【正文】 們需要的起始點，然后就可以開始對外輪廓進(jìn)行跟蹤了，這里我們要用到基于優(yōu)先搜索方向的算法，它的具體步驟如下：首先從圖像首行開始向下逐行逐列掃描，以起點開始，在其4鄰域或者8鄰域?qū)ふ曳橇泓c。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。若是在4鄰域里尋找邊界點，那么第二個邊界點的候選點就只可能在第一個邊界點的右面或者下面的一個非零點。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。如果第一個點的右邊是零點而下方是非零點，則該非零點為第二個邊界點，否則，該區(qū)域為單點區(qū)域。然后以第二個邊界點為當(dāng)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(shè)定當(dāng)前邊界點和上一個邊界點確定的方向為基準(zhǔn)方向。以基準(zhǔn)方向的外法線方向為優(yōu)先方向，在當(dāng)前邊界點的4鄰域里尋找下一個邊界點。以該優(yōu)先方向為當(dāng)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。同時，標(biāo)記每一個邊界點。當(dāng)搜索到下一個邊界點之后，將當(dāng)前點的坐標(biāo)賦于上一個邊界點，找到的下一個邊界點設(shè)置成當(dāng)前邊界點。然后再以當(dāng)前當(dāng)前邊界點和上一個邊界點為基準(zhǔn)，按照確定第3個邊界點的方式確定后面的邊界點。如此循環(huán)，當(dāng)下一個邊界點的坐標(biāo)與第一個邊界點的坐標(biāo)相同時，該區(qū)域的外邊界跟蹤完畢。由于在每個區(qū)域邊界點的搜尋和跟蹤過程中，從當(dāng)前點的哪個方向上開始搜索對整個過程起到至關(guān)重要的作用，所以將此方法稱為基于優(yōu)先搜索方向的邊界跟蹤方法。由于對每個區(qū)域邊界跟蹤結(jié)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(jié)果是必然連續(xù)的、封閉的。具體示意圖如下，：順時針優(yōu)先搜索順時針優(yōu)先搜索下個點當(dāng)前點●●下個點●●當(dāng)前點 (1) (2)當(dāng)前點下個點●順時針優(yōu)先搜索● 順時針優(yōu)先搜索下個點●● (3) (4) 方向優(yōu)先跟蹤示意圖 ： (a) 原圖 (b) 輪廓圖 (c) 外輪廓跟蹤圖 雙閾值外輪廓提取對于背景和主題顏色相差很大的圖像來說可以用上述的跟蹤法提取外輪廓，但是還有一些圖像背景和主題顏色有些相似，對于這種圖形的起始點很難選定，如果閾值很小，則雜點很多，起始點必然不能選中，如果閾值過大雜點變少了了，但是主輪廓又有斷裂的現(xiàn)象，,其中K為閾值，a為梯度平均值 (a) 原圖 (b) k=3a (c) k=10a 由上圖可知，k=6a時，起始點不能正確選取，k=10a時，起始點選取正確，但是輪廓又不能完整的提取出來，經(jīng)實驗得知，對于上邊的圖像不論用什么閾值都不能將外輪廓完整的提取出來這時就可以用雙閾值的方法，它的原理是：對于背景和主題顏色相差不大的圖像可以先用大閾值對圖像進(jìn)行輪廓提取，得到起始點以后進(jìn)行外輪廓的跟蹤，當(dāng)遇到斷點時，然后用一個小閾值再對原圖像進(jìn)行輪廓提取，在小閾值圖像的基礎(chǔ)上，找到斷點位置，在小閾值圖像上進(jìn)行外輪廓跟蹤，直到大閾值的連接處，如此循環(huán)，直至完整的外輪廓提取出來，: 雙閾值法 基于動態(tài)分割擬合的矢量化 在長期的矢量化研究過程中形成了以圖像細(xì)化、節(jié)點跟蹤、曲線擬合為主體的技術(shù)，其核心思想是把骨架圖上各個節(jié)點之間的邊當(dāng)作短矢量，然后按照某種合并算法將短適量合并為長矢量從而達(dá)到矢量化的目的。在實踐當(dāng)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(biāo)志之一。提取曲線上的關(guān)鍵點，用短直線擬合進(jìn)行擬合，可以用盡量少的數(shù)據(jù)表示曲線，有助于曲線的識別和快速顯示直線和圓弧的矢量化原理 動態(tài)分割擬合原理和步驟[7] 假設(shè)跟蹤得到的圖元輪廓共有M個輪廓點，起點為A，終點為B，具體方法如下：（1）連接兩個端點A、B構(gòu)成直線如圖2(a)中虛線所示，計算端點A、B之間的每個輪廓點至L的距離，找到距L最遠(yuǎn)的點P，若P至L的距離大于閾值，則連接A、P。(2)在A、P之間的輪廓點上重復(fù)(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。此時A與X之間的曲線可用直線AX擬合，將X保存。(3)在輪廓點X與B之間重復(fù)步驟(1)和(2)，即可將整條曲線用短直線擬合。擬合的結(jié)果如圖2(b)所示。 P（4）其中閾值是自己可以設(shè)定的，對于不同的閾值，矢量化的結(jié)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(fù)雜，同一圖元中的像素其顏色值往往相差很大?，F(xiàn)實中，對于矢量圖形以及矢量動畫的顏色要求并不如彩色圖像那么嚴(yán)格，如動畫制作軟件FLASH。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(jié)果就是一些線段結(jié)構(gòu)體，結(jié)構(gòu)體有起點，終點，以及顏色屬性。這樣就大大減少了圖像的存儲空間 矢量化圖的顯示點陣圖的數(shù)據(jù)存儲在一個二維矩陣中，經(jīng)過矢量化之后只需要存儲圖元的結(jié)構(gòu)體信息，在本文中即只需存儲存儲每條線段的起始點，終點，然后計算出線段的斜率，然后x方向或者y方向每次增加一個像素點的距離，根據(jù)斜率計算出坐標(biāo)y的大小然后根據(jù)顏色屬性顯示即可 總體實現(xiàn)流程圖：讀入BMP圖像手動修改輪廓閾值，得到彩色圖像的輪廓 輪廓有斷裂？是否利用雙閾值法提取完整輪廓利用方向優(yōu)先跟蹤得到外輪廓手動修改矢量化閾值，得到矢量化結(jié)果外輪廓矢量化結(jié)果的顯示圖 輪廓提取和矢量化流程圖圖412為上邊流程圖所對應(yīng)的處理的結(jié)果圖，其中，輪廓閾值為5倍的梯度平均值，矢量閾值d取不同的值時所對應(yīng)的矢量圖： 412(a) 原圖 圖412(b) 輪廓提取圖 412(c) 外輪廓跟蹤圖 圖412(d) 閾值d=2 圖412(e) 閾值d=6 圖412(f) 閾值d=8 由于外輪廓是單像素點，所以為了觀察清楚，這里在每個像素點的顏色分量上增加一定的值。其中d=6時，結(jié)果保存的線段的終點如圖413： first x= 17,y= 32 (起點坐標(biāo)) last x= 18,y= 32 (終點坐標(biāo))*******( 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(jīng)過的坐標(biāo)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(jié) 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。其中r、g、b為該點在RGB空間中的坐標(biāo)。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(jìn)行，這樣就將原來某一點的彩色信息由向量度量轉(zhuǎn)化成了標(biāo)量度量。然后又基于動態(tài)分割擬合算法將點陣圖矢量化，確定顏色屬性以及它的存儲。 致謝 32 第五章 結(jié)論本畢業(yè)設(shè)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(zhuǎn)換到標(biāo)量的梯度計算。并且用到了方向優(yōu)先和雙閾值算法對外輪廓進(jìn)行提取和改進(jìn)。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(jìn)行外輪廓提取和矢量化。但尚存在問題暫時未能解決：背景和主題差別模糊不清或者不是封閉的圖形可能效果不是很好；由于在矢量化出針對直線進(jìn)行擬合，沒考慮到二次擬合，結(jié)果不是十分理想，所以矢量化的工作還有待改進(jìn)。致謝 經(jīng)過近3個月時間，這篇論文終于完成了。在制作作品并撰寫論文期間，我在專業(yè)技術(shù)方面學(xué)到了很多新的知識，對未來的學(xué)習(xí)和工作也有了更多的激情。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。首先要感謝的是我的指導(dǎo)教師田玉敏教授，她常常在百忙之中抽空關(guān)心我的畢設(shè)進(jìn)展情況，在我寫論文時對我提出了很多有用的建議，當(dāng)我遇到的問題時對我有著耐心的指導(dǎo)和講解，做了大量的工作。一周一次的見面答疑和進(jìn)度監(jiān)督幫助我更快更好地完成了這項工作。田玉敏教授有著豐富的技術(shù)經(jīng)驗、嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度和出眾的人格魅力無一不使我敬仰，希望以后有機(jī)會能繼續(xù)和她合作。同時要感謝的是我身邊的同學(xué)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。在次也同樣對他們表示感謝。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。參考文獻(xiàn)[1]李慶華、王多強(qiáng)、[2][3]，[4][5]謝鳳英、 C++[5] 趙景秀、趙昭、[6] 柳稼航、楊建峰、單新尹、. 第19卷第3期2004年6月[7] 張旗、盧朝陽. 圖形矢量化中直線擬合與合并算法.《現(xiàn)代電子技術(shù)》2002年第3期總第134期 [8] 田玉敏、[9] Yangxing LIU. A Fully Automatic Approach of Color Image Edge Detection. IEEE International Conference on Systems, Man, and Cybernetics October 811, 2006 [10] Jianping Fan, David. K. Y. Yau. Automatic Image Segmentation by IntegratingColorEdge Extraction and Seeded Region Growing .IEEE TRANSACTIONS ON IMAGE PROCESSING, VOL. 10, NO. 10, OCTOBER 200