【正文】 在次也同樣對(duì)他們表示感謝。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(shí)對(duì)我提出了很多有用的建議，當(dāng)我遇到的問(wèn)題時(shí)對(duì)我有著耐心的指導(dǎo)和講解，做了大量的工作。但尚存在問(wèn)題暫時(shí)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(duì)直線進(jìn)行擬合，沒(méi)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)。然后又基于動(dòng)態(tài)分割擬合算法將點(diǎn)陣圖矢量化，確定顏色屬性以及它的存儲(chǔ)。這樣就大大減少了圖像的存儲(chǔ)空間 矢量化圖的顯示點(diǎn)陣圖的數(shù)據(jù)存儲(chǔ)在一個(gè)二維矩陣中，經(jīng)過(guò)矢量化之后只需要存儲(chǔ)圖元的結(jié)構(gòu)體信息，在本文中即只需存儲(chǔ)存儲(chǔ)每條線段的起始點(diǎn)，終點(diǎn)，然后計(jì)算出線段的斜率，然后x方向或者y方向每次增加一個(gè)像素點(diǎn)的距離，根據(jù)斜率計(jì)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(shí)現(xiàn)流程圖：讀入BMP圖像手動(dòng)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(dòng)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(duì)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(shí)所對(duì)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(diǎn)，所以為了觀察清楚，這里在每個(gè)像素點(diǎn)的顏色分量上增加一定的值。擬合的結(jié)果如圖2(b)所示。提取曲線上的關(guān)鍵點(diǎn)，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(shí)別和快速顯示直線和圓弧的矢量化原理 動(dòng)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(gè)輪廓點(diǎn)，起點(diǎn)為A，終點(diǎn)為B，具體方法如下：（1）連接兩個(gè)端點(diǎn)A、B構(gòu)成直線如圖2(a)中虛線所示，計(jì)算端點(diǎn)A、B之間的每個(gè)輪廓點(diǎn)至L的距離，找到距L最遠(yuǎn)的點(diǎn)P，若P至L的距離大于閾值，則連接A、P。由于在每個(gè)區(qū)域邊界點(diǎn)的搜尋和跟蹤過(guò)程中，從當(dāng)前點(diǎn)的哪個(gè)方向上開始搜索對(duì)整個(gè)過(guò)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。同時(shí)，標(biāo)記每一個(gè)邊界點(diǎn)。如果第一個(gè)點(diǎn)的右邊是零點(diǎn)而下方是非零點(diǎn)，則該非零點(diǎn)為第二個(gè)邊界點(diǎn)，否則，該區(qū)域?yàn)閱吸c(diǎn)區(qū)域。 基于優(yōu)先搜索方向的外輪廓跟蹤[6]本文最終目的是對(duì)外輪廓進(jìn)行矢量化，所以必須在輪廓的基礎(chǔ)上進(jìn)行外輪廓的提取, 首先第一步要進(jìn)行起始點(diǎn)的選取，即對(duì)圖像第一步提取出來(lái)的輪廓進(jìn)行從左至右，從上至下的掃描，遇到的第一個(gè)輪廓點(diǎn)呢則是我們需要的起始點(diǎn)，然后就可以開始對(duì)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(diǎn)開始，在其4鄰域或者8鄰域?qū)ふ曳橇泓c(diǎn)。 (2)8鄰接：2個(gè)像素p和r在V中取值且r在N8(P)中，則它們?yōu)?鄰接。像素P的4個(gè)對(duì)角近鄰像素(用s表示)的坐標(biāo)是(x+l，y+1)，(x+l，y1)，(xl，y+1)，(x1，y1)，它們記為ND(P),這些像素點(diǎn)加上P的4鄰域像素合稱為P的8鄰域,(b)。 (a) 原圖 (b) k=2a (c) k=6a 像素的鄰接和連通的概念(1)像素的鄰接：對(duì)一個(gè)坐標(biāo)為(x，y)的像素P，它可以有四個(gè)水平和垂直的鄰近像素。Prewitt水平算子對(duì)于角度梯度的定義為： △a=a(xl，y1)+a(xl，y)+a(x1，y+1)a(x+1，y1) a(x+1，y)a(x+1，y+1)。 利用Prewitt算子定義三角形周長(zhǎng)和角度的梯度 1 0 1 1 0 1 1 0 1 Prewitt是一種一階微分邊緣檢測(cè)算子，利用像素上下、左右臨域點(diǎn)的灰度差，在邊緣處達(dá)到極值，去掉偽邊緣，對(duì)噪聲具有平滑作用。(b)為直角三角形，周長(zhǎng)Lb=120+160+200=480，其填充色即為r=i20,g=160,b=200的顏色,由上述兩圖可以看出，雖然兩個(gè)三角形周長(zhǎng)相等，但是由于對(duì)應(yīng)邊長(zhǎng)r、b之間的差別較大，導(dǎo)致三角形的形狀以及顏色都有很大差別，而這種差別可以通過(guò)對(duì)應(yīng)邊的夾角反應(yīng)出來(lái)。如圖4．1，其中，ABC的邊長(zhǎng)分別為AB=r=112，AC=g=190，BC=b=222，它的填充色即為當(dāng)r=l12，g=190，b=222時(shí)的顏色；DEF的邊長(zhǎng)分別為DE=r=23l，DF=g=189，EF=b=107，它的填充色即為r=23l，g=189，b=107時(shí)的顏色。通過(guò)像素點(diǎn)在相關(guān)鄰域上的信息量的計(jì)算，確定該像素點(diǎn)是否為彩色圖像的邊緣點(diǎn)。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。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。本文中對(duì)圖像的算法編程都是針對(duì)BMP圖像文件的?？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。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)。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。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。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。 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。因此，這種方法不適合曲線圖像的矢量化。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。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。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。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。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。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)。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。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。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。該算法以Naccahe和Shinghalt提出的3x3的窗標(biāo)識(shí)的方法為代表，這種方法雖然能對(duì)直線和圓弧進(jìn)行很好地細(xì)化，但由于該方法通常是在一個(gè)很小的窗(3x3模板)內(nèi)通過(guò)遍歷整幅圖像進(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。(1)邊界追蹤法 邊界追蹤細(xì)化算法運(yùn)用不斷收縮線體輪廓(即去除線體的外層像素)的思想，就象一個(gè)波從線體外層向內(nèi)層傳播，直到只剩下骨架。根據(jù)BMP格式的特點(diǎn)，提出下面的基本思想：每次從圖中搜索出一個(gè)輪廓點(diǎn)，從該點(diǎn)開始跟蹤出一個(gè)組件的一條完整輪廓，并判斷出該組件的類型；在跟蹤的同時(shí)將組件同圖中其它組件分割開，將得到的輪廓矢量化以后，從圖中刪除該組件。 16第三章 矢量化算法 第三章 矢量化算法 矢量化基本思想 所謂矢量化就是把光柵圖轉(zhuǎn)換成矢量圖的過(guò)程，矢量圖是用幾何圖形的特征數(shù)據(jù)及其屬性來(lái)描述圖像，如一條線用其兩個(gè)端點(diǎn)的坐標(biāo)來(lái)描述，用圓心坐標(biāo)和半徑來(lái)描述圓。 因?yàn)閳D像邊緣實(shí)際是圖像局部特征發(fā)生變化的地方，所以如果求出彩色圖像矢量場(chǎng)的通量，再求出反映通量各點(diǎn)局部特性的散度場(chǎng)，則很容易知道如果得到該散度場(chǎng)的梯度場(chǎng)，也就知道了原彩色圖像局部特征的變化，即圖像的邊緣分布。3)飽和度，相同色調(diào)、相同光照強(qiáng)度但不同飽和度的區(qū)域之間也可以形成圖像邊緣。具體實(shí)現(xiàn)時(shí)，由于式(220)式中的分子不能為零，可以考慮加入上下閾值。當(dāng)=三時(shí)，原始分量等于零，由上述幾式綜合得到，分別為：Y1(),Y(),分別為： Y1()=(i+j+k)(R+G+B) 式(214) Y()= 式(215) 通過(guò)上述變換，將RGB空間轉(zhuǎn)換到了亮度色度空間，為了方便敘述，稱Y1()為強(qiáng)度圖像，Y() 為色差圖像。j=i；k其中超復(fù)數(shù)空間是對(duì)復(fù)數(shù)空間的一種擴(kuò)展，超復(fù)數(shù)空間中的點(diǎn)可用 q(x)=qo(x)+iq1(x)+jq2(x)+kq3(x) 式(27)其中i、j、k分別代表三個(gè)虛部分量，且滿足： i由四個(gè)模板的結(jié)構(gòu)可以看到，噪聲影響基本上被相應(yīng)抵消，不會(huì)對(duì)YY、UU、VV三個(gè)區(qū)分度的計(jì)算產(chǎn)生多大影響，因此具有較好的抗噪能力，克服了傳統(tǒng)邊界定義中僅考慮灰度突變的局限。定義YR1 = ，YR2 = 式(26)YY=YR1一YR2稱為在Y分量上的區(qū)分度。我們?nèi)缦露x有效彩色邊緣特征：1)亮度突變；2)色度突變：3)是不同區(qū)域之間的邊界；4)具有方向性。 1 2 3 8(x,y) 4 7 6 5 (x,y)的8臨域空間 利用上述算法在基于感知的顏色空間中可以得到效果較好的彩色圖像邊緣檢測(cè)圖。用這種方式檢測(cè)到的彩色圖像的邊緣會(huì)引起圖像色調(diào)的改變，抑制噪聲的能力較差?，F(xiàn)在，人們已經(jīng)根據(jù)各種不同的應(yīng)用場(chǎng)合，構(gòu)造了各種各樣的顏色空間。與設(shè)備相關(guān)的顏色空間是指顏色空間指定生成的顏色與生成或顯示該顏色的設(shè)備有關(guān)。其中的顏色通常用三維坐標(biāo)來(lái)描述，其顏色要取決于所使用的坐標(biāo)。第四章是本文采用顏色三角形算法進(jìn)行彩色圖像輪廓提取，并且利用雙閾值和臨域跟蹤法得到外輪廓，最終利用動(dòng)態(tài)擬合進(jìn)行矢量化第五章總結(jié)本文的研究工作，以及本系統(tǒng)的適用范圍，提出本課題尚存在問(wèn)題。 論文主要工作及章節(jié)安排 第一章為緒論部分，首先介紹了矢量化的概念及選題的實(shí)際意義。挪威RASTEREX公司的RxAutoimagePro同樣也是非常出色的矢量化系統(tǒng)，最主要的是它具有良好的光柵、矢量混合編輯功能。90年代是矢量化研究的高潮，成立了一些專門性的組織并召開了一系列國(guó)際會(huì)議。目前對(duì)彩色圖像邊緣檢測(cè)的研究就主要集中在這個(gè)方面，出現(xiàn)了大量利用矢量特性來(lái)進(jìn)行彩色圖像邊緣檢測(cè)的算法。而矢量方法是將彩色圖像的每一個(gè)像素點(diǎn)看作顏色空間中的一個(gè)三維矢量，利用空間矢量的各種特性來(lái)進(jìn)行彩色圖像邊緣檢測(cè)。而矢量圖用直線、圓弧等基本幾何圖形來(lái)描述，因此只需對(duì)這些幾何圖形的參數(shù)進(jìn)行存儲(chǔ)，例如直線只需存儲(chǔ)其端點(diǎn)坐標(biāo)，圓弧只需存儲(chǔ)其圓心坐標(biāo)、半徑、起點(diǎn)和終點(diǎn)，這樣就可在不損失圖像信息的前提下大幅度減少存儲(chǔ)空間，還能靈活高效的對(duì)圖像進(jìn)行編輯，因此研究光柵圖像的矢量化具有很高的實(shí)際應(yīng)用價(jià)值。隨著計(jì)算機(jī)硬件設(shè)備的高速發(fā)展和計(jì)算機(jī)視覺(jué)研究的不斷進(jìn)步，傳統(tǒng)的灰度圖像處理方法已經(jīng)不能滿足很多應(yīng)用的需求。CAD／CAM系統(tǒng)中所用的都是矢量圖。位圖圖像文件格式適用于有復(fù)雜顏色和灰度級(jí)變化的圖，如照片、繪畫、數(shù)字化視頻圖像等。關(guān)鍵詞： 彩色圖像 邊緣提取 外輪廓跟蹤 動(dòng)態(tài)擬合 矢量化 i目錄ABSTRACTEdge is posed by a collection of its nearby pixels whi