【文章內(nèi)容簡介】 進行的，而圖形基元(線段、圓、圓弧、交叉點、切點等)的圖像點陣一般要比3*3的跟蹤模板大得多，故細化時會丟失圖像信息。一般會造成節(jié)點(交叉點)畸變、直線抖動，產(chǎn)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。為了克服這一缺點，研究人員進一步提出了調(diào)整邊界重復(fù)細化的技術(shù)，該項技術(shù)主要包括調(diào)整標識規(guī)則以及改變窗口的尺寸等。例如，Dinneen運用的是一個3*7的窗口，而O’Gorman把重復(fù)細化方法推廣到運用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，但改進的效果并不是很明顯。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(shù)。由于該方法把標識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確地提取圖像的骨架，并且對于交叉點的識別也比常規(guī)的細化方法要準確。(2)適當(dāng)骨架化法 Davies和Hummer定義了適當(dāng)骨架化細化方法。這種方法通過把Stefanell和Rosenfeld的算法與邊界追蹤細化算法所得到的骨架點進行合并，得到兩個像素寬的骨架，然后再細化為一個像素寬的骨架。該方法能夠保證很高的精確度，并能保證骨架的連續(xù)性，但所需的計算量較大。以上對基于細化的矢量化算法進行了簡單的描述和分析?？傊?，采用基于細化的矢量化算法，首先需要對包含各種寬度線型的圖形進行細化處理，獲得只有一個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、終點、長度等參數(shù)。然后，對細化后的圖形進行鏈碼跟蹤，再對編碼信息進行矢量化。也可以直接對細化結(jié)果進行跟蹤，在跟蹤的過程中同時進行直線或者圓擬合。基于細化的矢量化算法有以下幾個優(yōu)點：細化后的骨架信息能夠較好的保留原有圖像的拓撲信息，同時降低了矢量化時的處理數(shù)據(jù)量，使后續(xù)的跟蹤獲取矢量的過程比較簡單，進一步的圖形識別也比較容易。當(dāng)然，這種方法也有一定的缺點：有很高的時間復(fù)雜度，丟失線寬信息，細化算法會在交叉區(qū)域處容易發(fā)生畸變以及錯誤的分支，從而影響后續(xù)矢量處理的準確性。同時，矢量化的結(jié)果丟失了圖線寬度信息，需要通過其它處理恢復(fù)。此類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有填充物體的光柵圖像時，使用這種算法往往能產(chǎn)生很好的效果。 基于非細化的矢量化算法相對于基于細化的矢量化算法，基于非細化的矢量化算法不必先對光柵圖像中的線體細化，提取中心骨架線，而是直接追蹤光柵圖像中的線體邊界進行矢量化。目前基于非細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。主要思想是首先找到線體的形狀，即圖線的邊緣輪廓信息，然后對圖線邊緣的輪廓信息進行對稱搜索，在該過程中獲得圖線的中軸骨架矢量，取樣和跟蹤中心軸點的操作同時進行。這和基于細化的算法，在所有中心軸點取樣之后再進行線段跟蹤操作的方法是不同的。該算法能夠避免氣泡、毛刺等缺陷對轉(zhuǎn)換結(jié)果的影響，提高了轉(zhuǎn)換的正確性，比細化算法的速度要快很多。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。(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，通過核對每個網(wǎng)格邊界上黑色像素的分布識別特征模式，圖像中的每個網(wǎng)格都用它的特征模式標識所代替，然后分析網(wǎng)格的特征模式，對線段進行獲取和跟蹤操作。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，使得研究問題得到了簡化。但是由于網(wǎng)格尺寸很難控制，往往會因為網(wǎng)格大小的選擇而引發(fā)一系列問題。如果網(wǎng)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。如果網(wǎng)格尺寸太大，就會使得網(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別以前的一種半矢量表示法。游碼表示法能充分表達線圖的結(jié)構(gòu)，并且可以有效地進行線段抽取，信息保存，實現(xiàn)起來也較為容易。缺點是在構(gòu)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(dǎo)致交叉區(qū)域的不準確定位從而產(chǎn)生了不準確的交叉點。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：跟蹤一個像素寬的光柱路線，每當(dāng)碰到黑色區(qū)域的邊界時跟蹤路線作正交轉(zhuǎn)換，并記錄正交方向上游碼的中點，此處游碼指的是光柱所經(jīng)過的黑色區(qū)域。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(nèi)取正交方向后再繼續(xù)進行正交方向轉(zhuǎn)換的流程。該方法對圖像采取稀疏取樣，因而使正交方向轉(zhuǎn)換方法效率很高。然而，該方法對圖像中的噪聲很敏感，曲線圖像的矢量化結(jié)果可能會在端點處產(chǎn)生重疊的線條或錯誤的間隙。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說是很好的，可以用于任意種類的線圖和技術(shù)文檔的初步矢量化。稀疏像素矢量化算法的主要缺點是在以圓心為原點，斜率絕對值等于l的四個特定位置上易產(chǎn)生斷裂的現(xiàn)象。 整體矢量化算法由于基于細化的矢量化算法采用的是保留中心骨架，剔除邊緣點的方法?；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。所以這兩種方法雖然都有自身的優(yōu)點，但都不能完全正確地反映圖像信息。因此，一些學(xué)者開始探討利用圖像的整體信息進行矢量化或特征提取。浙江大學(xué)的譚建榮等人在國內(nèi)率先提出了工程圖掃描圖像的整體識別思路，力圖從宏觀上進行整體識別。他的核心思想是：關(guān)注整個圖像的拓撲結(jié)構(gòu)，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。相比于傳統(tǒng)的細化算法，整體識別的思路深化了對矢量化問題的認識，是對工程圖紙掃描識別的巨大突破。從目前的文獻分析，整體矢量化算法大致分為兩類：一類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掃描段按照“線寬相同”的準則，將整個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，對合并后的條塊進行矢量化，最終完成對整個圖形的矢量化工作。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。通過檢測圖線的不同前進方向，動態(tài)獲取線寬信息，得到跟蹤方向，進而迸行后續(xù)矢量化處理。使用該算法在圖像上搜索掃描時，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。因為沿單一方向掃描有一定的缺點，假如沿水平方向掃描，在處理水平線時，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，該算法采用“最短線寬”的原則來確定掃描方向。宋曉宇等人提出了一種基于動態(tài)掃描、參數(shù)指導(dǎo)跟蹤、動態(tài)跟蹤步長的矢量化算法就屬于該類算法。該算法不需要對掃描獲得的圖像進行預(yù)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(dāng)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。在建立了跟蹤圖形的參數(shù)頭信息后，算法對直線的跟蹤采用動態(tài)步長跟蹤的方式，不是連續(xù)對跟蹤方向上的每個點進行掃描，而是直接預(yù)測直線上的下一點。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(yīng)該延長到這里。跟蹤過程中的關(guān)鍵是動態(tài)調(diào)整跟蹤步長，若當(dāng)前試探點連通，則將跟蹤步長乘以2，繼續(xù)下一個試探點；若當(dāng)前試探點不連通，則將跟蹤步長除以2，計算新的試探點，從而進行新的跟蹤和判斷。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?？梢酝ㄟ^采用不同的跟蹤方式降低噪聲以及直線缺損、斷裂的影響，能夠獲得較好的識別效果。 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。 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現(xiàn) BMP文件格式簡介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)過任何壓縮而直接按位顯示和存儲，即位圖（bitmap）文件。本文中對圖像的算法編程都是針對BMP圖像文件的。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)。位圖文件頭是一個結(jié)構(gòu)體類型，長度是固定的14個字節(jié)，其中包括位圖文件類型bfType、位圖文件大小bfSize（包括這14個字節(jié)）、Windows保留字bfReservered1和bfReservered2，以及從文件頭到實際的位圖數(shù)據(jù)的偏移字節(jié)數(shù)bfOffBits。位圖信息頭也是一個結(jié)構(gòu)體類型的數(shù)據(jù)結(jié)構(gòu)，長度固定為40個字節(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和每個像素所占的位數(shù)biBitCount。顏色表是一個RGBQUAD結(jié)構(gòu)的數(shù)組，長度由位圖信息頭中的biClrUsed指定。一個RGBQUAD結(jié)構(gòu)包括4個BYTE型元素rgbBlue、rgbGreen、rgbRed和rgbReserved，分別代表該顏色的藍色分量、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像素值，緊跟在位圖文件頭、位圖信息頭和顏色表之后。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)。 基于顏色三角形的彩色圖像邊緣檢測 利用像素點的顏色坐標RGB構(gòu)建像素的顏色三角形，計算該三角形的周長和內(nèi)角。將周長和內(nèi)角作為像素點的信息量的度量。通過像素