彩色地质像的交互式矢量化方法及其系统的制作方法

专利名称：彩色地质像的交互式矢量化方法及其系统的制作方法
技术领域：
本发明涉及图像处理与模式识别领域，特别是涉及一种彩色地质像的交互式 矢量化方法及其系统。
背景技术：
目前我国许多大中型矿产由于地质储量枯竭成为资源危机性矿山，但这些矿山许 多是由于地质勘查工作投入不够，在其深部及其外围资源潜力不清所致。为解决这些矿产 资源危机问题，我国立专项进行危机矿山外围及深部矿产资源勘查工作。目前此项工作正 在全国几十个危机矿山全面实施。危机矿山外围及深部矿产资源找矿的突破关键在于隐伏 矿床三维立体定位预测的实现，成功的隐伏矿床三维立体定位预测，既依赖于新的理论和 勘探技术方法，又依赖于使用先进计算机及信息技术，对危机矿山地质勘查工作获取的多 方法信息资料，进行集成、综合。危机矿产地质勘探资料数据包括了从矿山勘探发现和开采 后补充勘探等几十年的资料，同时新的危机矿山找矿工作也会产生大量的基础信息，这些 信息资料涵盖了地质、地球物理、地球化学、遥感和深部勘探等多专题的数据；同时，危机矿 山地质勘探工作要求在三维立体空间进行，即从空中、地表、地下进行探测，形成全空间的 立体三维数据。随着危机矿山找矿工作的深入，对于已经获取的三维空间多元地质勘查数 据的有效管理，和在此基础上的储量估算处理，无疑将对危机矿山外围及深部矿产资源找 矿工作起到重要的推动作用。危机矿产地质勘探资料图件矢量化，就是危机矿山三维信息 评价系统的第一步。所以，开发出先进实用的彩色地质像交互式矢量化组件能有效地 为危机矿山三维信息评价系统服务。空间数据模型是关于现实世界中空间实体及其相互间联系的概念，它为描述空间 数据的组织和设计空间数据库模式提供基本方法。空间数据模型主要有两种，即基于对象 (要素)(Feature)的模型、场(Field)模型。基于对象(要素)的模型强调了离散对象 (矢量方法强调了离散现象的存在，由边界线(点、线、面)来确定边界，因此可以看成是基 于要素的)，根据它们的边界线以及组成它们或者与它们相关的其它对象，可以详细地描述 离散对象，矢量模型的表达源于原型空间实体本身，通常以坐标来定义，一个点的位置可以 二维或者三维中坐标的单一集合来描述。一条线通常由有序的两个或者多个坐标对集合来 表示。场模型(栅格数据模型是基于连续铺盖的，它是将连续空间离散化)表示了在二维 或者三维空间中被看作是连续变化的数据。基于栅格的空间模型把空间看作像元(Pixel) 的划分，每个像元都与分类或者标识所包含的现象的一个记录有关。像元与“栅格”两者都 是来自图像处理的内容，其中单个的图像可以通过扫描每个栅格产生。GIS中栅格数据经常 是来自人工和卫星遥感扫描设备中，以及用于数字化文件的设备中。地质图模式识别技术是一种智能技术，是一门有关计算机科学、数字图像处理、计 算机视觉、模式识别和人工智能等学科的综合性技术。它是研究如何使计算机实现人对地 质图的阅读和理解，探讨采用机器模拟人类视觉系统，以及模拟人脑对视觉信息的分析判 决过程。它可以从二维数字扫描图像中提取目标的色彩、形状和语义信息，并通过对特征信息的处理与分析，完成对不同地质图模式的分类决策，获取地质图要素的质量意义。地质 图模式识别是传统地质图制图迈向数字地质图制图的一座桥梁，因此，地质图模式识别代 表了当前地质图制图领域发展的前沿和主攻方向。它与遥感技术、地理信息系统一起，被称 为现代地图制图的三大技术。地质图模式识别技术是实现扫描方式地质图自动数字化的 核心，对地质图数据库的建立以及GIS数据的快速采集、更新等领域，具有重大的意义和价 值。

发明内容
本发明所要解决的技术问题在于提供一种彩色地质像的交互式矢量化方法 及其系统，用于识别彩色地质像中颜色趋于一致的、宽度一定的、连通的线划。为了实现上述目的，本发明提供了一种彩色地质像的交互式矢量化方法，其 特征在于，包括步骤一，确定彩色地质像中的光标位置，从该光标位置开始获取与该光标位 置处色差相近的线划，并根据线划宽度控制能被识别的线划；步骤二，去除所述被识别的线划两侧边缘的毛刺，填充内部的孔洞，得到粗线划；步骤三，应用细化算法对所述粗线划进行细化；步骤四，对细化处理后的单像素宽、八连通的中间线骨架进行线划跟踪获取所述 矢量串，对所述矢量串进行抽稀处理得到顶点坐标串；步骤五，根据所述顶点坐标串生成Shapefile线文件，并将所述彩色地质图矢量 化后的Shapefile线文件由屏幕坐标系变换到现实世界坐标系。所述的彩色地质像的交互式矢量化方法，其中，所述步骤一中，进一步包括将所述光标位置处的像素颜色值由RGB颜色空间转换到均勻颜色空间，并通过 CIE 1976 Lab色差公式、CMC (l:c)色差公式或CIE DE2000色差公式获取与所述光标位置 处色差相近的线划的步骤。所述的彩色地质像的交互式矢量化方法，其中，所述步骤三中，进一步包括通过跟踪到线划端点或线划交叉点停止线划跟踪的步骤。所述的彩色地质像的交互式矢量化方法，其中，所述步骤四中，所述线划跟踪 的步骤具体包括获取所述中间线骨架的像素坐标，所述像素坐标对应于在所述彩色地质像的 矩阵中的行、列号，以一定的属性值标记所述像素坐标的坐标值，并将同属性的目标像素记 录在同一个坐标串中，形成所述矢量串。所述的彩色地质像的交互式矢量化方法，其中，所述步骤五中，进一步包括通过仿射变换、类似变换或投影变换，将所述彩色地质图矢量化后的Shapefile 文件由屏幕坐标系变换到现实世界坐标系的步骤。为了实现上述目的，本发明还提供了一种彩色地质像的交互式矢量化系统， 其特征在于，包括线划识别模块，用于确定彩色地质像中的光标位置，从该光标位置开始获取 与该光标位置处色差相近的线划，并根据线划宽度控制能被识别的线划；去刺补孔模块，连接所述线划识别模块，用于去除所述被识别的线划两侧边缘的毛刺，填充内部的孔洞，得到粗线划；线划细化模块，连接所述去刺补孔模块，用于应用细化算法对所述粗线划进行细 化；线划跟踪模块，连接所述线划细化模块，用于对细化处理后的单像素宽、八连通的 中间线骨架进行线划跟踪获取所述矢量串；抽稀处理模块，连接所述线划跟踪模块，用于对所述矢量串进行抽稀处理得到顶 点坐标串；坐标系转换模块，连接所述抽稀处理模块，用于根据所述顶点坐标串生成 Shapefile线文件，并将所述彩色地质图矢量化后的Shapefile线文件由屏幕坐标系变换 到现实世界坐标系。所述的彩色地质像的交互式矢量化系统，其中，所述线划识别模块将所述光 标位置处的像素颜色值由RGB颜色空间转换到均勻颜色空间，并通过CIE 1976 Lab色差公 式、CMC(l:c)色差公式或CIE DE2000色差公式获取与所述光标位置处色差相近的线划。所述的彩色地质像的交互式矢量化系统，其中，所述线划跟踪模块通过跟踪 到线划端点或线划交叉点停止线划跟踪。所述的彩色地质像的交互式矢量化系统，其中，所述线划跟踪模块通过获取 所述中间线骨架的像素坐标，所述像素坐标对应于在所述彩色地质像的矩阵中的行、 列号，以一定的属性值标记所述像素坐标的坐标值，并将同属性的目标像素记录在同一个 坐标串中，形成所述矢量串。所述的彩色地质像的交互式矢量化系统，其中，所述坐标系变换模块通过仿 射变换、类似变换或投影变换，将所述彩色地质图矢量化后的Shapefile文件由屏幕坐标 系变换到现实世界坐标系。与现有技术相比，本发明的技术效果在于本发明提供了一种通过识别彩色地质像中线划信息，并提取出线划的顶点坐 标串，最终生成矢量线的方法，此方法能够识别彩色地质像中颜色趋于一致的、宽度一 定的、连通的线划。本发明属于彩色地质像模式识别，主要用途是识别彩色地质像 中线划信息，并提取出线划的顶点坐标串，最终生成矢量线。以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。


图1是本发明彩色地质像的交互式矢量化方法流程图；图2是本发明彩色地质像的交互式矢量化系统结构图；图3是原始彩色地质像；图4是本发明设定色差值28. 37和宽度值7后提取的线划；图5是本发明设定色差值28. 37和宽度值2后提取的线划；图6是本发明对线划去刺补孔后得到的粗线划；图7是本发明对粗线划进行细化后的线划；图8是本发明跟踪线划记录坐标串并抽稀得到的顶点坐标。
具体实施例方式下面结合附图和具体实施方式
对本发明的技术方案作进一步更详细的描述。本发明涉及到彩色地质像交互式矢量化的方法，就是彩色地质像模式识 别，识别对应的栅格图像中线划信息，并提取出线划的顶点坐标串，最终生成矢量的线。人 机交互矢量化也叫半自动矢量化，它利用人机交互，在操作员鼠标的引导下，依靠计算机对 线状要素矢量化方向进行判断并采集数据，其速度比人工矢量化要快。此方法能够识别彩 色地质像中颜色趋于一致的、宽度一定的、连通的线划，为实现这一目的，在本发明的 技术方案中，首先确定彩色地质像中光标位置的像素颜色值(RGB空间)，然后将此颜 色值由RGB颜色空间转换到CIE 1976 L*a*b*均勻颜色空间，再与此光标位置的八连通域 像素值(CIE 1976 L*a*b*均勻颜色空间)进行色差计算(色差公式使用CIE DE2000色差 公式)，小于某一色差值D，则记录此像素坐标位置(i，j)，同时在记录上像素坐标位置后， 计算记录的粗线划的宽度W，如果W小于用户预定义的宽度LineWidth，则继续查找，否则停 止计算。在获得线划后(即记录上符合条件的像素坐标位置)有必要进行“去刺补孔”操 作，去除线划两侧边缘的毛刺，填充线划内部的孔洞。在经过上面三个步骤之后，识别到了 粗线划，应用基于数学形态学的细化算法细化后，得到粗线划的中间线骨架。接下来进行线 划跟踪，是将细化处理后的单像素宽、八连通的中间线骨架以相应的矢量串表示。矢量化的 核心就是线划跟踪，线划跟踪的任务是获取中间线骨架的像素坐标(x，y)，(x,y)对应于该 像素在图像矩阵的行、列号(i，j)，并且以一定的属性值标记这些坐标值，将同属性的目标 像素记录在同一个坐标串中，形成矢量串，从而实现从图像栅格数据格式到矢量数据格式 的转换。线划跟踪的停止条件是跟踪到线划端点和线划交叉点。抽稀处理是对跟踪出来的 矢量串在确保矢量化线划形状不变的条件下，最大限度的减少线划上点的个数，去除线划 上的非特征点，以达到压缩的目的。然后根据抽稀后的矢量串生成Shapefile线文件。在 整幅彩色地质像矢量化完毕后，应用仿射变换、类似变换、投影变换中的一种方法，将 整幅彩色地质像矢量化后的Shapefile文件由屏幕坐标系变换到现实世界坐标系。如图1所示，为本发明彩色地质像的交互式矢量化方法流程图，详细步骤如 下步骤S101 在彩色地质像中，首先确定该图像中光标位置的像素颜色值(RGB 空间)，从光标位置像素开始计算，获得与此光标位置像素色差相近的线划信息。该步骤中，判断两种颜色是否相近，此方法中应用了 CIE 1976 Lab均勻颜色空间。 在这个颜色空间里，各个不同颜色区域的数值变化必须与眼睛对颜色的感觉一致，相同的 数值变化对应相同的颜色差别感觉。满足这个条件的颜色就称为颜色感觉上的均勻颜色 空间。为实现均勻颜色空间的颜色比较，需对数据进行色差计算，所用的色差公式包括CIE 1976 Lab色差公式、CMC(l:c)色差公式、CIE DE2000色差公式。在均勻颜色空间里，各个不同颜色区域的数值变化必须与眼睛对颜色的感觉一 致，相同的数值变化对应相同的颜色差别感觉。满足这个条件的颜色就称为颜色感觉上的 均勻颜色空间。目前采用的是CIE 1976 Lab均勻颜色空间，及其对应的色差公式来衡量两 种颜色的差异性。在CIE色度图上每一点都代表一个确定的颜色。但对人眼来说，当颜色的坐标位 置变化很小时，不能感觉其变化，认为是原来的颜色。由此可见，每一颜色虽然在色度图上占一个点的位置，但对视觉来说，它实际上是一个范围，这叫颜色的宽容量。研究证明它的 形状是椭圆，在色度图的不同位置上颜色的宽容量的大小和长轴方向都不同。蓝色部分的 宽容量最小，也就是说，人眼对蓝色的辨别力强，当坐标值略有变化时视觉就能察觉出颜色 的变化。而绿色部分的宽容量最大。在色度图上端的宽容量椭圆的长轴与y轴坐标方向近 于一致，而下端则与X轴较为接近。沿长轴方向坐标值要较大变化视觉才能感觉到颜色的 变化，而沿短轴则反之。从这一点来看CIE色度图并不是理想的色度图。因为图上的色度 空间在视觉上是不均勻的，它不能反映颜色的视觉效果。理想的色度图应使每一种颜色的 宽容量都接近圆形，并且大小也较一致。为此CIE制定了 CIE 1960均勻色度标尺图(CIE 1960 Uniform Chromaticity-ScaleDiagram, CIE 1960 UCS 图)。在表示色差方面，CIE 1960均勻色度标尺图比CIE 1931色度图有了明显的改进。 但在图上没有明度坐标，这对计算色差很不方便。所以，在1964年又提出了 CIE 1964均勻 颜色空间。在此坐标系中除了引用UCS坐标系的色坐标外还引入了亮度值，这一坐标用U*、 V*、W*表示。其中U*、V*代表色度指数，W*代表明度指数。为了进一步统一评价颜色的差 别方法，CIE在1976年又推荐了两个颜色空间及有关色差公式。这两个颜色空间分别为CIE 1976(L*u*v*)空间和 CIE 1976(L*a*b*)空间，其中 L* 是明度。在 CIE 1976(L*u*v*)空间
中的横坐标为u'，纵坐标为v'。由x、y坐标转换为u'、v'坐标可用下列公式
) 为了使物体色在知觉上具有均勻空间，并反映出大于阈值小于孟塞尔颜色系统所 表示的色差，CIE推荐了第二个均勻颜色空间L*a*b*。L*a*b*均勻颜色空间是由一个明度 因数L和两个色度因数a、b组成的，L从0到100，a从红色变化到绿色，b从黄色变化到蓝 色，它们的值在-120 120之间。式中，X、Y、Z分别为CIE 1931标准色度学系统的三刺激值，Xn、Yn、Zn为观察样品 时使用的照明光源所对应的标准照明体三刺激值，通常规定印刷业使用d65或D5(i为标准照 明体。照明体D65和D5(l的三刺激值Xn、Yn、Zn以及色品坐标值，列于表1中。上述公式适用 于颜色不太暗的情况，即满足
分别大于0. 008856的条件。一般而言，绝 大多数四色印刷形成的。下表1描述了照明体D65或D5(i视场三刺激值及色品坐标值。
颜色都能满足这个条件。但是，当三刺激值中的某一项不满足这个条件时，该公式 应该如何使用却往往没有详细的说明，在计算较暗颜色时就会出现问题。事实上，该公式还 有更普遍的表达形式明度 其中 上式为分段函数，以0. 008856为临界点，在中、亮调区为立方根函数，在暗调区为 线性函数。f(x/xn)、f(Y/Yn)、f(Z/Zn)在临界点的0. 008856处有衔接情况。当X/Xn、Y/Yn 和 Z/Zn 等于临界值 0. 008856 时，f (X/Xn)、f (Y/Yn)、f (Z/Zn)在 0. 2069 处相接。当 X/Xn、Y/ ￥ 和 Z/Zn 等于 0 时，f(X/Xn)、f (Y/Yn)、f (Z/Zn)不等于 0，而是等于 0. 1379。CIE 1976 Lab 色差公式在与颜色感觉一致的均勻颜色空间内，2个颜色样品之间的色差表示为其坐标点 之间的距离，即
式中，ai，和L2，a2, b2分别是2个样品的坐标值[38]。色差公式的几何意义，是在均勻颜色空间以标准色样的坐标点为中心的一个椭 球，其在L，a，b三个方向的半轴长分别为(L「L2)，(ara2)和(b「b2)。若规定椭球内的颜 色满足色差容限的要求，则椭球外的颜色与标准色样的色差超出了色差容限范围，便不满 足色差的要求。总色差还可以分解为明度差、色调差和饱和度差等3个感觉分量。由于颜 色的明度差为 根据饱和度公式可得颜色的彩度差 进而得到色调差公式从 Ah*ab的符号取决于2个样品的色调角度差(h\bl_h\b2)。如果该角度差为正，则 Ah*ab为正值；如果该角度差为负，Ah*ab也为负值。由此，总色差又可以表述为明度差、色 调差和彩度差的形式 进而又可推导出 CMC(l:c)色差公式CMC是英国颜色测量委员会名称(the Society's Color MeasurementCommittee) 的缩写。CMC色差公式虽未被CIE推荐为标准，但却是目前工业上广泛采用的计算色差方 法，CIE DE2000色差公式就是在此基础上改进得到的[38]。通过修正CIE 1976 Lab色差 公式，CMC色差公式使各色调方向的色差椭圆大小可根据视觉的关系进行改变，比如在红色 区域的椭圆比较瘦长，在绿色区域则比较圆；同时可改善饱和度差随明度的变化关系，给予 饱和度不同的颜色以不同的色差容限，色差容限随饱和度的增加变大，反之则减小。CMC色差公式为如下形式 SL, Sc, SH分别为明度差、彩度差和色调差的权重函数，可由下式计算 式中 值得说明的是，在表示色差时，应该指出计算所用的1和c值，通常写为 A E*cmc (1 c)形式。例如，使用1 = 2和c = 1计算得到的色差，应该表示为A E*cmc (2:1)。CIE DE2000 色差公式由于CIE 1976 Lab均勻颜色空间和色差公式仍然存在缺陷，国际照明委员会一直 在寻找更理想的公式。在CIE LAB和CIE 94等色差公式的基础上，通过大量视觉实验和色 差评估实验，于2001年正式推荐一个最新的色差公式，并命名为CIE 2000 ( A L'，AC'， AH')色差公式，通常简称为CIE DE2000。在国际照明委员会的出版物CIE 142-2001《工 业色差评估的改进》中，向全世界公布了这个新的色差公式，并计划通过一年至一年半的贯 彻、推广、应用和修正，最终成为CIE和ISO的国际标准。CIE DE2000色差公式的完整表述形式如下 A V = kE A 'Eqo 式中，A V为被感知的色差，AE00为用CIE DE2000计算的总色差，称kE_l为总色 差的视觉敏感度。对于一般工业应用，可以不考虑总色差的视觉敏感度，而直接使用总色差 AE00来表示色差感觉。式中的AL'、AC'、AH'分别表示明度差、彩度差和色调差，并按下列各式计 算


式中脚标b和s分别表示颜色样品和标准色样。Ah' =hb' -hs'，是色调 角之差；L' =L*(CIE 1976 明度)；a' =a*(l+G)，b' =b*(CIE 1976 色度)；C'= sqrt(a2+b2),h' = 180/Ji Cretan (b' /a' )，G为红绿轴的调整因子，是彩度的函数 式中，C*ab是根据颜色样品和标准色样计算出的CIE 1976 Lab彩度平均值。权 重函数、se、SH用来校正颜色空间的均勻性，可分别用下列各式计算 0.015(Z"'-50)2
^20 + (L'-50)2
^ =1 + 0.045C'
sH =i + o.oi5cr
分别表示用CIE DE2000公式计算的颜色样品和标准色样明度、彩度和色
11调角的算术平均值。RT称为旋转函数，用来校正蓝色区域色分辨椭圆主轴方向的偏转Rt = -sin (2 A e )RC上式中，A 0是由色调决定的旋转角度，Re是根据彩度变化的旋转幅度，分别由下 列各式计算 式中的参数因子&、ke、kH是与使用条件相关的校正系数，它们是影响色差感觉的 因素。CIE给定了一组标准观测条件，如表2。在此标准观测条件下，& = 1^ = ^=1。若 不符合此条件时，则要根据工业色差评估条件来确定这些系数的值。下表2给出了计算色差的标准观测条件 步骤S102 在获得与光标位置色差相近的线划过程中，能够控制所识别线划的宽 度(LineWidth，用户预定义的宽度，单位是像素)。计算已识别的粗线划的宽度W，W小于 Lineffidth值的粗线划能够被识别，W大于等于LineWidth值的粗线划认为是背景信息，不 被识别。计算线划宽度的方法已知1、某一图像中的粗线划；2、一个边长为LineWidth的正方形。如果能将“边 长为LineWidth的正方形”完全放入“粗线划”内，则粗线划的宽度W大于等于LineWidth， 否则粗线划的宽度W小于LineWidth。“完全放入”的意思是边长为LineWidth的正方形中 的每一个像素，均在粗线划中，即“粗线划”包含“正方形”。步骤S103 在满足步骤S101中的条件1)(即小于某一色差)和步骤S102中的条 件2)(小于LineWidth值)两个条件所识别的线划后，进行“去刺补孔”操作，去除线划两
12侧边缘的毛刺，填充线划内部的孔洞。步骤S104 在经过上面步骤S101-步骤S103三个步骤之后，识别到了粗线划，应 用基于数学形态学的细化算法细化后，得到粗线划的中间线骨架。数学形态学(Mathematical Morphology)是一门应用于图像处理和模式识别领域 的新兴科学，其历史可回溯到19世纪的Euler，Steiner，Crofton和本世纪的Minkowski， Matheron和Serra。1964年，法国的G. Matheron和J. Serra在积分几何的基础上，将数学 形态学引入图像处理领域，并研制了基于数学形态学的图像处理系统。此后，他们又在法国 建立了“枫月白露数学形态学研究中心”，在该中心的学者和其他各国研究人员的共同努力 下，数学形态学得到了不断的丰富和发展，成为一种新型的图像处理的理论和方法。1982 年，J. Sem的专著《图像分析与数学形态学》问世后，数学形态学在图像处理、模式识别和计 算机视觉等领域引起广泛的重视和应用，这些应用反过来又促进它的进一步发展。在计算 机视觉、信号处理与图像分析、模式识别、计算方法与数据处理等领域，数学形态学都取得 了许多非常成功的应用。在计算机图像处理的许多方面，如图像增强、分割、恢复、边缘检 测、纹理分析、颗粒分析、骨架化、形状分析、压缩及细化等，都获得了广泛的应用。目前，数学形态学已由二值形态学、灰度形态学、软数学形态学、模糊形态学发展 到模糊软形态学，在图像处理领域得到了越来越广泛的应用。数学形态学理论是一门建立 在严格的数学理论基础之上，最基本的数学理论基础是积分几何和随机集论，同时还涉及 到拓扑学、现代概率论、近世代数和集论、图论等一系列数学分支，是一门综合了多学科知 识的交叉学科。作为一种新型的数字图像分析的方法和理论，数学形态学在图像的分析处 理应用中，数学形态学提供了基于形状的处理方法，获得了广泛的应用。其主要内容是设计 一套概念和变换运算，用以描述图像的基本特征或基本结构，亦即图像的各个像素或各个 部分之间的关系，易于实现对数字图像的处理、识别和理解。它通过运用特定领域的形态变 换来完成图像的几何特征分析，形态变换通过选择已知结构的较小图像特征集合一结构元 素与目标的相互作用来实现。它最基本的思想是把图像看成是点的集合，用结构元素对其 进行移位、交、并等集合运算就构成形态学的各种处理算法。其中结构元素也是由点的集合 构成的，如线性、圆形、矩形、三角形，它相当于一种图像的“探针”，在图像中不断地移动结 构元素，便可研究各个部分的关系。结构元素，是人们为理解和处理一个复杂的图像，获取所需的信息而设计的一种 结构简单、形状规则的图像单元。结构元素作为图像几何形状的探针，在运算变换中处于主 导地位。形态变换有膨胀和腐蚀两种基本运算，由这两种运算可推导出其它运算，常用的运 算还有开运算、闭运算、击中、薄化和厚化运算。基于这些基本运算还可以推导和组合成各 种数学形态学实用算法。通过这些基本运算的适当组合，成为一种新的运算处理模式，往往 能获得需要的图像处理效果。数学形态学运算的基本理论和基本运算数学形态学是由一组形态学的代数运算子组成。最基本的形态学运算子有腐蚀 (Erosion)，膨胀(Dilation)、开(Opening)和闭(Closing)。通过这些运算子的组合可以 进行图像形状和结构的分析及处理。1.结构元素为了确定目标图像的结构，必须逐个地考察图像各部分之间的关系并进行检验，最后将得到一个各部分之间关系的集合。在考察图像各部分之间的关系时，需要设计一种 收集信息的“探针”即“结构元素”或“结构矩阵”在图像中不断移动结构元素，就可以考察 图像各部分之间的关系。2.腐蚀和膨胀运算对一个给定的目标图像x和一个结构元素s，将s在图像上移动，在每一个当前位 置X，若S[x]与x最大相关即S[X]eX。满足此条件的点X的全体构成了结构元素与图像的 最大相关点集。称这个点集为S对X的腐蚀，记为 与腐蚀相反，可以把x中的每一个点x扩大为S [x]，即膨胀运算，记为
。此式 定义为
关 。腐蚀和膨胀的代数性质对偶性 单调性 递减(增)性 交换律 腐蚀运算没有交换性，即 结合律 平移不变性 3.开运算与闭运算在腐蚀和膨胀两个基本运算的基础上可以构造出形态学运算族。开运算和闭运算 是其中两个最为重要的组合运算。开运算 开运算具有反扩张性，即开运算的结果总算包含在原图像中。开运算可以通过计 算所有可以填入图像内部的结构元素平移的并求得。即对每一个可填入位置作标记，计算 结构元素平移到每一个标记位置时的并运算，便可得到开运算结果。开运算是采用相同的 结构元素对图像先进行腐蚀运算再进行膨胀运算，开运算可以去掉图中的一些孤立域和毛 刺以及凸出部分，使图像更加平滑，而总的位置和形状不变。闭运算 闭运算沿图像的外边缘填充，去除了凸向图像内部的尖角，填平缝隙，弥合孔洞和 裂缝，能去掉图像上的小孔和凹部，使断线连接，而总的位置和形状不变。
开、闭运算的代数性质
对偶性
(X‘0 S)‘一X。S
(X‘。S)‘一X 0 S
收缩性
单调性
如果工(J’，那么
X．S巨X’。s
如果召
那么
平移不变性
XLh]0 S一(X 0 S)[h]
7]] XLh]。S一(X。S)[h]
X 0 S[h]一X 0 S
X。S[h]一X。S
等幂性
(X 0 S)0 S—X 0 S
(X。S)。S—X。S
4．击中／击不中变换
设X是被研究的图像，S是结构元素，而且S由两个不相交的部分Sl和S2组成，即S—S1 U S2且Sl门S2一①。X被S“击中”的结果定义为
X被S击中的结果仍然是一个图像，其中每个点p必须同时满足两个条件Sl被p平移后包含在X内，而且S2被p平移后不在X内。
击中运算还有另外一种表达式
上式表明，X被S击中的结果相当于X被Sl腐蚀的结果与X被S2的反射集S2膨胀的结果之差。
数学形态学的图像细化算法
一幅图像中的一个3×3区域，对各点标记名称Pl，P2．．．．．P8，其中Pl位于中心(如下所示)。
如果PI = 1(即黑点)，下面四个条件如果同时满足，则删除PI (PI =0)。(1)2 ^ NZ(P1) ^ 6 ；(2)Z0(P1) = 1 ；(3)P2*P4*P8 = 0 或者 Z0(P1)乒 1 ；(4) P2*P4*P6 = 0 或者 Z0 (P4)乒 1。对图像中的每个点重复这一步骤，直到所有的点都不可删除为止。下图5-2是三 种不能删除的特殊情况。
步骤S105 进行线划跟踪，是将细化处理后的单像素宽、八连通的中间线骨架以 相应的矢量串表示。该步骤中，矢量化的核心就是线划跟踪，线划跟踪的任务是获取中间线骨架的像 素坐标(x，y)，(x，y)对应于该像素在图像矩阵的行、列号(i，j)，并且以一定的属性值标记 这些坐标值，将同属性的目标像素记录在同一个坐标串中，形成矢量串，从而实现从图像栅 格数据格式到矢量数据格式的转换。矢量化的经典方法是轮廓跟踪法，即把中间线骨架视作连通道路，进行连通道路的遍历来把每个连通道路上的所有像素串接在一起，形成链串 式或坐标串。该方法是以前面一个边缘点方向信息作指导，立足当前边缘点，搜索前进，找 出一条完整轮廓曲线。每接受一个边缘点，便赋予其方向标识，或记录(i，j)坐标，使各个 边缘点串连起来形成坐标串，停止跟踪的条件是1、跟踪到线划端点；2、跟踪到线划交叉
点o步骤S106 抽稀处理是对线划跟踪出的矢量串在确保矢量化线划形状不变的条 件下，最大限度的减少线划上点的个数，去除线划上的非特征点，以达到压缩的目的。该步骤中，从矢量串开始点依次筛选，排除冗余点。即以第一点为起点，计算第二 点到第一点和第三点所构成的直线的距离，如该距离大于某一阈值D，则保留第二点，并以 该点作为新的起点，计算第三点到第二点和第四点所构成的直线的距离；否则，去掉第二 点，仍以第一点为起点，计算原曲线上第三点到第一点和第四点所构成直线的距离。依次类 推，直至曲线上的最后一点。步骤S107 经过步骤S101到步骤S106，获得了彩色地质像中线划的顶点坐标 串，然后使用该顶点坐标串生成Shapefile线文件。步骤S108 应用仿射变换、类似变换、投影变换中的一种方法，将整幅彩色地质图 矢量化后的Shapefile线文件由屏幕坐标系变换到现实世界坐标系。该步骤中，矢量化后的整张彩色地质图必须转换成现实世界坐标(如高斯-克里 格坐标系统、UTM坐标系统等)，才能用于Gis项目，因此在整幅彩色地质图矢量化完毕后， 经常需要进行投影变换，以得到经纬度参照系下的彩色地质图。几何变换就是利用一套控制点和变换方程，将数字地质图或图像从一种坐标系转 换成另一种坐标系的过程。几何变换的一般过程。第一步，获取控制点(tics)设备坐标 系下的值；第二步，获取控制点(tics)的现实世界坐标系的值；第三步，选择几何变换的方 法，并进行变换。几何变换有几种方法(Taylor，1977)，各种方法的区别在于它能保持的几 何性质，以及对目标的操作和改变。(1)仿射变换允许长方形角度变形，但保留线的平行性。(2)类似变换允许旋转长方形，保持形状不变，但不保持大小不变。(3)投影变换允许角度和长度变形，而使长方形变换成不规则四变形。在几何校正中三个变换(仿射变换、类似变换、投影变换)的线性方程。仿射变换线性方程X，= Ax+By+CY' = Dx+Ey+F类似变换线性方程X，= Ax+By+CY，= -Bx+Ay+F投影变换表达为一对线性方程X，= (Ax+By+C)/(Gx+Hy+1)Y，= (Dx+Ey+F)/(Gx+Hy+1)利用最小二乘法，代入(X、Y)、(X’、Y’ )坐标对，用线性方程组求解出(Cholesky 分解法)系数。使用解出的系数，将整幅彩色地质图矢量化后的Shapefile文件由屏幕坐标系变换到现实世界坐标系。如图2所示，为本发明的彩色地质像的交互式矢量化系统结构图，结合图1所 示，该系统200的结构包括线划识别模块201，用于确定彩色地质像中的光标位置，从该光标位置开始获 取与该光标位置处色差相近的线划，并根据线划宽度控制能被识别的线划；具体地，线划识 别模块201将光标位置处的像素颜色值由RGB颜色空间转换到均勻颜色空间，并通过CIE 1976 Lab色差公式、CMC (l:c)色差公式或CIE DE2000色差公式获取与光标位置处色差相 近的线划。去刺补孔模块202，连接线划识别模块201，用于通过去刺补孔处理去除被识别的 线划两侧边缘的毛刺，并填充内部的孔洞，得到粗线划；线划细化模块203，连接去刺补孔模块202，用于应用基于数学形态学的细化算法 对粗线划进行细化；线划跟踪模块204，连接线划细化模块203，用于对细化处理后的单像素宽、八连 通的中间线骨架进行线划跟踪获取矢量串；抽稀处理模块205，连接线划跟踪模块204，用于对线划跟踪出的矢量串进行抽稀 处理得到顶点坐标串；坐标系转换模块206，连接抽稀处理模块205，用于根据顶点坐标串生成 Shapefile线文件，并将整幅彩色地质图矢量化后的Shapefile线文件由屏幕坐标系变换 到现实世界坐标系。上述各模块中所实现的具体功能可参见图1中的相应步骤。下面结合图1、图2，进一步通过一个具体的例子来描述本发明的彩色地质像 的交互式矢量化的过程。1)在彩色地质像(图3)中，从光标位置(19，8)开始计算，获得与此光标位 置色差相近的线划信息。为实现均勻颜色空间的颜色比较，需对数据进行色差计算，所用的 色差公式CIE DE2000色差公式。小于预定的色差值则被标记，如图4所示，设定色差值为 28. 37和宽度值为7后提取的线划，标记为斜线网格纹理10。2)在获得与光标位置色差相近的线划过程中，能够控制所识别线划的宽度 (LineWidth，用户预定义的宽度)。计算已识别的粗线划的宽度W，W小于LineWidth值的 线划能够被识别，W大于等于LineWidth值的粗线划认为是背景信息，不被识别，如图5所 示，设定色差值为28. 37和宽度值为2后提取的线划，仅提取少部分线划。3)在满足条件1)(即小于某一色差)和条件2)(小于LineWidth值)两个条件所 识别的线划后，有必要进行“去刺补孔”操作，去除线划两侧边缘的毛刺，填充线划内部的孔 洞。见图6中去刺补孔后的线划，与图3中的原始彩色地质像对比可知，将带孔带刺的 线划处理成了丰满的粗线划。4)在经过上面三个步骤1)、2)、3)之后，识别到了粗线划，应用基于数学形态学的 细化算法细化后，得到粗线划的中间线骨架。如图7所示，细化后的线划。5)线划跟踪，是指将细化处理后的单像素宽、八连通的中间线骨架以相应的矢量 串表示。线划跟踪的停止条件是跟踪到线划端点和线划交叉点。抽稀处理是对线划跟踪出 的矢量串在确保矢量化线划形状不变的条件下，最大限度的减少线划上点的个数，去除线划上的非特征点，以达到压缩的目的。如图8所示，其中跟踪线划记录坐标串并抽稀得到顶 点坐标，斜线网格纹理10为细化后跟踪出的矢量串坐标，黑色20为抽稀后的顶点坐标串。6)将抽稀后的顶点矢量串生成Shapefile线文件。7)应用仿射变换、类似变换、投影变换，将整幅彩色地质图矢量化后的Shapefile 线文件由屏幕坐标系变换到现实世界坐标系(如高斯_克里格坐标系统、UTM坐标系统
等o本发明描述了通过识别彩色地质像中线划信息，并提取出线划的顶点坐标 串，最终生成矢量线的方法，此方法能够识别彩色地质像中颜色趋于一致的、宽度一定 的、连通的线划。本发明属于彩色地质像模式识别，主要用途是识别彩色地质像中 线划信息，并提取出线划的顶点坐标串，最终生成矢量线。当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟 悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变 形都应属于本发明所附的权利要求的保护范围。
权利要求
一种彩色地质像的交互式矢量化方法，其特征在于，包括步骤一，确定彩色地质像中的光标位置，从该光标位置开始获取与该光标位置处色差相近的线划，并根据线划宽度控制能被识别的线划；步骤二，去除所述被识别的线划两侧边缘的毛刺，填充内部的孔洞，得到粗线划；步骤三，应用细化算法对所述粗线划进行细化；步骤四，对细化处理后的单像素宽、八连通的中间线骨架进行线划跟踪获取所述矢量串，对所述矢量串进行抽稀处理得到顶点坐标串；步骤五，根据所述顶点坐标串生成Shapefile线文件，并将所述彩色地质图矢量化后的Shapefile线文件由屏幕坐标系变换到现实世界坐标系。
2.根据权利要求1所述的彩色地质像的交互式矢量化方法，其特征在于，所述步 骤一中，进一步包括将所述光标位置处的像素颜色值由RGB颜色空间转换到均勻颜色空间，并通过CIE 1976 Lab色差公式、CMC (l:c)色差公式或CIE DE2000色差公式获取与所述光标位置处色 差相近的线划的步骤。
3.根据权利要求1所述的彩色地质像的交互式矢量化方法，其特征在于，所述步 骤三中，进一步包括通过跟踪到线划端点或线划交叉点停止线划跟踪的步骤。
4.根据权利要求1、2或3所述的彩色地质像的交互式矢量化方法，其特征在于，所 述步骤四中，所述线划跟踪的步骤具体包括获取所述中间线骨架的像素坐标，所述像素坐标对应于在所述彩色地质像的矩阵 中的行、列号，以一定的属性值标记所述像素坐标的坐标值，并将同属性的目标像素记录在 同一个坐标串中，形成所述矢量串。
5.根据权利要求1、2或3所述的彩色地质像的交互式矢量化方法，其特征在于，所 述步骤五中，进一步包括通过仿射变换、类似变换或投影变换，将所述彩色地质图矢量化后的Shapefile文件 由屏幕坐标系变换到现实世界坐标系的步骤。
6.一种彩色地质像的交互式矢量化系统，其特征在于，包括线划识别模块，用于确定彩色地质像中的光标位置，从该光标位置开始获取与该 光标位置处色差相近的线划，并根据线划宽度控制能被识别的线划；去刺补孔模块，连接所述线划识别模块，用于去除所述被识别的线划两侧边缘的毛刺， 填充内部的孔洞，得到粗线划；线划细化模块，连接所述去刺补孔模块，用于应用细化算法对所述粗线划进行细化； 线划跟踪模块，连接所述线划细化模块，用于对细化处理后的单像素宽、八连通的中间 线骨架进行线划跟踪获取所述矢量串；抽稀处理模块，连接所述线划跟踪模块，用于对所述矢量串进行抽稀处理得到顶点坐 标串；坐标系转换模块，连接所述抽稀处理模块，用于根据所述顶点坐标串生成Shapefile 线文件，并将所述彩色地质图矢量化后的Shapefile线文件由屏幕坐标系变换到现实世界 坐标系。
7.根据权利要求6所述的彩色地质像的交互式矢量化系统，其特征在于，所述线 划识别模块将所述光标位置处的像素颜色值由RGB颜色空间转换到均勻颜色空间，并通过 CIE 1976 Lab色差公式、CMC (l:c)色差公式或CIE DE2000色差公式获取与所述光标位置 处色差相近的线划。
8.根据权利要求6所述的彩色地质像的交互式矢量化系统，其特征在于，所述线 划跟踪模块通过跟踪到线划端点或线划交叉点停止线划跟踪。
9.根据权利要求6、7或8所述的彩色地质像的交互式矢量化系统，其特征在于，所 述线划跟踪模块通过获取所述中间线骨架的像素坐标，所述像素坐标对应于在所述彩色地 质像的矩阵中的行、列号，以一定的属性值标记所述像素坐标的坐标值，并将同属性的 目标像素记录在同一个坐标串中，形成所述矢量串。
10.根据权利要求6、7或8所述的彩色地质像的交互式矢量化系统，其特征在于， 所述坐标系变换模块通过仿射变换、类似变换或投影变换，将所述彩色地质图矢量化后的 Shapefi 1 e文件由屏幕坐标系变换到现实世界坐标系。
全文摘要
本发明公开了一种彩色地质像的交互式矢量化方法及其系统，其中该方法包括步骤一，获取与该光标位置处颜色的色差相近的线划，并根据线划宽度控制能被识别的线划；步骤二，去除被识别的线划两侧边缘的毛刺，填充内部的孔洞，得到粗线划；步骤三，对粗线划进行细化；步骤四，对细化处理后的单像素宽、八连通的中间线骨架进行线划跟踪获取矢量串，对矢量串进行抽稀处理得到顶点坐标串；步骤五，根据顶点坐标串生成Shapefile线文件，并将Shapefile线文件由屏幕坐标系变换到现实世界坐标系。本发明能够识别彩色地质像中颜色趋于一致的、宽度一定的、连通的线划。
文档编号G06K9/62GK101853514SQ20091008139
公开日2010年10月6日 申请日期2009年4月2日 优先权日2009年4月2日
发明者丁建华, 娄德波, 宋国玺, 张晓华, 李楠, 杨莎莎, 肖克炎, 邹伟, 陈海燕, 顾燕 申请人:肖克炎;张晓华;宋国玺