶点处，添加对应的标注信息。
138.本技术实施例中，如图14所示，在棱锥的四个顶点(q1～q4，q1～q4实际上是不显示的，只是本技术为了便于说明对顶点进行的命名)处，添加所述标注信息(添加顶点的字母标号，具体，顶点q1添加字母o，顶点q2添加字母p，顶点q3添加字母h，顶点q4添加字母j)，标注信息是显示的，以供用户能够直观看到每个顶点对应的字母标号。
139.在实际应用中，如图1a所示，原始图形中包括目标图形以及目标图形的标注信息(顶点字母标号o、p、j、h)，通过执行本技术上述的图形重建方法，能够重建该目标图形。但为了进一步提高用户的使用体验，可以基于重建前的目标图形的标注信息与各个顶点的相对位置关系，将原始图形中的标注信息对应添加至重建后的目标图形中，生成如图14右侧图形的效果示意图。
140.进一步地，在所述目标图形的各个顶点处添加标注信息后，输出带有标注信息的目标图形，提高了用户使用体检。且这些标注信息能够在后续旋转目标图形时，标注信息均能够基于顶点和标注信息的位置关系进行移动，保证了目标图形的精确度(不会因为旋转目标图形造成标注信息不对应的问题)。
141.图15是本技术实施例提供的一种图形重建装置的结构示意图，如图14所示，该装置包括：
142.提取模块31，用于原始图像从原始图像中提取目标图形所在目标区域；
143.确定模块32，用于在所述目标区域中进行线段检测，确定属于所述目标图形的边缘线段以及内部线段；
144.拼接模块33，用于由所述边缘线段以及所述内部线段，拼接生成待识别图形；
145.所述确定模块32还用于确定所述待识别图形的图形类别；
146.建立模块34，用于基于所述待识别图形以及所述图形类别，重建所述目标图形。
147.可选地，本技术实施例中，该装置的提取模块31具体用于将用户原始图像从原始
图像中选择包含目标图形在内的区域确定为目标区域；或者，通过活动轮廓算法，在原始图像中拟合出多个候选区域，并将面积最大的候选区域作为目标区域。
148.可选地，本技术实施例中，该装置的确定模块32具体用于在所述目标区域中进行线段检测，获取多个候选线段；从多个候选线段中，确定出所述目标图形的边缘线段以及内部线段。
149.可选地，本技术实施例中，该装置的确定模块32具体用于计算每个候选线段所在延长线与所述目标区域相交后形成的相交面积；若所述相交面积小于预设面积值，将所述候选线段确定为边缘线段，并将剩余的候选线段确定为内部线段。
150.可选地，本技术实施例中，该装置的拼接模块33具体用于通过延长边缘线段，确定每两个边缘线段之间的交点，并依次将每个边缘线段的端点与最近的交点相连，将多个边缘线段之间产生的多个交点，作为边缘多边形的顶点，以生成边缘多边形；将所述内部线段与所述边缘多边形连接，生成待识别图形。
151.可选地，本技术实施例中，该装置的拼接模块33具体用于依次将每个内部线段中距离所述边缘多边形的顶点最近的端点与所述边缘多边形最近的顶点相连；通过延长内部线段，确定每两个内部线段之间的交点，并对确定出的多个交点进行聚类，确定出多个内部线段的聚点；依次将每个内部线段的另一个端点与对应的聚点连接，生成待识别图形。
152.可选地，本技术实施例中，该装置的确定模块32具体用于确定所述待识别图形的拓扑结构，所述拓扑结构包括所述待识别图形包含的顶点的个数、各顶点的边个数，以及顶点间的相邻关系；将所述待识别图形的拓扑结构与预先建立的图形拓扑结构库中的多个几何图形的拓扑结构进行匹配，若所述待识别图形的拓扑结构与所述几何图形的拓扑结构相同，将所述几何图形的图形类别确定为所述待识别图形的图形类别。
153.可选地，本技术实施例中，该装置的建立模块34具体用于确定每个几何图形对应的拓扑结构和图形类别，并基于多个几何图形、以及每个几何图形对应的图形类别和拓扑结构之间的对应关系，建立图形拓扑结构库。
154.可选地，本技术实施例中，该装置的建立模块34具体用于若所述待识别图形的图形类别包括二维几何图形，根据获取的所述待识别图形的各边相对长度，重建所述目标图形；或者，若所述待识别图形的图形类别包括三维几何图形，将所述图形类别对应的几何图形作为目标图形。
155.可选地，本技术实施例中，该装置的确定模块32具体用于识别所述目标图形的各个顶点附近的标注信息，并确定所述标注信息与各个顶点的相对位置关系。
156.可选地，本技术实施例中，该装置还包括添加模块35。
157.添加模块35用于基于重建前的目标图形的标注信息与各个顶点的相对位置关系，在重建后的目标图形的各个顶点处，添加对应的标注信息。
158.图15所述的图形重建装置可以执行图5所示实施例所述的图形重建方法，其实现原理和技术效果不再赘述。对于上述实施例中的图形重建装置其中各个模块、单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
159.在一个可能的设计中，图15所示实施例的图形重建装置可以实现为一计算设备，实际应用中，如图16中所示，该计算设备可以包括存储组件401以及处理组件402；
160.存储组件401中存储有一条或多条计算机指令，其中，一条或多条计算机指令供处
理组件402调用执行，以实现图2或图5实施例所述的图形重建方法。
161.其中，处理组件402可以包括一个或多个处理器来执行计算机指令，以完成上述的方法中的全部或部分步骤。当然处理组件也可以为一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述图2或图5实施例所述的图形重建方法。
162.存储组件401被配置为存储各种类型的数据以支持在终端的操作。存储组件可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
163.当然，计算设备必然还可以包括其他部件，例如输入/输出接口、通信组件等。输入/输出接口为处理组件和外围接口模块之间提供接口，上述外围接口模块可以是输出设备、输入设备等。通信组件被配置为便于计算设备和其他设备之间有线或无线方式的通信等。
164.本技术实施例还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被计算机执行时可以实现上述图2或图5所示实施例的图形重建方法。
165.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
166.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
167.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
168.最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。