【文章內(nèi)容簡(jiǎn)介】 進(jìn)行的，而圖形基元(線段、圓、圓弧、交叉點(diǎn)、切點(diǎn)等)的圖像點(diǎn)陣一般要比3*3的跟蹤模板大得多，故細(xì)化時(shí)會(huì)丟失圖像信息。一般會(huì)造成節(jié)點(diǎn)(交叉點(diǎn))畸變、直線抖動(dòng)，產(chǎn)生細(xì)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。為了克服這一缺點(diǎn)，研究人員進(jìn)一步提出了調(diào)整邊界重復(fù)細(xì)化的技術(shù)，該項(xiàng)技術(shù)主要包括調(diào)整標(biāo)識(shí)規(guī)則以及改變窗口的尺寸等。例如，Dinneen運(yùn)用的是一個(gè)3*7的窗口，而O’Gorman把重復(fù)細(xì)化方法推廣到運(yùn)用KxK尺寸的窗口。雖然這些修改在速度和精確度方面獲得了改進(jìn)，但改進(jìn)的效果并不是很明顯。為了進(jìn)一步提高矢量化效果，譚柏珠等人提出了一種基于知識(shí)的窗口矢量化技術(shù)。由于該方法把標(biāo)識(shí)窗口的大小定義為是可以自適應(yīng)變化的，因而該方法能夠較準(zhǔn)確地提取圖像的骨架，并且對(duì)于交叉點(diǎn)的識(shí)別也比常規(guī)的細(xì)化方法要準(zhǔn)確。(2)適當(dāng)骨架化法 Davies和Hummer定義了適當(dāng)骨架化細(xì)化方法。這種方法通過(guò)把Stefanell和Rosenfeld的算法與邊界追蹤細(xì)化算法所得到的骨架點(diǎn)進(jìn)行合并，得到兩個(gè)像素寬的骨架，然后再細(xì)化為一個(gè)像素寬的骨架。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(jì)算量較大。以上對(duì)基于細(xì)化的矢量化算法進(jìn)行了簡(jiǎn)單的描述和分析?？傊?，采用基于細(xì)化的矢量化算法，首先需要對(duì)包含各種寬度線型的圖形進(jìn)行細(xì)化處理，獲得只有一個(gè)像素寬度的圖線的骨架信息，骨架信息基本保存了圖線的方向、起點(diǎn)、終點(diǎn)、長(zhǎng)度等參數(shù)。然后，對(duì)細(xì)化后的圖形進(jìn)行鏈碼跟蹤，再對(duì)編碼信息進(jìn)行矢量化。也可以直接對(duì)細(xì)化結(jié)果進(jìn)行跟蹤，在跟蹤的過(guò)程中同時(shí)進(jìn)行直線或者圓擬合?；诩?xì)化的矢量化算法有以下幾個(gè)優(yōu)點(diǎn)：細(xì)化后的骨架信息能夠較好的保留原有圖像的拓?fù)湫畔ⅲ瑫r(shí)降低了矢量化時(shí)的處理數(shù)據(jù)量，使后續(xù)的跟蹤獲取矢量的過(guò)程比較簡(jiǎn)單，進(jìn)一步的圖形識(shí)別也比較容易。當(dāng)然，這種方法也有一定的缺點(diǎn)：有很高的時(shí)間復(fù)雜度，丟失線寬信息，細(xì)化算法會(huì)在交叉區(qū)域處容易發(fā)生畸變以及錯(cuò)誤的分支，從而影響后續(xù)矢量處理的準(zhǔn)確性。同時(shí)，矢量化的結(jié)果丟失了圖線寬度信息，需要通過(guò)其它處理恢復(fù)。此類(lèi)算法主要用于處理線寬信息不重要的圖像。在處理技術(shù)圖紙以及地圖學(xué)應(yīng)用中，當(dāng)原圖包含直線、圓以及基于這些基本元素并且沒(méi)有填充物體的光柵圖像時(shí)，使用這種算法往往能產(chǎn)生很好的效果。 基于非細(xì)化的矢量化算法相對(duì)于基于細(xì)化的矢量化算法，基于非細(xì)化的矢量化算法不必先對(duì)光柵圖像中的線體細(xì)化，提取中心骨架線，而是直接追蹤光柵圖像中的線體邊界進(jìn)行矢量化。目前基于非細(xì)化的矢量化方法主要有四種：基于輪廓線的方法，基于網(wǎng)格模式的方法，基于游碼的方法以及正交方向轉(zhuǎn)換方法。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(xì)化計(jì)算量為目的，在取樣中心軸點(diǎn)之前盡量減少數(shù)據(jù)量。主要思想是首先找到線體的形狀，即圖線的邊緣輪廓信息，然后對(duì)圖線邊緣的輪廓信息進(jìn)行對(duì)稱(chēng)搜索，在該過(guò)程中獲得圖線的中軸骨架矢量，取樣和跟蹤中心軸點(diǎn)的操作同時(shí)進(jìn)行。這和基于細(xì)化的算法，在所有中心軸點(diǎn)取樣之后再進(jìn)行線段跟蹤操作的方法是不同的。該算法能夠避免氣泡、毛刺等缺陷對(duì)轉(zhuǎn)換結(jié)果的影響，提高了轉(zhuǎn)換的正確性，比細(xì)化算法的速度要快很多。這類(lèi)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(wèn)題。(2)基于網(wǎng)格模式的方法：網(wǎng)格模式是由Linetal首先引入，它的基本思想是：首先，用給定的正方形網(wǎng)格分割圖象，通過(guò)核對(duì)每個(gè)網(wǎng)格邊界上黑色像素的分布識(shí)別特征模式，圖像中的每個(gè)網(wǎng)格都用它的特征模式標(biāo)識(shí)所代替，然后分析網(wǎng)格的特征模式，對(duì)線段進(jìn)行獲取和跟蹤操作。這種方法，由于只考慮網(wǎng)格邊框上的圖像信息，忽略了網(wǎng)格內(nèi)部的信息，使得研究問(wèn)題得到了簡(jiǎn)化。但是由于網(wǎng)格尺寸很難控制，往往會(huì)因?yàn)榫W(wǎng)格大小的選擇而引發(fā)一系列問(wèn)題。如果網(wǎng)格尺寸太小，則容易錯(cuò)誤連接間隙很小的斷開(kāi)線以及錯(cuò)誤合并很接近的平行線等。如果網(wǎng)格尺寸太大，就會(huì)使得網(wǎng)格內(nèi)的情況太復(fù)雜而難以分析。(3)基于游碼的方法：Monagan和Roosli對(duì)游碼圖作了形式化的定義，即把游碼圖定義為光柵圖像在線段識(shí)別以前的一種半矢量表示法。游碼表示法能充分表達(dá)線圖的結(jié)構(gòu)，并且可以有效地進(jìn)行線段抽取，信息保存，實(shí)現(xiàn)起來(lái)也較為容易。缺點(diǎn)是在構(gòu)建游碼圖時(shí)，需要花費(fèi)大量的時(shí)間；由于游碼方向改變或邊上的噪音點(diǎn)等因素，導(dǎo)致交叉區(qū)域的不準(zhǔn)確定位從而產(chǎn)生了不準(zhǔn)確的交叉點(diǎn)。因此這種方法不適用于曲線段的矢量化。(4)正交方向轉(zhuǎn)換方法：正交方向轉(zhuǎn)換方法是由Doff提出的一種矢量化方法。它的基本思想是：跟蹤一個(gè)像素寬的光柱路線，每當(dāng)碰到黑色區(qū)域的邊界時(shí)跟蹤路線作正交轉(zhuǎn)換，并記錄正交方向上游碼的中點(diǎn)，此處游碼指的是光柱所經(jīng)過(guò)的黑色區(qū)域。該方法首先需要給定游碼長(zhǎng)度的最大閾值，如果游碼長(zhǎng)度大于這個(gè)閾值，則在最大闡值處停止；否則就進(jìn)行正交方向上路線的跟蹤，并記錄正交方向上游碼的中點(diǎn)，掃描軌跡在黑色區(qū)域內(nèi)取正交方向后再繼續(xù)進(jìn)行正交方向轉(zhuǎn)換的流程。該方法對(duì)圖像采取稀疏取樣，因而使正交方向轉(zhuǎn)換方法效率很高。然而，該方法對(duì)圖像中的噪聲很敏感，曲線圖像的矢量化結(jié)果可能會(huì)在端點(diǎn)處產(chǎn)生重疊的線條或錯(cuò)誤的間隙。因此，這種方法不適合曲線圖像的矢量化。為了使矢量化算法更加完善，Liu和Dori在正交方向轉(zhuǎn)換方法的基礎(chǔ)上，研究形成了稀疏像素矢量化算法。該算法就效率和形狀保存來(lái)說(shuō)是很好的，可以用于任意種類(lèi)的線圖和技術(shù)文檔的初步矢量化。稀疏像素矢量化算法的主要缺點(diǎn)是在以圓心為原點(diǎn)，斜率絕對(duì)值等于l的四個(gè)特定位置上易產(chǎn)生斷裂的現(xiàn)象。 整體矢量化算法由于基于細(xì)化的矢量化算法采用的是保留中心骨架，剔除邊緣點(diǎn)的方法?；诜羌?xì)化的矢量化算法是直接追蹤光柵圖像的線體邊界從而加以矢量化。所以這兩種方法雖然都有自身的優(yōu)點(diǎn)，但都不能完全正確地反映圖像信息。因此，一些學(xué)者開(kāi)始探討利用圖像的整體信息進(jìn)行矢量化或特征提取。浙江大學(xué)的譚建榮等人在國(guó)內(nèi)率先提出了工程圖掃描圖像的整體識(shí)別思路，力圖從宏觀上進(jìn)行整體識(shí)別。他的核心思想是：關(guān)注整個(gè)圖像的拓?fù)浣Y(jié)構(gòu)，用尺寸約束、校正圖形，最長(zhǎng)線素優(yōu)先識(shí)別，實(shí)行動(dòng)態(tài)采樣，智能剔除壞點(diǎn)。相比于傳統(tǒng)的細(xì)化算法，整體識(shí)別的思路深化了對(duì)矢量化問(wèn)題的認(rèn)識(shí)，是對(duì)工程圖紙掃描識(shí)別的巨大突破。從目前的文獻(xiàn)分析，整體矢量化算法大致分為兩類(lèi)：一類(lèi)算法是首先掃描圖像中的所有掃描段，組成連通域結(jié)構(gòu)，再將所有圖形的圖段組織成掃描段結(jié)構(gòu)，尋找符合各類(lèi)線型特征的種子圖段，據(jù)此確定線型的初始集合參數(shù)。然后根據(jù)圖段之間的位置關(guān)系，跟蹤出組成同一線型的所有圖段，并確定最終幾何參數(shù)；王金鶴等人提出的首先通過(guò)掃描段按照“線寬相同”的準(zhǔn)則，將整個(gè)圖像劃分成很多寬度相同的條塊，然后將寬度相同的條塊合并，對(duì)合并后的條塊進(jìn)行矢量化，最終完成對(duì)整個(gè)圖形的矢量化工作。另一類(lèi)算法不需要首先對(duì)連通段進(jìn)行掃描歸類(lèi)，而是在對(duì)圖形掃描的過(guò)程中，對(duì)行程段直接進(jìn)行編碼。通過(guò)檢測(cè)圖線的不同前進(jìn)方向，動(dòng)態(tài)獲取線寬信息，得到跟蹤方向，進(jìn)而迸行后續(xù)矢量化處理。使用該算法在圖像上搜索掃描時(shí)，并不是沿固定的x或Y方向掃描，而是根據(jù)實(shí)際的線寬信息動(dòng)態(tài)決定沿x還是Y方向掃描。因?yàn)檠貑我环较驋呙栌幸欢ǖ娜秉c(diǎn)，假如沿水平方向掃描，在處理水平線時(shí)，容易丟失附著在水平線上的其它信息，不易獲得線寬信息，不易分割具有不同線寬的水平線。因此，跟蹤提取某一基元時(shí)，該算法采用“最短線寬”的原則來(lái)確定掃描方向。宋曉宇等人提出了一種基于動(dòng)態(tài)掃描、參數(shù)指導(dǎo)跟蹤、動(dòng)態(tài)跟蹤步長(zhǎng)的矢量化算法就屬于該類(lèi)算法。該算法不需要對(duì)掃描獲得的圖像進(jìn)行預(yù)處理，而是在對(duì)圖像掃描的過(guò)程中，從跟蹤點(diǎn)開(kāi)始，根據(jù)“最短線寬”原則確定當(dāng)前的直線段跟蹤方向，估計(jì)直線段斜率，確定直線段寬度，從而建立參數(shù)頭。在建立了跟蹤圖形的參數(shù)頭信息后，算法對(duì)直線的跟蹤采用動(dòng)態(tài)步長(zhǎng)跟蹤的方式，不是連續(xù)對(duì)跟蹤方向上的每個(gè)點(diǎn)進(jìn)行掃描，而是直接預(yù)測(cè)直線上的下一點(diǎn)。判斷試探點(diǎn)的連通性，只要直線能夠穿越該區(qū)域，就認(rèn)為直線應(yīng)該延長(zhǎng)到這里。跟蹤過(guò)程中的關(guān)鍵是動(dòng)態(tài)調(diào)整跟蹤步長(zhǎng)，若當(dāng)前試探點(diǎn)連通，則將跟蹤步長(zhǎng)乘以2，繼續(xù)下一個(gè)試探點(diǎn)；若當(dāng)前試探點(diǎn)不連通，則將跟蹤步長(zhǎng)除以2，計(jì)算新的試探點(diǎn)，從而進(jìn)行新的跟蹤和判斷。整體識(shí)別算法能夠在矢量化的過(guò)程中同時(shí)獲得圖線寬度信息?？梢酝ㄟ^(guò)采用不同的跟蹤方式降低噪聲以及直線缺損、斷裂的影響，能夠獲得較好的識(shí)別效果。 本章首先簡(jiǎn)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(xì)化和非細(xì)化和整體化矢量化算法，并對(duì)幾種算法做了簡(jiǎn)單的比較。 彩色圖像輪廓提取及其矢量化 12第四章 輪廓提取和矢量化的具體實(shí)現(xiàn) BMP文件格式簡(jiǎn)介BMP位圖文件是Windows操作系統(tǒng)中常用的一種圖像文件格式，也是最初形式的圖片格式，其他的常用格式還有GIF，JPEG等。BMP格式將圖像數(shù)據(jù)不經(jīng)過(guò)任何壓縮而直接按位顯示和存儲(chǔ)，即位圖（bitmap）文件。本文中對(duì)圖像的算法編程都是針對(duì)BMP圖像文件的。BMP圖像文件被分為4個(gè)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)。位圖文件頭是一個(gè)結(jié)構(gòu)體類(lèi)型，長(zhǎng)度是固定的14個(gè)字節(jié)，其中包括位圖文件類(lèi)型bfType、位圖文件大小bfSize（包括這14個(gè)字節(jié)）、Windows保留字bfReservered1和bfReservered2，以及從文件頭到實(shí)際的位圖數(shù)據(jù)的偏移字節(jié)數(shù)bfOffBits。位圖信息頭也是一個(gè)結(jié)構(gòu)體類(lèi)型的數(shù)據(jù)結(jié)構(gòu)，長(zhǎng)度固定為40個(gè)字節(jié)。其中內(nèi)容豐富，重要的內(nèi)容有：位圖的寬度biWidth、位圖的高度biHeight和每個(gè)像素所占的位數(shù)biBitCount。顏色表是一個(gè)RGBQUAD結(jié)構(gòu)的數(shù)組，長(zhǎng)度由位圖信息頭中的biClrUsed指定。一個(gè)RGBQUAD結(jié)構(gòu)包括4個(gè)BYTE型元素rgbBlue、rgbGreen、rgbRed和rgbReserved，分別代表該顏色的藍(lán)色分量、綠色分量、紅色分量和保留字節(jié)。顏色表的具體介紹將在第五章中詳細(xì)講述。最后的是位圖數(shù)據(jù)，它以二維數(shù)組的形式，記錄了該圖像的每一個(gè)像素值，緊跟在位圖文件頭、位圖信息頭和顏色表之后。對(duì)于2色圖（只有純黑、純白兩種顏色），每個(gè)像素值用一個(gè)比特就可以表示；對(duì)于16色圖，需要4位；對(duì)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(gè)字節(jié)；而對(duì)于真彩色圖，由于每個(gè)分量由均為8位的三個(gè)基色分量表示，故每個(gè)像素需要24位表示，即3個(gè)字節(jié)。 基于顏色三角形的彩色圖像邊緣檢測(cè) 利用像素點(diǎn)的顏色坐標(biāo)RGB構(gòu)建像素的顏色三角形，計(jì)算該三角形的周長(zhǎng)和內(nèi)角。將周長(zhǎng)和內(nèi)角作為像素點(diǎn)的信息量的度量。通過(guò)像素