彩色柵格地圖矢量化方法研究

 收稿日期：2007-12-13；

修回日期：2008-03-20

基金項(xiàng)目：國(guó)家教育部留學(xué)回國(guó)人員啟動(dòng)基金資助項(xiàng)目（教外司留[2007]1108-10）；中國(guó)博士后科學(xué)基金資助項(xiàng)目（20070420711）



作者簡(jiǎn)介：張玉芳（1965-），女，上海人，副教授，博士，主要研究方向?yàn)閿?shù)據(jù)挖掘、遠(yuǎn)程教育（zhangyf@cqu.edu.cn）；熊忠陽(yáng)（1962-），男，重慶人，教授，博士，主要研究方向?yàn)閿?shù)據(jù)挖掘、網(wǎng)格服務(wù)；陳銘灝（1976-），男，福建福州人，工程師，碩士，主要研究方向?yàn)閳D像處理；趙鷹（1967-），男，湖北武漢人，博士研究生，主要研究方向?yàn)閿?shù)據(jù)挖掘、網(wǎng)格服務(wù).

（1.重慶大學(xué) a.計(jì)算機(jī)學(xué)院; b.電氣工程博士后流動(dòng)站 重慶 400030; 2.福建省福州市武警總隊(duì) 福州 350001)

摘要：

采用分區(qū)梯度模糊檢測(cè)方法可以解決梯度邊緣檢測(cè)和模糊邊緣檢測(cè)方法在濾除背景時(shí)缺失前景要素的現(xiàn)象。利用提出的最優(yōu)分量分色法，可以成功分離提取出前景要素；而在對(duì)提取出的線性要素進(jìn)行細(xì)化時(shí)，提出了一種基于梯度特性的細(xì)化方法，得到的要素能很好地體現(xiàn)線性信息；采用現(xiàn)有的數(shù)學(xué)形態(tài)學(xué)方法對(duì)得到的細(xì)化要素進(jìn)行后處理，最后得到了能夠清晰表示要素特征的地圖前景要素像素。

關(guān)鍵詞：柵格地圖； 背景濾除； 要素提取； 分色細(xì)化

中圖分類號(hào)：TP391.41

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001-3695(2008)10-3085-03

Study of vector method from pixel map

ZHANG Yu-fang1a XIONG Zhong-yang1b CHEN Ming-hao2 ZHAO Ying1a

(1.a.College of Computer Science b.Electrical Engineering Center for Post-Doctoral Chongqing University Chongqing 400030 China;-2.Fuzhou Armed Police Corps Fuzhou 350001 China)

Abstract:

Based on the idea of gradient edge and fuzzy edge detecting adopted fuzzy-gradient subarea method and it solved the problem which the general methods could not pick-up the fuzzy foreground elements from the map clearly. After removing the background of the map this paper presented an optimal-component method to divide one kind foreground elements from the foreground and was successfully used in separating foreground. Then presented a method base on characteristics of gradient. Finally it processed after-processing with mathematical morphology. The foreground elements getting from the map could reflect the characteristics of the map’s space and color. It was accurate and kept the form of the line very well. Experiments prove that running speed and the result are satisfied.

Key words：pixel map; background clear; element pick-up; color separation thinning

GIS的數(shù)據(jù)格式主要有矢量和柵格兩種。地圖掃描進(jìn)入計(jì)算機(jī)后，其數(shù)據(jù)以柵格方式存儲(chǔ)。矢量化即將柵格數(shù)據(jù)轉(zhuǎn)換為矢量數(shù)據(jù)。由于矢量數(shù)據(jù)可以更精確定義位置、長(zhǎng)度和大小，對(duì)于GIS數(shù)據(jù)的分析和變換、空間數(shù)據(jù)拓?fù)浞治鲆约翱臻g數(shù)據(jù)與屬性數(shù)據(jù)的聯(lián)合分析而言都是不可缺少的。因此彩色柵格地圖矢量化轉(zhuǎn)換工作成為GIS技術(shù)的重點(diǎn)之一。

一幅彩色柵格地圖有前景和背景之分。前景要素主要包括水系、道路、標(biāo)注等地理信息。背景是那些能襯托前景要素的像素，其顏色與前景要素不同。柵格地圖矢量化的主要工作是首先分離前景和背景顏色；然后對(duì)分離出的前景要素進(jìn)行分類；最后進(jìn)行細(xì)化處理操作。

1彩色柵格地圖背景濾除梯度模糊方法

閾值分割和邊緣檢測(cè)等方法可以分離圖像的前景和背景，但是其分離效果不是很理想。為了更好地實(shí)現(xiàn)彩色地圖的背景濾除，結(jié)合彩色柵格地圖的特性，在模糊邊緣檢測(cè)方法的基礎(chǔ)上提出一種能夠較好濾除地圖背景的分區(qū)模糊梯度方法。彩色柵格地圖由于印刷工藝的限制以及紙質(zhì)本身質(zhì)量的差異，產(chǎn)生了一些前景要素與背景之間比較模糊的區(qū)域。在采用一般的邊緣檢測(cè)技術(shù)進(jìn)行檢測(cè)時(shí)[1]，地圖中各區(qū)域像素灰度對(duì)比度大的邊緣提取效果良好 而對(duì)比度較小的邊緣則檢測(cè)效果不理想，或根本無(wú)法檢測(cè)出來(lái)。 因此在邊緣檢測(cè)之前需對(duì)圖像中的前景與背景之間比較模糊的區(qū)域進(jìn)行增強(qiáng)運(yùn)算，加大前景與背景之間灰度的對(duì)比度，提高圖像邊緣檢測(cè)的質(zhì)量。

地圖上前景要素的顏色一般是由前景色逐漸向背景色過(guò)渡。由于掃描儀的濾光片理想透光率與實(shí)際透光率之間的誤差和圖像的邊緣效應(yīng)，地圖經(jīng)掃描成像后會(huì)在前景要素的邊緣產(chǎn)生由深到淺的過(guò)渡色[2]。從前景要素上看，其像素之間的灰度值存在著差異，即前景要素本身的像素存在著梯度，只是這些梯度值比較小，難以檢測(cè)。如果增強(qiáng)地圖中的前景要素像素之間的梯度，就能夠檢測(cè)到前景要素的邊緣，而且還能夠提取出整個(gè)前景要素。

模糊邊緣檢測(cè)方法Pal算法[3]具有增強(qiáng)模糊邊緣的功能，對(duì)對(duì)比度較小的邊緣提取效果較好，因此在Pal算法的基礎(chǔ)上提出以下四點(diǎn)改進(jìn)措施[4]：a)將模糊邊緣檢測(cè)方法中增強(qiáng)像素灰度值改成增強(qiáng)像素梯度值，增強(qiáng)介于大梯度與小梯度之間的像素梯度值，從而完整地提取出前景要素；b)選擇適度的分區(qū)值X，將梯度矩陣分為min{M/X N/X}個(gè)，每個(gè)矩陣為X×X，然后再將每個(gè)分塊中的像素梯度相對(duì)本塊中的最大梯度進(jìn)行模糊化和增強(qiáng)，這樣才能使要增強(qiáng)的像素梯度得到增強(qiáng)，減少背景濾除時(shí)前景要素的缺失；c)利用三角函數(shù)作為隸屬函數(shù)[5]；d)選擇uc值為該區(qū)域所有像素梯度的平均值與該區(qū)域像素最大梯度之比，這樣更能符合彩色柵格地圖特定區(qū)域的特征。利用Pal算法思路分離復(fù)雜地圖的前景和背景要素時(shí)，首先求地圖各像素的梯度得到梯度陣列；然后分區(qū)域通過(guò)映射函數(shù)將該區(qū)域轉(zhuǎn)變到模糊域，得到梯度模糊矩陣，再增強(qiáng)模糊矩陣的元；最后采用適當(dāng)?shù)拈撝捣蛛x增強(qiáng)的陣列，對(duì)照原地圖各像素實(shí)現(xiàn)地圖背景與前景要素的分離。

2分離提取前景要素的最優(yōu)分量分色方法

彩色柵格地圖的背景濾除是整個(gè)前景要素提取的基礎(chǔ)，彩色地圖通過(guò)不同的顏色表示不同的要素層[6]，其前景要素根據(jù)所表示地理信息的不同也具有不同的顏色。由于顏色的不同，不同的地圖要素之間具有不同的色度和亮度，可以根據(jù)各要素的三原色混合量的不同，分割成不同顏色表示的要素圖。彩色地圖圖像分色問(wèn)題研究的是怎樣利用彩色地圖圖像的色彩信息，選擇適當(dāng)?shù)纳誓Ｐ头指罹哂胁煌伾卣鞯哪繕?biāo)，從而提取出感興趣的地圖前景要素。

2.1最優(yōu)分量分色法分離彩色地圖前景要素

利用彩色地圖前景要素RGB值的特點(diǎn)對(duì)彩色地圖前景要素進(jìn)行分色，方法簡(jiǎn)便、計(jì)算量小、速度快，但是僅憑此達(dá)不到理想的分色效果。因?yàn)椴噬貓D前景要素顏色變化復(fù)雜，可能存在著多種要素顏色互相疊加的情況；同時(shí)彩色地圖作為空間信息的載體，表示的內(nèi)容在空間上有很強(qiáng)的相關(guān)性。因此在分離提取時(shí)還要考慮前景要素像素鄰域的情況。

彩色地圖掃描數(shù)據(jù)中含有大量的顏色誤差，因而在彩色地圖前景要素圖中，即使是同一要素層，顏色仍不完全相同，包含著大量雜色(顏色誤差)像元；由于顏色誤差的存在，又使得彩色地圖前景要素中同一種顏色的像元并不完全表示同一要素。因此按顏色分類的策略所提取出的各個(gè)要素中必然包含大量的同色噪聲像元，而被剔除掉的非同色像元中又含有一定數(shù)量的該種要素的信息(像元)。由于顏色誤差產(chǎn)生的根源較多，使得其成色機(jī)制難以定性及定量描述，僅僅利用顏色難以將其正確地歸入相應(yīng)的要素層中去。

2.2最優(yōu)分量分色法提取要素算法

不考慮背景帶來(lái)的影響，直接根據(jù)得到的濾除背景的前景要素圖[4]進(jìn)行分色。重點(diǎn)是提取線性要素。本文給出的算法側(cè)重于分離提取前景要素中的線性要素，黑色在彩色柵格地圖前景要素中主要表示地形符號(hào)和文字。因此，首先對(duì)前景要素中所需的線性要素進(jìn)行提取，然后去掉取得的線性前景要素中的黑色點(diǎn)。算法具體步驟描述如下：

a)計(jì)算所要提取前景要素的R、G、B值，獲得對(duì)前景要素進(jìn)行分色時(shí)采用的式(1)。

if(B>G>R)then S=[(B-R)+(B-G)]/(B-R)×(B-R)+(B-G)×(R-G)

if(R>G>B)then S=[(R-G)+(R-B)]/(R-G)×(G-R)+(R-B)×(G-B)

if((G>R)∧(G>B))then S=[(G-R)+(G-B)]/(G-R)×(G-R)+(G-B)×(R-B)（1）

b)對(duì)前景要素圖中每個(gè)非白色的像素顏色采用式(1)計(jì)算得到值S。

c)取兩個(gè)閾值T1、T2（T1T2，則丟棄該像素。

d)去除黑色像素點(diǎn)。對(duì)取得的前景要素陣列中的每一個(gè)像素點(diǎn)，采用式(2)計(jì)算。

H=(R-G)×(R-G)+(B-R)×(B-R)+(G-B)×(G-B)/3（2）

取閾值H1、H2（H1H2，且其鄰域的八個(gè)像素中有K個(gè)以上像素滿足此條件，則將該像素留在陣列中；否則將該像素判斷為黑像素點(diǎn)從陣列中去掉。

2.3仿真實(shí)驗(yàn)及結(jié)論

圖1是文獻(xiàn)[4]經(jīng)最優(yōu)分量分色法分色后得到的水系圖。采用本算法得到的彩色地圖中的線性前景要素連續(xù)性較好，誤判的像素點(diǎn)較少。但是由于前景要素的相互疊加，在取得的線性前景要素中仍存在著一些斷點(diǎn)，導(dǎo)致線性前景要素的缺損。若有必要可對(duì)取得的要素圖進(jìn)行人工修復(fù)，也可以利用現(xiàn)有的一些算法對(duì)線性要素進(jìn)行自動(dòng)恢復(fù)。

3前景要素細(xì)化及后處理

在獲得線性前景要素后，由于其線寬不一，不能直觀體現(xiàn)線性要素的特征，對(duì)其直接進(jìn)行后續(xù)的要素識(shí)別和矢量化等圖像處理工作還有一定的困難。要實(shí)現(xiàn)柵格地圖線狀要素真正意義上的提取，還需要對(duì)提取出的線狀要素進(jìn)行細(xì)化。

3.1細(xì)化的一般方法

細(xì)化處理是指將圖像上的幾何元素線條沿著其中心軸線將其細(xì)化成一個(gè)像素寬的線條的處理過(guò)程。細(xì)化過(guò)程與骨架有著密切關(guān)系，它可以看成是一個(gè)連續(xù)剝離圖形最外層元素直到獲得單位寬度的連通線(骨架)的過(guò)程。因此，細(xì)化算法就是重復(fù)地剝離二值圖像的邊界像素，特別是0→1變化處的像素算法，在剝離邊界像素時(shí)必須保持目標(biāo)的連通性。

3.2基于掃描柵格地圖前景要素梯度變化特性細(xì)化方法

通常在掃描分辨率為300 dpi的情況下，地圖上線狀要素的線寬一般為2~4個(gè)像素。如果能夠去掉前景要素邊緣的淺顏色像素點(diǎn)，就可以剩下1、2個(gè)像素深顏色的前景要素。根據(jù)像素與其周邊像素灰度對(duì)比值的不同對(duì)像素進(jìn)行分類，完成地圖前景要素骨架的提取。

根據(jù)地圖線性要素的特性，本文提出了一種細(xì)化地圖線性要素的方法。具體步驟如下：

a)計(jì)算線性前景要素像素點(diǎn)P與其相鄰像素的梯度值。鄰域像素排列順序?yàn)橄袼攸c(diǎn)P右上角開(kāi)始逆時(shí)針?lè)较蛐D(zhuǎn)，用式(3)計(jì)算與八個(gè)相鄰像素的梯度值。

Δ fi=f(P)-f(Pi) when i=0，1，2，3f(Pi)-f(P) when i=4，5，6，7（3）

其中： f(P)表示當(dāng)前像素點(diǎn)P的灰度值；f(Pi)表示P點(diǎn)鄰域像素點(diǎn)的灰度值；Δ fi表示當(dāng)前像素點(diǎn)P與其鄰域像素點(diǎn)之間的梯度。

b)計(jì)算像素點(diǎn)P的梯度導(dǎo)數(shù)。P點(diǎn)在水平、垂直、右對(duì)角線、左對(duì)角線四個(gè)方向的導(dǎo)數(shù)為

G73=Δf7-Δf3;G51=Δf5-Δf1;G62=Δf6-Δf2;G40=Δf4-Δf0

c)判斷像素梯度變化的主要方向。即判斷像素點(diǎn)P的梯度導(dǎo)數(shù)值，最大值對(duì)應(yīng)的方向就是像素梯度變化的主要方向。

d)分類當(dāng)前像素。設(shè)G是像素梯度變化的主要方向，D1和D2是變化方向上的兩個(gè)梯度，如像素梯度變化最大方向是水平方向，則D1=Δ f7，D2=Δ f3。通過(guò)判斷D1和D2的值，可以對(duì)像素進(jìn)行如下分類：

(a)如果D1和D2同號(hào)，且D2>D1，則當(dāng)前像素點(diǎn)為上升點(diǎn)；

(b)如果D1和D2同號(hào)，且D2

(c)如果D1和D2異號(hào)，且D1<0，D2>0，則當(dāng)前像素點(diǎn)為谷點(diǎn)；

(d)如果D1和D2異號(hào)，且D1>0，D2<0，則當(dāng)前像素點(diǎn)為峰點(diǎn)。

e)細(xì)化線性前景要素。提取線性前景要素圖中所有標(biāo)志為峰點(diǎn)的像素點(diǎn)，實(shí)現(xiàn)線性前景要素的細(xì)化操作。

3.3仿真實(shí)驗(yàn)及結(jié)論

圖2和3分別是采用一般細(xì)化和本文提出的基于梯度特性的細(xì)化方法對(duì)圖1進(jìn)行細(xì)化處理的結(jié)果。仿真實(shí)驗(yàn)結(jié)果表明，本算法的速度明顯高于一般細(xì)化算法。從圖2和3可以看出，采用本文算法提取出的線條骨架較能保持原線條的特征，能充分利用地圖的灰度信息，減少畸變現(xiàn)象的發(fā)生。

3.4數(shù)學(xué)形態(tài)學(xué)后處理

由于細(xì)化后的線性要素還存在著一些孤點(diǎn)及線條上產(chǎn)生的毛刺，需要濾去噪聲、去除毛刺、斷線處理等操作。本文采用文獻(xiàn)[6]中方法對(duì)其進(jìn)行連接。圖4是對(duì)圖3采用數(shù)學(xué)形態(tài)學(xué)腐蝕去除單點(diǎn)、采用文獻(xiàn)[7，8]中方法去除毛刺、對(duì)斷點(diǎn)進(jìn)行連接、統(tǒng)一顏色后得到的水系圖。從圖4可以看出，得到的水系較完整，能夠較清晰地反映彩色柵格地圖水系的特征，達(dá)到了應(yīng)用的要求。

4結(jié)束語(yǔ)

仿真實(shí)驗(yàn)驗(yàn)證了本文提出的方法在提取背景和前景像素間灰度差較小的前景像素方面比傳統(tǒng)方法有明顯的優(yōu)勢(shì)，可以較完整地提取出彩色柵格地圖的前景要素，并能夠較清晰表示地圖地理信息，解決了其他方法提取出的前景要素缺失的問(wèn)題；同時(shí)提出的方法較為簡(jiǎn)單、運(yùn)行時(shí)間短，能充分體現(xiàn)彩色柵格地圖的顏色和空間特性，并且能很好地保持前景線性要素的形狀，前景要素定位較精確、線條流暢。

在梯度模糊算法中主要根據(jù)仿真實(shí)驗(yàn)選擇一個(gè)固定的值對(duì)陣列進(jìn)行分區(qū)。如果選擇的分區(qū)大小不合適，可能會(huì)造成前景要素圖中提取出許多背景像素。因此在分區(qū)上如何提出一個(gè)更合理的分區(qū)方法，使得處理不同圖像時(shí)自動(dòng)調(diào)整分區(qū)大小，或者實(shí)現(xiàn)動(dòng)態(tài)分區(qū)，還有待于進(jìn)一步研究。由于彩色地圖上的文字與各種要素之間的互相重疊，使得從前景要素中分離提取出來(lái)的線性要素出現(xiàn)了斷點(diǎn)。如何在分色時(shí)能夠分離出完整的線性要素也是下一步繼續(xù)研究的內(nèi)容。

參考文獻(xiàn)：

[1]劉金華，唐競(jìng)新，龍圖景.一種改進(jìn)的模糊邊緣檢測(cè)快速算法[J].系統(tǒng)仿真學(xué)報(bào)，2003，15(2):273-274.

[2]王西林，張德.彩色掃描地圖自動(dòng)分色系統(tǒng)中彩色識(shí)別問(wèn)題的探討[J].測(cè)繪學(xué)院學(xué)報(bào)，2000，17(1):60-62.

[3]PAL S K，KING R A. On edge detection of X-ray images using fuzzy sets[J].IEEE Trans on Patt Anal and Machine Intell 1983，5(1):69-77.

[4]陳銘灝，熊忠陽(yáng)，彭燕.彩色柵格地圖濾除背景的模糊梯度方法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2006，16(4):55-57，60.

[5]周德龍，潘泉，張洪才.圖像模糊邊緣檢測(cè)的改進(jìn)算法[J].中國(guó)圖象圖形學(xué)報(bào)，2001，6(4):48-53.

[6]郭玲，王曉蘭，周獻(xiàn)中.彩色地圖線狀要素識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].系統(tǒng)仿真學(xué)報(bào)，2004，16(5):1074-1076，1080.

[7]劉志敏，楊杰，施鵬飛.數(shù)學(xué)形態(tài)學(xué)的細(xì)化算法[J].上海交通大學(xué)學(xué)報(bào)，1998，32(9):15-19.

[8]秦筱楲，蔡超，周成平. 一種有效的骨架毛刺去除算法[J].華中科技大學(xué)學(xué)報(bào):自然科學(xué)，2004，32(12):28-31.