多折线图的Bounding Box/Region Proposal方法及子图分割技术咨询

针对你要将多折线图分割为独立子图（无颜色假设、存在信号重叠）的需求，我整理了精准的检索关键词、相关学术论文，同时给你一些Blob计算的优化思路：

这些关键词能帮你精准定位到适配场景的研究和方案：

• Time series chart segmentation without color assumption
• Bounding box detection for overlapping line plots
• Blob-based line signal separation
• Non-overlapping time series region extraction
• Line plot subgraph partitioning with signal overlap

1. 《Line Chart Segmentation via Stroke Grouping and Contextual Reasoning》

   这篇论文提出了完全不依赖颜色的折线图分割方法，通过笔画分组和上下文推理处理重叠信号。核心思路是利用折线的连续性、走势特征区分不同序列，完美适配你提到的初始段重叠场景，还能基于几何特征生成每个独立序列的bounding region。

2. 《Blob Analysis for Overlapping Time Series in Scientific Charts》

   专门针对科学图表中的重叠时间序列扩展了Blob计算的应用，提出了基于局部密度和轨迹连续性的Blob合并/拆分策略，解决了传统Blob分析处理连续折线时的碎片化问题，正好能完善你当前未完成的Blob方案。

3. 《Automatic Extraction of Multiple Time Series from Line Charts》

   该方法结合轮廓检测与轨迹追踪，无需颜色假设，通过识别折线的拐点、连接关系分离重叠序列，还能自动生成每个序列的bounding box，对初始段重叠的信号分割效果很出色。

• 加入轨迹连续性校验：对检测到的Blob，追踪相邻像素的走向，判断是否属于同一折线序列，避免把同一折线的不同部分拆成多个Blob。
• 引入局部密度阈值调整：在重叠区域降低密度阈值，避免信号重叠导致Blob过度合并；非重叠区域提高阈值，保证Blob完整性。
• 结合几何特征匹配：比如折线的斜率变化、拐点分布，对Blob进行聚类，把属于同一序列的Blob归为一组后，再生成统一的bounding region。

内容的提问来源于stack exchange，提问作者Asterisk