【正文】 信息。為保證其它組件的信息不因該組件的刪除而被破壞，需要恢復因和該組件重疊而被刪除的部分；繼續(xù)搜索輪廓點，直到圖中所有像素都為白色，由于有的組件有多條輪廓，所以在得到所有輪廓以后，還要將屬于同一組件的輪廓組合起來。其核心過程就是在圖像上移動一個窗口，并運用一套規(guī)則來標識窗口的中心。一般會造成節(jié)點(交叉點)畸變、直線抖動，產生細碎矢量和斷線等毛病，從而引起圖形矢量化和圖形解釋的困難。為了進一步提高矢量化效果，譚柏珠等人提出了一種基于知識的窗口矢量化技術。該方法能夠保證很高的精確度，并能保證骨架的連續(xù)性，但所需的計算量較大。也可以直接對細化結果進行跟蹤，在跟蹤的過程中同時進行直線或者圓擬合。此類算法主要用于處理線寬信息不重要的圖像。以下分別介紹這四種矢量化算法：(1)基于輪廓跟蹤的方法：該方法以降低細化計算量為目的，在取樣中心軸點之前盡量減少數(shù)據(jù)量。這類算法所面臨的主要困難是不能很好地解決交叉區(qū)域的問題。如果網格尺寸太小，則容易錯誤連接間隙很小的斷開線以及錯誤合并很接近的平行線等。缺點是在構建游碼圖時，需要花費大量的時間；由于游碼方向改變或邊上的噪音點等因素，導致交叉區(qū)域的不準確定位從而產生了不準確的交叉點。該方法首先需要給定游碼長度的最大閾值，如果游碼長度大于這個閾值，則在最大闡值處停止；否則就進行正交方向上路線的跟蹤，并記錄正交方向上游碼的中點，掃描軌跡在黑色區(qū)域內取正交方向后再繼續(xù)進行正交方向轉換的流程。為了使矢量化算法更加完善，Liu和Dori在正交方向轉換方法的基礎上，研究形成了稀疏像素矢量化算法?；诜羌毣氖噶炕惴ㄊ侵苯幼粉櫣鈻艌D像的線體邊界從而加以矢量化。他的核心思想是：關注整個圖像的拓撲結構，用尺寸約束、校正圖形，最長線素優(yōu)先識別，實行動態(tài)采樣，智能剔除壞點。另一類算法不需要首先對連通段進行掃描歸類，而是在對圖形掃描的過程中，對行程段直接進行編碼。因此，跟蹤提取某一基元時，該算法采用“最短線寬”的原則來確定掃描方向。判斷試探點的連通性，只要直線能夠穿越該區(qū)域，就認為直線應該延長到這里。 本章首先簡單介紹了矢量化的基本思想，然后又討論了了幾種已有的算法，即基于細化和非細化和整體化矢量化算法，并對幾種算法做了簡單的比較。BMP圖像文件被分為4個部分：位圖文件頭（BITMAPFILEHEADER）、位圖信息頭（BITMAPINFOHEADER）、顏色表（RGBQUAD）和位圖數(shù)據(jù)。顏色表是一個RGBQUAD結構的數(shù)組，長度由位圖信息頭中的biClrUsed指定。對于2色圖（只有純黑、純白兩種顏色），每個像素值用一個比特就可以表示；對于16色圖，需要4位；對于256位圖（本文中所處理的灰度圖均為256位圖），需要8位，即1個字節(jié)；而對于真彩色圖，由于每個分量由均為8位的三個基色分量表示，故每個像素需要24位表示，即3個字節(jié)。這種邊緣檢測方法，在一定程度上合理地考慮了各個顏色分量的相關性，將向量空間的計算以自然的方式轉換成了標量的計算，算法實現(xiàn)簡單且檢測出的邊緣清晰?？梢钥闯觯S著三角形形狀的變化顏色也在變化，而三角形形狀變化的實質是r、g、b的值在變，它也是顏色變化的根本原因。第三類，周長和對應角度差在閾值范圍內，我們可認為相鄰像素屬于同一區(qū)域。Prewitt是利用兩個方向模板與臨域進行卷積完成邊緣檢測的，這兩個方向模板：一個檢測水平方向，一個檢測垂直方向，: 1 1 1 0 0 0 1 1 1 (a) 水平模板 (b) 垂直模板 在本文中，為了增加算法的精確性，增加了兩個模板，用于檢測450和1350方向,: 1 1 0 1 0 1 0 1 1 0 1 1 1 0 1 1 1 0 圖 (a) 45176。對應角度的差值(△a, △b, △c)的絕對值之和得到水平模板的角度梯度P1。它們的坐標分別為(x+1,y)，(x1,y)，(x,y+1)，(x,y1)。(a) 4鄰域 (b) 8鄰域(2)像素的連通：像素間的連通性是一個基本概念。 (3)ITI鄰接(混合連接)：2個像素P和r在V中取值且滿足下列條件之一，則它們?yōu)閙連接。因為總體掃描方向是從上到下，所以首先遇到的是外輪廓最左上角的點。然后以第二個邊界點為當前邊界點，以第一個邊界點為上一個邊界點，共同來確定下一個邊界點，設定當前邊界點和上一個邊界點確定的方向為基準方向。當搜索到下一個邊界點之后，將當前點的坐標賦于上一個邊界點，找到的下一個邊界點設置成當前邊界點。由于對每個區(qū)域邊界跟蹤結束的唯一條件是邊界線的首尾點彼此重合，因而跟蹤出來的結果是必然連續(xù)的、封閉的。(2)在A、P之間的輪廓點上重復(1)的做法，直到找到一點x，使邊上A與x之間的點距直線AX的距離均小于閾值。 P（4）其中閾值是自己可以設定的，對于不同的閾值，矢量化的結果也不同，閾值則所需的過大存儲空間小，但是模擬的效果差，閾值小則相反A BL動態(tài)分割擬合示意圖 圖元顏色屬性的確定于彩色圖像其顏色分布非常復雜，同一圖元中的像素其顏色值往往相差很大。其中d=6時，結果保存的線段的終點如圖413： first x= 17,y= 32 (起點坐標) last x= 18,y= 32 (終點坐標)*******( 26, 69)**************( 19, 95)**************( 41, 88)**************( 66,108)**************(101,116)**************(108,129)**************(122,127)**************(117,100)**************( 89, 96)**************( 68, 53)**************( 78, 46)**************( 57, 32)**************( 43, 1)**************( 34, 1)**************( 18, 32)*******圖413 矢量經過的坐標點下圖為上邊線段的顏色屬(R,G,B)值：*******( 43, 48, 47)**************( 40, 236, 244)**************( 20, 49, 45)**************( 49, 33, 36)**************( 49, 46, 49)**************( 15, 211, 212)**************( 49, 48, 49)**************( 49, 49, 49)**************( 49, 48, 49)**************( 0, 189, 192)**************( 41, 251, 1)**************( 49, 47, 49)**************( 239, 161, 178)**************( 49, 48, 49)**************( 49, 18, 30)*******圖 414 矢量化線段的顏色屬性 本章總結 在本文中我們利用r、g、b系數(shù)的值建立新的三角形定義RGB空間某一點的彩色信息量J=l。 致謝 32 第五章 結論本畢業(yè)設計針對24位真彩圖BMP圖像，完成了圖像邊緣提取，外輪廓跟蹤和外輪廓的矢量化，作者用比較新的三角形算法實現(xiàn)了將三維通道的向量轉換到標量的梯度計算。致謝 經過近3個月時間，這篇論文終于完成了。一周一次的見面答疑和進度監(jiān)督幫助我更快更好地完成了這項工作。最后要感謝的是各位專家和評委能夠耐心地審閱這篇論文。同時要感謝的是我身邊的同學們，在這期間他們給了我很大的幫助，對于一些類如C語言、VC使用上的問題，他們對我有著不少的點撥，沒有他們的幫忙，這篇論文不會完成得這么快。在這里，我要對那些在這期間給予我?guī)椭娜吮硎局孕牡母兄x。所開發(fā)的簡易圖像處理工具具有使用價值，可有效地對BMP圖像進行外輪廓提取和矢量化。而判斷某像素點是否邊緣點可根據(jù)圖像中該像素的彩色信息量的度量體來進行，這樣就將原來某一點的彩色信息由向量度量轉化成了標量度量。因此，本文采用如下的處理方法：每一線段中的各像素采用同一種顏色，即該圖元所包含的所有像素其顏色的平均值作為該線段的顏色屬性,最終，得到的矢量化結果就是一些線段結構體，結構體有起點，終點，以及顏色屬性。(3)在輪廓點X與B之間重復步驟(1)和(2)，即可將整條曲線用短直線擬合。在實踐當中，各個節(jié)點之間的邊并不總是直線，出現(xiàn)各種曲線的情況非常普遍，這些曲線的識別和快速顯示是矢量化系統(tǒng)實用性的重要標志之一。如此循環(huán)，當下一個邊界點的坐標與第一個邊界點的坐標相同時，該區(qū)域的外邊界跟蹤完畢。以該優(yōu)先方向為當前起始搜索方向，順時針方向上的第一個非零點即為下一個邊界點。如果第一個點的右方是非零點，那么這個非零點就是第二個邊界點。例如，在具有0、1的二值圖像中，兩個像素可能是4．鄰接的，但是，僅僅當它們具有同一灰度值時才能說是連通的。為定義像素間的連通性，定義以下三種鄰接情況：(1)4鄰按：2個像素p和r在V中取值且r在N4(P)中，則它們?yōu)?鄰接。坐標為(x，y)的像素p與它各個4鄰域近鄰像素是1個單位距離。 ，其中a為梯度平均值，k為閾值的大小。模板對于彩色圖像f(i,j)按照基于三角相似度的邊緣檢測算法，Prewitt算子對于邊長的定義為：L1=l(xl，y1)+l(xl，y)+l(x1，y+1)l(x+1，y1)l(x+1，y)l(x+1，y+1) 式(41)L2=l(xl，y1)+l(x，y1)+l(x+1，y1)l(x1，y+1)l(x，y+1)l(x+1，y+1) 式(42)L3=l(xl，y1)+l(xl，y)+l(x+1，y1)l(x+1，y+1)l(x+1，y)l(x+1，y1) 式(43)L4=l(x+l，y1)+l(x，y1)+l(x+1，y)l(x1，y+1)l(x1，y)l(x，y+1) 式(44) 若l1,l2,l3,l4其中之一大于閾值則認為f(x，y)為邊緣。由此，可以通過上述方法判斷兩個像素之間顏色的差異，進而得到圖像的邊緣。而通常顏色相差較大處存在邊緣：第二類，由于構成三角形的r、g、b為任意長度，因此存在相當一部分三角形其周長相差不大但對應角度相差較大；： (a) 等邊顏色三角形 (b) 直角顏色三角形(a)為等邊三角形，周長La=160+160+1州80，其填充色即為r=160,g=160，b=160的顏色。我們在顏色與三角形的形狀之間建立聯(lián)系，將每個像素的r、g、b系數(shù)的值分別對應到同一個三角形的三條邊上，任意改變r、g、b的值即改變顏色，同時也改變對應三角形的形狀。將周長和內角作為像素點的信息量的度量。顏色表的具體介紹將在第五章中詳細講述。位圖信息頭也是一個結構體類型的數(shù)據(jù)結構，長度固定為40個字節(jié)。BMP格式將圖像數(shù)據(jù)不經過任何壓縮而直接按位顯示和存儲，即位圖（bitmap）文件。整體識別算法能夠在矢量化的過程中同時獲得圖線寬度信息。該算法不需要對掃描獲得的圖像進行預處理，而是在對圖像掃描的過程中，從跟蹤點開始，根據(jù)“最短線寬”原則確定當前的直線段跟蹤方向，估計直線段斜率，確定直線段寬度，從而建立參數(shù)頭。使用該算法在圖像上搜索掃描時，并不是沿固定的x或Y方向掃描，而是根據(jù)實際的線寬信息動態(tài)決定沿x還是Y方向掃描。從目前的文獻分析，