图像编码论文资料

在美术制作中，对扫描稿的线条细化的问题，业界内尚未有效的解决，主要是以日本动漫制作行业中为代表

用地图矢量化的相通思路和方法，采用快速模板（适配）的骨骼线提取方法，产生单像素线条（矢量化的基础），对线型进行修整，来对该问题做了针对性的应用研究采用美术制作流程截图表示

主要改进：增大了模板库

最终效果，由美术人员专业评测

附部分模板代码

图像文件在计算机中存储的方式有两种，一种是位图文件格式，即栅格方式，另一种是矢量图文件格式。

1、栅格数据结构

（1）定义

地图通过扫描仪输入计算机时首先是以栅格格式进行存储的。栅格数据结构是指将地图分为大小均匀紧密相邻的网格阵列，每个网格作为一个像元或像素，由行、列号标识，每个网格相对应的值为该象素的灰度值。因此，栅格结构是以规则的行列阵来表示空间地物和现象分布的数据组织，组织中的每个数据表示地物或现象的非几何属性特征。

在栅格结构中，点用一个栅格单元即一个象素表示，线状地物用沿线走向的一组相邻栅格单元表示，每个栅格单元最多只有两个相邻单元在线上，面或区域用记有区域属性的相邻栅格单元的集合表示，每个栅格单元可有多于两个的相邻单元同属一个区域。

（2）特点

栅格数据结构具有“属性明显、位置隐含”的特点，易于表达面状的地理实体，经常在图像处理过程中使用。用栅格数据表示的地表是不连续的，是量化和近似离散的数据，这就意味着地表一定面积内(像元地面分辨率范围内)地理数据的近似性。在进行栅格数据处理时，一般认为，量化表面是连续的，以便能使用某些函数进行计算。在计算面积、长度、距离等空间指标时，如果栅格较大，则会造成较大的误差。因为在一个栅格的地表范围内，可能多于一种地物，而在栅格单元中只能由一个代码表示。因此，在栅格模型中要想精确地刻画点、线、多边形等图形要素，需要高分辨率的像元，这样会占用很大的存储空间。

2、矢量数据结构

（l）定义

矢量数据结构是用方向和大小来综合描述一个图形对象，一个矢量点在二维空间可以用(Dx，Dy)表示，矢量表达形式是将空间实体从形态上分为点、线、多边形三种基本形体，并通过记录坐标，尽可能的将点、线、面的地理实体表现的精确无误。其中点实体只需要记录该点坐标及需要的属性值，线实体只需要记录该线段两端点的坐标值，而多边形可以记录该多边形上需要的点即可。这里(众，勿)可以对应地面点的经纬度，也可以对应平面直角坐标系的纵坐标和横坐标。矢量数据坐标空间假定为连续空间，不必像栅格数据结构那样进行量化处理，因而矢量数据能更精确地定义位置、长度和大小。

（2）特点

矢量数据结构具有“位置明显，属性隐含”的特点。其定位是根据坐标直接存储的，而属性则一般存储于文件头或数据结构中某些特定的位置上，这种特点使得其图形运算的算法总体上比栅格数据结构复杂的多。特别是叠加运算、邻域搜索等操作比较困难。但在计算长度、面积、形状和图形编辑、几何变换操作中，矢量结构有很高的效率和精度。

在计算机图形制作系统中，在对扫描线条稿进行矢量化后，可以大大提高描线上色的效率，并且能够提取线条和闭包，对便于自动上色和中间帧生成等更高级功能的实现。扫描铅笔搞图的细化是矢量化的第一步。

随着计算机技术的发展，各种CAD软件得到广泛的应用。目前，在美术设计以及其它设计领域，大多数的系统都是由计算机辅助设计完成。但是，输入到计算机的图像文件需要保存每一个像素点，因此需要占用大量存储空间。为了减少图像信息量，就要将点阵图像转换成矢量图形，以节省内存、便于编辑和输出新图形。

细化指的是在保持拓扑性质不变的同时提取线状影像结构的骨架，并且细化后的线宽严

格保持为一个像元。细化目的是除去大量冗余的数据，为下一步的栅格数据矢量化准备必要的条件。

==《采用面向对象技术进行图形矢量化方法的研究》== 数字图像处理是计算机图形学乃至计算机技术的一个重要分支。对于机械工程图纸或是工艺图纸，由纸张存储方式转化为计算机存储方式时会涉及到一系列的数字图像处理方面的内容，比如说由于已有的图纸在保存的过程中难免出现一些污点或是某些线段出现断点，另外，在对图像进行放大和缩小的过程中也容易产生失真和误差。基于以上原因，我们要考虑将图像矢量化。矢量图形具有很多优良的特性，比如：可以无限放大图形中的细节，不用担心会造成失真和色块；矢量图文件就比点阵图文件要小很多：文件的大小与图形中元素的个数和每个元素的复杂程度成正比而与图形面积和色彩的丰富程度无关。

在工程图纸的扫描识别中，对扫描进来的图纸进行细化和矢量化处理是图像分析和模式识别中的一个重要操作，并得到了广泛研究。对图纸作细化，就是提取图像的骨架。在不改变图像像素连接关系的条件下，连续排除图像的边缘，使之成为单像素宽的图像骨架，从而以其骨架取代该图形。一个好的细化方法通常要符合以下要求：

(1)骨架图像必须保持原图像的连通性；

(2)骨架图像应尽可能是原图像的中心线；

(3)细化结果应是一个象素宽的线条骨架图像；

(4)不能产生严重的畸变。

到目前为止，关于工程图纸骨架识别已经做了大量的工作。处理过程有的是用迭代法，有的是用非迭代法，具体方法很多，各有其优缺点。如加拿大的N. J .Naccache和R .Sinaghalt 提出的细化算法，处理速度快且效果较佳，但失去了原图拓扑信息;而用链码表示处理后的图像不利于图纸的分析。本文依轮廓像素点是否可被剥离，结合工程图纸具有图件幅面较大、较多的孤立线条且线素相对简单的特点，设计了一个简明直观的模板，能快速提取出交叉点畸变较小的拓扑骨架。

栅格图，也称光栅图，是指在空间和亮度上都已经离散化了的图。我们可以把一幅栅格图考虑为一个矩阵，矩阵中的任一元素对应于图中的一个点，而相应的值对应于该点的灰度级，数字矩阵中的元素叫做像素。

数字图与马赛克拼图相似，是由一系列像素组成的矩形图案，如果所有的像素有且仅有两个灰度级（黑或白），则称其为二值图；否者称其为灰度图或彩色图。

什么是矢量图？

在介绍矢量图之前，我们首先阐述矢量对象的概念。矢量对象是以矢量的形式，即用方向和大小来综合表示目标的形式描述的对象。例如画面上的一段直线，一个矩形，一个点，一个圆，一个填充的封闭区域……等等。

矢量图文件就是由这些矢量对象组合而成的描述性文件。矢量图则是计算机软件通过一定算法，将矢量对象的描述信息在显示终端上重绘的结果。

为什么要将栅格地图矢量化？

纸质地图经扫描仪扫描后，初步保存为栅格图（常见的格式有TIFF、BMP、PCX、JPEG 等）。栅格图在地理应用领域有着这样的缺陷：首先，栅格图文件对图的每一像素点（不管前景或背景像素）都要保存，所以其存储开销特别大。另外，我们不能对图上的任一对象（曲线、文字或符号）进行属性修改、拷贝、移动及删除等图编辑操作，更不能进行拓扑求解，只能对某个矩形区域内的所有像素同时进行图编辑操作。此外，当图进行放大或缩小显示时，图信息会发生失真，特别是放大时图目标的边界会发生阶梯效应，正如点阵汉字放大显示发

生阶梯效应的原理一样。

而矢量图则不同。在矢量图中每个目标均为单个矢量单位（点、线、面）或多个矢量单位的结合体。基于这样的数据结构，我们便可以很方便地在地图上编辑各个地物，将地物归类，以及求解各地物之间的空间关系。并有利于地图的浏览、输出。

矢量化则是利用数字图处理算法，将源图上的各种栅格阵列识别为矢量对象，最后以一定格式保存的过程。矢量图在工业、制图业、土地利用部门等行业都有广泛的应用。在这些领域的许多成功软件都基于矢量图，或离不开矢量图的参与，如AutoCAD、ARC/INFO、Corel Draw、GeoStar等等。

国内外研究现状

目前，在许多科研和生产领域中都需要对栅格图像进行矢量化处理。比如说:地理信息系统中用遥感技术或数字化仪器所采集到的图像基本上都是栅格图像。还有工程图纸录入计算机保存时，也会遇到这种对栅格图像进行矢量化处理的要求。

国际上对于这种栅格图像的矢量化的研究进行的较早，形成了一些比较成熟的算法，比如:有向边界法，最小二乘法。通过二值化、细化进而矢量化的方法完成栅格图像的矢量化。在一些应用领域已经推出了商用软件。L匕如说应用于GIS领域中的ARC/INFO } INTERGERAPH等，德国Softelec公司的VPStudio，日本日立公司的ImageSeries，美国GTX 公司的GTXRaster CAD Series，挪威Rasterex公司的RxAutoImagePro 200等产品，这些软件分别应用于机械设计、建筑设计、地图以及电路设计等领域，通过评测可以看出，虽然各软件在光栅图形的处理能力、矢量化的效果方面各有所长，但是在自动化的程度、矢量化的准确度等各方面也都存在着各种不足之处。

我国对于栅格图像进行矢量化处理的研究起步较晚，但随着国内计算机软、硬件技术的迅速普及及应用领域的巨大需求，也展现出迅猛的发展势头，提出了一些新方法，如基于拓扑关系原理的栅格转换矢量方法、散列线段聚合法等。也开发出了部分具有应用价值的软件。如Algolab Photo V ector, Acme TraceART，东大阿尔派的SEAS系统，华中理工大学的EDIS 工程图信息系统，西工大CAD中心的NPPU-EDRS工程图智能输入与识别系统，清华紫光的TH-DAIMS图纸处理系统等等，与国外软件类似，各种R2 V软件虽然能够替代很多的手工劳动，但是仍然在软件的性能、自动化程度、准确率方面存在很多不足。因此，对于光栅图形矢量化技术的研究，也一直是计算机图形图像处理、机械设计、人工智能领域研究的难点和热点。

要实现工程扫描图的矢量化，首先从工程图纸经扫描仪扫描输入开始得到工程图纸的光栅图像，这种图像的组成单位是像素。然后对该图像进行预处理，为工程扫描图的矢量化作好准备工作。这个过程包括对光栅图像的噪声过滤、将灰度图像转变成只含有黑白两种颜色的二值图像以及对图像进行基于矢量化的细化工作。经过细化的图像只是低级的矢量化，还要在此基础上对图形单元进行识别，主要包括了对直线、圆、圆弧、椭圆、以及线划图等特殊区域的处理等其他操作，最后根据DXF的文件格式要求，设计算法实现输出CAD 软件可以识别的矢量文件格式。

要实现工程扫描图的矢量化，首先应通过扫描仪将工程图纸扫描到计算机中，得到工程图纸的光栅图像，这种图像的组成单位是像素。然后对该图像进行预处理，为工程扫描图的矢量化作好准备工作。这个过程包括对光栅图像的噪声过滤、将灰度图像转变成只含有

黑白两种颜色的二值图像。然后对图像进行基于矢量化的细化工作。经过细化的图像只是低级的矢量化，还要在此基础上对图形单元进行识别，主要包括了对直线、圆、圆弧，椭圆，以及线划图等特殊区域的处理等其他操作，最后输出CAD软件可以识别的矢量文件格式。

工程扫描图一般是用黑色线条和符号来表示目标和相关的说明，用白色来表示背景，为了降低了图像处理的复杂程度，灰度图像的二值化将多灰度级图像按照一定方法变换成只具有黑和白两种颜色二值图像。二值化可以有效地压缩数据，减少了图像处理在存储上的开销。

二值化重要步骤是阈值的选取，然后将图像中所有像素点的灰度值与所取的阈值相比，转换成黑色像素和白色像素。在阈值的选取的很多方法中，有的算法简单，但对噪声敏感，甚至引入了新噪声，有的算法计算方法复杂、计算量大，不适合计算机自动实现，通过对各种方法的比较，本文采用自适应选择阈值法进行阈值分割来实现扫描图像的二值化。

图像二值化的阈值选择是图像处理的比较关键的一步。已有的图像二值化算法中，局部阈值法对处理低质量图像较为有效，但是时间开销大，而且在某些情况下失真。在此选用了基于边界特征的二值化算法。这种算法易于保留原图中有用的信息，并且无须人工干预，还可以排除图像本身由于光照强度不均匀造成的灰度变化的影响，防止都是前景或都是背景的像素被分成两部分。

细化是一种在图像处理和模式识别中被广泛应用的操作，其基本思想就是不断除去线条上不影响连通性的轮廓像素，把线条的宽度减为单像素宽。在工程扫描图识别中，为了能快速准确提取线信息，进行数据压缩和矢量化跟踪，构造一种快速有效的细化算法是非常重要的。

在图像处理领域，到目前为上，己经有多种方法可以实现细化算法。通常都是首先沿骨架寻找特征点，再根据特征点及骨架走向进行分段、判断和分析，最后依据判别规则识别线、圆弧等图素。这种算法优点是算法简单，骨架比较集中反映了原图的几何拓扑特征。缺点是对噪声敏感，虽然目前已有很多有关细化的“抗噪”识别算法，但因抗噪性能不佳而不太适用。

矢量化的最终目的是使纸质工程图的工作能利用，因此，必须将矢量化的结果输出为CAD够被其他CAD软件所软件能够识别的内容。目前国际上已经制定了许多数据交换标准，如STEP, IGES,CAD*I等，这些标准各具特点，但是结构都相对比较复杂。随着Autodesk公司的AutoCAD软件在机械设计领域内的广泛应用，其数据文件交换格式DXF ( Drawing exchang Files)也由于简单、易读，已经成为事实上的数据交换标准而被广泛应用。本文对于矢量化结果的输出，采用DXF文件格式输出，文中所叙述DXF文件格式版本为u16.1.01，矢量输出结果在AutoCAD 2002中实际验证。

DXF文件格式

一个完整的DXF文件由六个段(SECTION)以及文件结束标记组成，六个段分别是：

本文对光栅图形矢量化技术进行了探讨，采用面向对象技术分析了光栅图形矢量化的过程，然后分别对扫描输入的工程图纸进行噪声消除、二值化、细化、进而矢量化等各个阶段的算法进行了分析、比较和实现，并对部分算法进行了改进。文章的最后分析了AutoCAD矢量交换文件格式，将本文矢量化结果输出到AutoCAD等软件中。

本文主要研究了以下几个问题:

1、分析了工程扫描图矢量化的背景和意义，并分析了国内外矢量化技术的发展和现状。

2、在分析比较了常见的图像平滑处理算法优缺点后，改进了一种基于多个子窗口、实用于工程扫描图的噪声过滤算法，在去噪声的同时有效地保持了图像的细节。在二值化中引用数学形态学的概念，采用二值化闭值的自适应算法实现图像的二值化。

3、从像素的邻域分析着手，分析了图像细化的不同方法，为了便于编程，改进了一种基于索引表的细化算法。为了将细化的二值图像识别出来，以便转换成矢量化图形文件，本文研究的是一种方便简洁的图像矢量化方法。

==《采用面向对象技术进行图形矢量化方法的研究》==

1、图像细化的原理

图像细化一般作为一种图像预处理技术出现，目的是提取源图像的骨架，即是将原图像中线条宽度大于1个像素的线条细化成只有一个像素宽，形成“骨架”，形成骨架后能比较容易的分析图像，如提取图像的特征。

细化基本思想是“层层剥夺”，即从线条边缘开始一层一层向里剥夺，直到线条剩下一个像素的为止。图像细化大大地压缩了原始图像的数据量，并保持其形状的基本拓扑结构不变，从而为文字识别中的特征抽取等应用奠定了基础。细化算法应满足以下条件：将条形区域变成一条薄线；薄线应位于原条形区域的中心；薄线应保持原图像的拓扑特性。

细化分成串行细化和并行细化，串行细化即是一边检测满足细化条件的点，一边删除细化点；并行细化即是检测细化点的时候不进行点的删除只进行标记，而在检测完整幅图像后一次性去除要细化的点。也就是说，不管采用什么方法进行细化，都是把一些非框架的点给去掉，从而达到提取图像骨架的目的。（《图像细化的VC实现》）