【正文】 法，可以按照它們所采用的顏色空間進(jìn)行歸類，但更常見的歸類方法是將它們分為合成和矢量方法兩類。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進(jìn)行彩色圖像邊緣檢測。例如那些在不同空間分量中強(qiáng)度相同但方向相反的邊緣，使用合成方法將檢測不到。目前對彩色圖像邊緣檢測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進(jìn)行彩色圖像邊緣檢測的算法。最初的應(yīng)用范圍很窄，主要處理地圖，方法也較單一。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際會(huì)議。國外在矢量化方面的起步較早。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。這些系統(tǒng)大都具有較完善的處理功能和容易使用的用戶接口，但是在矢量化精度和速度上尚不能完全達(dá)到工程自動(dòng)化的需要，普遍具有對噪音、缺損敏感等缺點(diǎn)。 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。第二章先介紹彩色顏色模型，然后簡單闡述經(jīng)典的邊緣提取算法，最后重點(diǎn)分析幾種已有的彩色圖像的邊緣提取算法，并進(jìn)行簡單的比較，提出他們的優(yōu)缺點(diǎn)。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題。例如，對于人類視覺來說，可以通過色調(diào)、飽和度和透明度來定義顏色；對于顯示設(shè)備來說，人們通過使用紅色、綠色和藍(lán)色磷光體的發(fā)光量來描述顏色；對于打印或者印刷設(shè)備來說，們使用青色、品紅色、黃色和黑色的反射和吸收量的多少來產(chǎn)生指定的顏色。其中的顏色通常用三維坐標(biāo)來描述，其顏色要取決于所使用的坐標(biāo)。色調(diào)用角度來表示，通常紅色處為00青色處為1800；在水平方向上飽和度的大小用離開中心線的距離表示；透明度用垂直軸表示。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)。與設(shè)備無關(guān)的顏色空問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)備無關(guān)?，F(xiàn)在，人們已經(jīng)根據(jù)各種不同的應(yīng)用場合，構(gòu)造了各種各樣的顏色空間。本文中選取Prewitt算子，該方法采用下面兩個(gè)卷積算子，： Mh = Mh = Prewitt算子把它們應(yīng)用到圖像的三個(gè)顏色通道上，也就是對于每個(gè)像素(x,y)，用一個(gè)以它為中心的3*3鄰域內(nèi)像素的f(x，y)構(gòu)成的矩陣分別與M x，My做卷積，卷積后的結(jié)果近似于該象素梯度的大小，這里的f(x，y)代表每一個(gè)分量上的灰度值。用這種方式檢測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。目前為止，該類算法有向量排序統(tǒng)計(jì)算子、方向算子、RGB向量角算子等等。 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圖。為獲得真正的邊緣，排除噪聲的影響就要合理使用亮度和色度信息。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。 R 1 R 2 (x，y)的分割鄰域 定義UR1 = ，UR2 = 式(24)UU=UR1一UR2稱為在U分量上的區(qū)分度。定義YR1 = ，YR2 = 式(26)YY=YR1一YR2稱為在Y分量上的區(qū)分度。 1 0 1 1(x,y) 1 1 0 1 1 1 0 1(x,y) 1 0 1 1 0 1 1 1(x,y) 1 1 1 0 1 1 0 1(x,y) 1 0 1 1 圖4．3 四個(gè)模板 實(shí)驗(yàn)中采用圖4．3中的四個(gè)33模板，分別計(jì)算相應(yīng)的YY、UU、VV，然后，取它們的組合I=K1YY+k2UU+k3VV。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。目前，有多種類型的基于感知的均勻顏色空間，如：HSV，CIE，XYZ，Lab，CMY等，它們雖然不能從根本上解決顏色空間的線性問題，但是有所改善。其中超復(fù)數(shù)空間是對復(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： ii=k；jj=i；kk=j；i2=j2=k2=1 式(28)那么彩色空間中的一個(gè)點(diǎn)(x，y)在超復(fù)數(shù)空間中可以表示為：Img(x，y)=iR(x，y)+kG(x，y)+kB(x，y) 式(29)在超復(fù)數(shù)空間中首先定義：U= 式(210)其中，p代表灰度圖像矢量，該軸上的點(diǎn)滿足R=G=B，任何彩色向量在該軸上的投影代表該向量的強(qiáng)度，在此基礎(chǔ)上，我們定義超復(fù)數(shù)空間中的旋轉(zhuǎn)向量： 式(211)并把該空間中兩個(gè)共向u()和U*()與圖像Img的左右卷積稱為圖像Img的旋轉(zhuǎn)變換。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。為了減少這種影響，文中對色差圖像進(jìn)行了歸一化處理。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。 四元數(shù)與彩色圖像邊緣檢測 對于彩色圖像，其邊緣的形成受以下幾個(gè)方面的影響：1)光照強(qiáng)度，即灰度圖像中灰度值的大小。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。如何全面完整地提取出彩色圖像中的邊緣，一直是圖像處理研究人員所追求的目標(biāo)，但遺憾的是，現(xiàn)有的各種經(jīng)典方法往往都只能照顧一個(gè)方面，而不可能對所有的圖像都具有很好的檢測效果。 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的通量，再求出反映通量各點(diǎn)局部特性的散度場，則很容易知道如果得到該散度場的梯度場，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。實(shí)驗(yàn)結(jié)果表明，它們能夠有效的檢測出彩色圖像的邊緣。 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)換成矢量圖的過程，矢量圖是用幾何圖形的特征數(shù)據(jù)及其屬性來描述圖像，如一條線用其兩個(gè)端點(diǎn)的坐標(biāo)來描述，用圓心坐標(biāo)和半徑來描述圓。圖像矢量化的主要任務(wù)就是從圖像中分離出各個(gè)組件，并獲取其基本信息。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。 矢量化技術(shù)分類下面就兩種主要的基于細(xì)化的矢量化技術(shù)作簡要說明，這里提到的細(xì)化主要說明如何通過細(xì)化來實(shí)現(xiàn)圖像的矢量化。(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。每完成一次掃描，就刪除掉所有的標(biāo)識(shí)點(diǎn)。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。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。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。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，并且對于交叉點(diǎn)的識(shí)別也比常規(guī)的細(xì)化方法要準(zhǔn)確。這種方法通過把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。以上對基于細(xì)化的矢量化算法進(jìn)行了簡單的描述和分析。然后，對細(xì)化后的圖形進(jìn)行鏈碼跟蹤，再對編碼信息進(jìn)行矢量化?；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程比較簡單，進(jìn)一步的圖形識(shí)別也比較容易。同時(shí)，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)。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(shí)，使用這種算法往往能產(chǎn)生很好的效果。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。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(jìn)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(diǎn)的操作同時(shí)進(jìn)行。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(xì)化算法的速度要快很多。(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(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，對線段進(jìn)行獲取和跟蹤操作。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)一系列問題。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。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)起來也較為容易。因此這種方法不適用于曲線段的矢量化。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)過的黑色區(qū)域。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。因此，這種方法不適合曲線圖像的矢量化。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。 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。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。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(shí)別思路，力圖從宏觀上進(jìn)行整體識(shí)別。相比于傳統(tǒng)的細(xì)化算法，整體識(shí)別的思路深化了對矢量化問題的認(rèn)識(shí)，是對工程圖紙掃描識(shí)別的巨大突破。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(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，對合并后的條塊進(jìn)行矢量化，最終完成對整個(gè)圖形的矢量化工作。通過檢測圖線的不同前進(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。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。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)跟蹤步長的矢量化算法就屬于該類算法。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(dòng)態(tài)步長跟蹤的方式，不是連續(xù)對跟蹤方向上的每個(gè)點(diǎn)進(jìn)行掃描，而是直接預(yù)測直線上的下一點(diǎn)。跟蹤過程中的關(guān)鍵是