曹新虎

（山西省第五地質工程勘察院，山西 臨汾041000）

0.引言

對于工程類的項目而言，在進行招標以及進行研究的過程中，需要使用到傳統(tǒng)地形圖，將地形圖運用相關的技術掃描之后，插入到相應的CAD之中，再對其進行修改與編輯，可達到工程項目所需要的標準精度[1]。。如何對所需要的傳統(tǒng)的地形圖進行掃描，使得圖上信息能夠完整準確展現(xiàn)出來，以及運用哪種CAD格式進行數(shù)據(jù)的轉換更加便捷，對于工程順利實施具有重要意義，這也成為目前亟待解決的一個問題。

運用矢量化的形式，將相關的、傳統(tǒng)的地形圖中的相關信息轉化為直線、圓弧、文字等相關圖形進行儲存的過程稱為矢量化[2,3]。近些年以來隨著CAD，GNSS的廣泛普及，地形圖矢量化這一研究方法也得到了快速發(fā)展。矢量化研究方法已經(jīng)形成了基于細化原理、輪廓跟蹤、稀疏像素等集眾多方法于一體的算法，也相繼推出了一系列與圖紙識別相關的系統(tǒng)[4,5]。但在這過程中，仍然存在許多的問題。比如，工程項目的應用背景都是復雜的，需求也是相對多樣化的，針對目前的研究成果而言，普遍都會存在反應速度慢、智能化程度較低、環(huán)境適應力較差等問題，同時在運用矢量化的方法時，不能很好地自動識別以及不能滿足不同項目的需求，這些造成了矢量法應用推廣普及的困難。為了保證項目順利進行，本文針對地形圖掃描過程中存在的問題進行相應探討，并且開發(fā)出相關模型能夠準確描述傳統(tǒng)地形圖的矢量法。

1.地形圖的矢量化算法

1.1 相關數(shù)據(jù)的分析以及提取

在工程的進行中，所采用的地形圖一般都是單色的圖像。對這些單色的圖片進行掃描之后，可以直接得到相應的二值化圖像，對于二值化圖像中的掃描線，在實際中都是根據(jù)可以全部進行連通的小黑像素所構成的，有些是根據(jù)一系列的距離間隔較近或是可以相互之間連通的黑像素所構成的，在不同的比例之下可以得到不同的狀態(tài)圖，下列分別為25%、100%與400%的矢量圖（如圖1所示）：

圖1不同比例之下的矢量圖

在圖像的數(shù)據(jù)中，對于黑像素的值定為1，對于白像素的值定為0，在對其像素進行設置之后，可以采用一個二維的模型對矢量圖中的所有的像素進行相應記錄，同時將采用二維的布爾模型所記錄下來的像素命名為像素數(shù)的組合。與平面直角坐標軸相同，圖像左下角作為坐標原點，水平方向為x軸，豎直方向為y軸。像素數(shù)組中的數(shù)點根據(jù)相應的x、y值放入到相應的模型之中，像素數(shù)組的數(shù)據(jù)也就代表了像素的不同的類型，這樣的情況之下,也就完成了對于地形圖的數(shù)據(jù)的提取。

1.2 黑像素變帶寬存儲

對黑像素點進行儲存的過程之中，需要對其進行相應數(shù)據(jù)元素的排列，將元素按照從下到上、從左到右進行元素的排列，從而方便進行黑像素點元素的檢索。將有效數(shù)組中的黑像素點分別進行編號，有效數(shù)組中的黑像素點值為1的時候，則為有效數(shù)組的序號，如果其黑像素點值為2的時候，則說明這類黑像素點可以取得兩個有效的值。由于地形圖中的黑像素是比較稀疏的，采用別的方法而言是相對比較復雜的，也不能很好對其進行存儲，通過對黑像素的有效處理之后，進一步提高矢量化進行的過程（如圖2所示）：

圖2黑像素變寬存儲處理圖

1.3 原始點的選擇

當相關的像素點的距離與起始點的數(shù)值之間的差距小于3個黑色像素的時候，就需要對這些像素點的有效值進行編碼。編碼的順序需要按照被搜索的先后的順序依次加入相關的鏈條中，按照這個順序，在編碼過程中表示出起始點的位置，在找到有效點在鏈條中進行編號之后，其對應位置像素數(shù)值就會變?yōu)?，那么變?yōu)?的這個像素點就成了無效點。將像素點進行編碼并找到鏈條中像素位置的過程稱為吸附計算。吸附計算關鍵的步驟就是尋找關鍵點，圖元的起始位置就是所需要的第一個關鍵點，采用吸附計算所得到的有效點則被稱為節(jié)點（如表1所示）：

表1節(jié)點搜索次序

1.4 智能跟蹤算法

對像素點進行智能跟蹤的時候，其進行搜索的距離也就是按照跟蹤的長短來進行定義的，并根據(jù)其對于像素點的依附性以及距離的大小，進行間斷點距離的變化，從而可以實現(xiàn)間斷點跟蹤的連續(xù)性與完整性，但是這樣的過程容易造成圖元之間相互跳躍的現(xiàn)象，從而導致智能跟蹤的過程中產(chǎn)生較大的誤差，這種情況需要按照實際的地形圖進行確定，通過跟蹤方向來確定最終的像素點區(qū)域的劃分，具體的劃分（如圖3所示）：

圖3跟蹤方向劃分圖

在跟蹤方向區(qū)域的劃分當中，其每一個都是代表了一個像素點，最中間的像素點則為有效像素中的關鍵點，對于關鍵點周圍的像素都會被跟蹤進行編碼，從而減少進行搜索的工作量，在搜索的過程中第一個有效點則是其有效點。保留這一有效點對下面的像素點進行搜索，不斷地進行吸附計算，直到將所有的像素點都搜索完，從而完成對一個圖元的像素搜索。

2.輸出文件進行優(yōu)化

在對地形圖進行掃描之后，需要進行數(shù)據(jù)分析，獲得數(shù)據(jù)之后矢量的文件也就可以獲得，在對文件進行輸出的過程中，需要保證輸出文件的最優(yōu)化，在輸出數(shù)據(jù)傳輸之前,需要對輸出的文件進行不斷地優(yōu)化之后,再進行傳輸語句。輸出文件的優(yōu)化過程主要有三個部分，分別是地形圖線寬的相關計算、去除地形圖的雜點以及對數(shù)據(jù)進行平滑的計算。這三部分中的每一部分對于文件傳輸?shù)膬?yōu)化都是至關重要的。

2.1 地形圖線寬的計算

對于地形圖中的每一條線寬都需要進行準確地把握，從而可以對地形線中的圖元進行更好地確定與計算。就一般情況而言，地形圖的線寬一般是一個常數(shù)，在進行線寬的計算的時候可以運用下列的公式進行計算，如式（1）所示：

在式（1）中，w為線寬；ne與nb則為關鍵點與節(jié)點的數(shù)量多少；li表示的是第i與i+1之間的距離的大小。

2.2 去雜點

對于圖像中不在鏈條上點的一些雜點，這部分的雜點的數(shù)量通常是比較少的，所以要將這些點設置為一個具有下限的數(shù)組,進行雜點的剔除，實現(xiàn)對于文件的雜點的剔除。在去雜點的鏈條之中，內(nèi)部的有效圖元必須要滿足有效的計算，具體的計算公式如式（2）所示：

在上述式子中，ne與nb為關鍵點與節(jié)點的數(shù)量，nmin代表的是有效數(shù)據(jù)組中最少的有效像素點的數(shù)量，通過軟件的相關計算,用戶可自定義具體數(shù)值。

3.地形圖掃描分析的具體例子分析

基于線條的平滑特點,同時矢量法保留了對于地形圖線寬的相關特點，所以能夠更加準確具體地將原本的地貌反應出來。但是，由于在地形圖進行掃描的過程中,對有關數(shù)字以及文字進行了相關處理，造成了部分數(shù)字以及文字的失真，這對原本的圖像造成了一定的影響，為了掃描后的地圖能夠最大程度地保留原本圖像信息，還需要對數(shù)字以及文字失真的問題進行具體詳細研究，矢量化的地圖（如圖4所示）：

圖4矢量化地圖

4.應用實例

由于矢量圖像存儲空間相對較小、縮放時不會產(chǎn)生變形以及方便進行各種變化等優(yōu)點，圖像矢量化技術在諸多工程領域中都有著廣泛應用。在電腦矢量化的過程中，需要對地形圖中的線條進行矢量化處理，實現(xiàn)圖的縮放，并且需要對這些線條進行走針處理。一般的位圖圖像是不能夠進行這一種操作的，所以需要采用矢量化方法對地形圖進行處理，以矢量化之后的圖形為依據(jù)進行相關計算，可以得到關于地形圖的矢量化圖形。本文將采用矢量化方法對地形圖進行具體介紹。

實現(xiàn)地形圖矢量化需要對其走針的路線進行相關計算，也就是計算出鏈碼。實現(xiàn)這一功能需要做到以下幾個步驟：

（1）圖案的區(qū)域標識；

（2）圖的邊界識別與跟蹤；

（3）圖案邊界的光滑與矢量化；

（4）地形圖走針路線的具體設計。

4.1 圖案的區(qū)域標識

地形圖識別處理通常為文字、各種線條，這些圖案可以視為一塊連通的區(qū)域。為了方便后續(xù)進行處理的需要，必須要將圖案中的相互連通的區(qū)域進行詳細描述，并要確定出其具體的屬性，比如區(qū)域的范圍以及圖形等。如果有的地形圖的圖像是彩色的圖像，需要除去不相互連通的標識區(qū)域外，還需要對其顏色的屬性進行不同區(qū)域的劃分與識別。本文所采用的例子當中沒有顏色的區(qū)分，因此只對其線條進行區(qū)分。

4.2 二值圖像的區(qū)域標識算法

在對二值圖像的區(qū)域標識進行計算的時候，其主要是運用sign作為當前的一個標識性的記號，通過一個數(shù)組flag用來記錄原本的標識面積，也就是以i作為標號的區(qū)域面積，對于任何一個二值圖像而言，它代表的是背景的像素及目標的像素。進行地形圖區(qū)域算法的主要步驟是以下幾部分：

（1）從左向右、從上到下逐個對元素進行掃描；

（2）在掃描的過程中，當目標的像素為P點的時候，如果這一個點的右上、正上、左上、左前四個點都沒有形成像素，那么就不是物體，這一個點就是新出現(xiàn)的點。那么就需要將sign增加1，并且讓標識面積等于1；

（3）如果P點是在右上角，那么P點則是與右上角相同的點，并且需要將其flag數(shù)組的元素都增加1。這種情況之下，P點位可以與其右上角的點進行連通并且合并；

（4）如果正上、左上、左前是目標像素點的時候，那么需要將P點與相同方向的像素標記相同的值，并且將其對應的flag元素進行簡單相加。

經(jīng)過相關計算之后，對不相鄰的像素點采用不同的數(shù)值進行標記，并且可以運用相關方法計算出相應的區(qū)域面積。需要引起注意的是，不同區(qū)域雖然用不同的數(shù)值進行了標記，但是這些標記的數(shù)值之間并不是連續(xù)的，區(qū)域的標識值有可能是5、20、50等，這些數(shù)值之間并不是連續(xù)的，為了方便進行處理，那么就將這些數(shù)據(jù)運用了整數(shù)標識。進行標識的過程中，只需要將flag數(shù)組中記錄不為0的數(shù)值，建立新的索引數(shù)據(jù)，再對這些數(shù)據(jù)進行重新的整合。

4.3 小區(qū)域的合并與刪除

對于紙質版的地形圖而言，其線條是不太均勻的，不會出現(xiàn)太大的噪音點以及邊界失真的情況等。但是經(jīng)過掃描之后的電腦位圖圖像常常會出現(xiàn)一些噪音點以及邊界失真的情況。這些噪音點和邊界顏色失真會使得區(qū)域識別的時候，錯誤識別出許多小的區(qū)域，這就會使得我們在進行真正識別的時候，地形圖的邊界會變得非常粗糙，并且會增加工作量。為了繼續(xù)后面的操作，就必須要將這些噪音點和邊界失真帶來的影響進行消除。

根據(jù)掃描面積可以設定兩個閾值t1與t2，其中t1

（1）如果S≤t2，那么這種情況之下就是小區(qū)域，需要對小區(qū)域進行合并或者是刪除，并且將其進行到步驟2中，否則不利于下一個地區(qū)的判斷；

（2）所有的小區(qū)域都有一個共同的特點，就是有無目標點，如果有目標點，那么這兩個點之間存在相似性，如果沒有目標點，那么這兩個點之間就沒有相似的目標點。如果S

（3）然后對地形圖中所有的點都重新進行檢查，直到需要刪除或者是合并的小區(qū)域為止。

4.4 地形圖的邊界識別與跟蹤

因為區(qū)域之內(nèi)的所有的數(shù)字都是從1連續(xù)整數(shù)進行識別的，所以需要對定圖的邊界進行標識與識別，地形圖邊界進行識別的基本算法有：

（1）獲得圖像像素的高與寬；

（2）開辟相應的緩沖區(qū)，用于記錄圖像的邊界；

（3）讀入圖像，將領域像素讀入數(shù)組中，如果像素點均與中心點的標識相同，那么就是內(nèi)部點。將內(nèi)部點進行記錄，否則其他點為邊界點；

（4）重復步驟3，將所有內(nèi)部點與邊界點進行計算與標識。

對于某個連通區(qū)域而言，如果它是單連通的，則其邊界只會有一條邊界線組成，如果是多連通的，則其邊界會由多條邊界線組成。將需要標識的區(qū)域設為i并進行邊界跟蹤，其算法為：

（1）開辟緩沖區(qū)，將邊界點i進行拷貝；

（2）從左到右、從上到下，遇到目標點進行跟蹤，開辟出新的點；

（3）新的點中需要記錄當前的坐標，在緩沖區(qū)中需要將其刪除。

根據(jù)上面的原理及算法，編制開發(fā)了相應的軟件，并對圖5的地形圖進行了自動矢量化的計算，從而生成矢量化圖（如圖6所示）：

圖5紙質圖紙掃描圖像局部

圖6矢量化的圖像

從軟件矢量化效果來看，本文方法反映了地形線平滑任意多變的特點，因為保留了線寬信息，圖形真實地反映了圖紙原貌，但因為數(shù)字和文字也當成了地形線圖元處理，數(shù)字和文字有些失真，這一方面還有待于進一步研究。

5.結束語

本文主要是針對在工程類項目使用地形圖中所遇到的問題進行優(yōu)化處理。針對工程項目所需要的掃描地形圖，提出一種能夠在地形圖掃描圖像中地形線快速矢量化的方法。采用使得地形線變寬儲存以及在有效的像素點中選擇合適的圖元，這一種方式可以提高了原本計算的速度。所采用的優(yōu)先算法也可以將搜索的線路變的最短化。通過對地形線的線路進行線寬的計算以及像素等文件優(yōu)化方法可以體現(xiàn)出原本的地形圖的基本特征，又能在一定的程度上面提高矢量化之后的質量。這一系列的方法對于地形圖數(shù)據(jù)的分析具有較好的效果。