大幅面掃描圖紙直線跟蹤的矢量化新方法

陳鎮龍，郝 霞，劉 霖，劉娟秀，葉玉堂，羅 穎，宋昀岑

（電子科技大學 光電信息學院，四川 成都 610054）

基于多線陣CCD的大幅面拼接型高精度一次成像掃描儀的研制一直是國內、外學者及產業界關注的重點領域[1-3]，但由于是光、機、電、軟、算綜合型極強的設備，涉及到的研究難點包括精密走紙機構[4]、大容量圖像快速高精度拼接[5]、大容量圖像矢量轉換[6]、光學照明成像[7]等諸多難題，迄今為止，全部關鍵核心技術仍然只被丹麥Contex、日本Graphtec等少數國外研究團隊掌握，國內所使用的基于多線陣CCD的大幅面拼接型高精度一次成像掃描儀全部進口，迄今為止處于空白狀態。

同時，工程圖識別也是一門綜合技術，涉及到模式識別，人工智能，數字圖像處理，CAD技術等，因此受到制約較多，從2009年丹麥Contex團隊報道的情況來看，更大數據容量的處理仍沒有具體的解決辦法，截止目前，還未出現一種非常完善的圖像識別系統和方法。但是，大量的國外頂尖學者仍然進行著相關的研究工作[8]，美國Pennsylvania大學和Maryland大學，法國LORIA研究中心，以色列Institute of Technology等著名大學和研究機構在這一領域進行了多年的研究，但開發出的軟件普遍存在精度不高，速度較慢，并且對噪音，缺損較為敏感的問題[9-11]。國內也做了大量研究，清華大學的ANND5.0系統完成了圖像的矢量化處理，但是只能識別基本的圖元，對于復雜圖形可能出現錯誤，其主要的難點在于：在對工程圖進行矢量化階段，未能對細化圖準確跟蹤，對于出現斷點的直線擬合不夠準確。

本文在制作基于多線陣CCD的大幅面拼接型高精度一次性成像掃描儀的基礎上，不僅在硬件上實現了將整個圖像轉化為數字圖像，同時在軟件上將掃描得到的點陣圖成功的轉化為CAD上能夠識別的矢量圖。矢量化實驗及測試結果表明：通過利用數學中直線方程對直線段進行比較，不僅實現了完整的矢量跟蹤，并且解決了直線中的斷線問題。

1 工程圖矢量化的預處理

對點陣圖進行分析、識別、及重建其中元素使之生成CAD能夠識別的文件格式的過程稱為點陣圖的矢量化，預處理更是整個矢量化的關鍵，由于在掃描的過程中可能會產生大量的噪聲，從而使影響矢量化的質量，需要對圖像進行預處理。

1.1 中值濾波實現去噪

對大幅面掃描儀采集得到的大量圖像對比分析發現，圖像中的噪聲基本是顆粒噪聲，對比各種去噪算法的處理效果，最終采用中值濾波的方法來降噪。對于工程圖這樣線性輪廓較長的圖像，我們采用3×3的模板去遍歷整個圖像，處理后的圖像既保持了邊緣的陡峭又去除了干擾。

處理步驟如下：1）用模板去遍歷整個圖像，直到模板中心與圖像中某個像素重合為止；2）讀取模板下個對應像素的灰度值；3）將這些灰度值從小到大排序；4）找出排序后中間位置對應的灰度值；5）將中間位置對應的灰度值賦值給對應模板中心位置的像素。

1.2 工程圖的二值化

整體復合閾值法是在全面考察大律法、局部閾值法的基礎上，提出的一種針對基于多線陣CCD的大幅面拼接型高精度一次性成像掃描儀中大容量、高速、高品質、矢量化轉換的新方法，其主要內容是根據每臺設備出廠前的單個相機成像差異，輸入并存儲相應的分布差異參數，在圖像處理時，設定固定閾值，對圖像采取邊遍歷、邊處理、邊保存的方式，從而實現結合成像自身特點，快速矢量的目的，達到高速、高品質、矢量化的需要。

1.3 工程圖的細化

大幅面掃描儀采集到的工程圖線寬約為3－18個像素，所謂細化即將線條的寬度減少到只有一個像素，僅剩下能表征其特征的骨架。基于細化的方法最主要的優點是能夠保持線段的連續性，最主要的缺點是丟失了線寬信息，在交叉區域處容易產生變形及錯誤的分支。在整個矢量化的系統中，針對大幅面掃描儀下采集的工程圖，我們采用Hilditch經典細化算法的思想：每次掃描刪除圖像中目標的輪廓像素（這些像素滿足一定的條件），直到圖像上不存在可刪除的輪廓像素為止。

2 細化后的矢量跟蹤

本文將根據細化后單像素線條的特征，將圖像劃分為交叉點域和連通域，通過提取出交叉點后對連通段進行跟蹤擬合，之后對不同直線方程中斜率和截距的比較，從而實現整個圖形的完整矢量化。

2.1 矢量跟蹤

如圖1所示，與圖像中任意像素P相鄰的8個像素P0，P1，P2，P3，P4，P5，P6，P7 稱為 P 的 8 鄰域， 用 Pk 表示。 當 P的八鄰域內的像素個數大于2時，我們認為P為交叉點。

圖1 3×3的矩陣窗口Fig.1 3×3 matrix window

2.2 矢量跟蹤算法

1）采用自上而下，自左向右的掃描順序遍歷圖像，設定交叉點滿足的條件，從而提取圖像中的交叉點像素，并將交叉點像素置為0。

2）第一次遍歷結束后，圖像中僅剩連通段，再次對整個圖像采用自上而下，自左向右的掃描順序進行遍歷，將掃描到的第一個黑色像素點P的八鄰域進行判斷，若八鄰域內僅有一個像素點，則P作為起始點；若P的八鄰域內有兩個像素點，則沿著這兩個像素的方向繼續遍歷，直到找到八鄰域內僅有一個像素的點，才可以作為終止點。

3）若在P的八鄰域內找不到黑色像素點，則可能是跟蹤到斷線的位置，或者是跟蹤到交叉點處，此時記錄下該點的坐標為Pf，根據尋找起點的規則遍歷圖紙，當找到起點時記錄下起點的坐標為Pi。繼續跟蹤，為了防止對連通段的重復跟蹤，將掃描過的像素點置0，直到圖像中不再有黑色像素點為止。

4）讀取記錄的Pf，Pi圖像信息，對圖中斷線或交叉點處，利用數學直線方程進行擬合。

若 Pi和 Pf的坐標分別為（xi，yi），（xf，yf），則直線 PiPf的兩點式方程為：

又直線的一般方程為

則

令 k=－A/B，b=－C/B，建立一個二維數組，將計算得到的k，b的值進行存儲。 之后，將（k，b）按照 k從小到大排序，同時，程序中令所有直線存儲在變量allLines中，建立一個由vector＜vector＜pair＜int，int＞ ＞ ＞表示的對象 lines， 存儲最終合并后的直線。

首先allLines中第一條直線存入lines，然后取第二條直線將其斜率和截距與第一條進行比較，設定閾值ε（ε＞0），按如下規則判斷直線是否進行合并及相應處理：

1）若|Δk|＜ε，且|Δb|＜ε，則認為兩條直線是一條直線，應進行合并，記錄下這4個坐標點中最大與最小的坐標點，從而擬合出完整的直線；

2）若不滿足上述條件，則不是同一條直線，作為一條新直線存入lines。

對于allLines中第i條直線，將其斜率與lines中最后一條直線比較，按上述規則判斷處理，直到遍歷完allLines中所有直線。

2.3 矢量跟蹤的結果分析

對比圖3，圖4可以看出，采用本文所提出的直線矢量化方法，能夠有效的解決交叉點畸變的問題，對矢量化跟蹤的效果較好。

圖2 細化圖Fig.2 Thinning image

圖3 去除交叉點的細化圖Fig.3 Remove cross point

圖4 矢量化后的效果圖Fig.4 Vector image

2.4 直線段的線寬恢復

由于在本文的算法中僅進行了直線的矢量化，還需要對直線線寬進行恢復，恢復方法如下：設直線線寬為w，其斜率為k=tanθ，l為該圖像內直線水平掃描段的線寬，則直線的線寬為：w=l×sinθ，這里對于水平長直線和豎直長直線，w=l，l即為直線的線寬。

3 結 論

提出了利用直線方程對直線進行合并的方法，成功實現了工程圖中直線的矢量化，制作了首臺基于多線陣CCD的大幅面拼接型高精度一次性成像掃描儀。

實驗分析及最后的編程測試結果表明：通過對直線的斜率和截距的比較，可以很好的將直線進行合并，不僅處理了交叉點的節點畸變問題，而且解決了細化后直線的斷線問題，成功地對斷線進行了修補。從而使大容量圖像條件下，高速、高品質矢量化轉換得以有效實現。

本實驗驗證采用PC配置條件如下：Intel酷睿i3及以上處理器，8GB DDR3 1066內存，500GB以上硬盤、主板配有兩個及以上PCI-E X1插槽。在VS2008上編程測試，目前整個軟件基本達到實用價值。但實現更高速度和精度的矢量轉換依然是我們的研究重點，接下來的工作將對每一步進行不斷的改進，使之成為更加實用的矢量轉換軟件。

[1]Hyuck C，Garmire D，Demmel J，et al.Simple Fabrication Process for Self-Aligned High-Performance Microscanners-Demonstrated Use to Generate a 2-D Ablation Pattern[J].Microelectro mechanical Systems，2007，16（2）:260-268.

[2]WANG Jin-he.A Topology Set Method for Vectorization[C]//Eighth ACIS International Conference on Software Engineering，2007:229-234.

[3]Tao Hu，Ya-nan Chen.Design of the linear array CCD acquisition system that line frequency and integration time adjustable[C]//2011 International Conference on Electronics and Optoelectronics （ICEOE），2011:253-256.

[4]Stache N C，Stollenwerk A，Gedicke J，et al.Automatic calibration of a scanner-based laser welding system[J].Journal of Laser Applications，2009（21）:10-15.

[5]Ben-Ezra M.High resolution large format tile-scan camera:Design，calibration， and extended depth of field[C]//2010 IEEE International Conference on Computational Photography（ICCP），2011：1-8.

[6]WANG Jin-he.A Topology Set Method for Vectorization[C]//Eighth ACIS International Conference on，2007:229-234.

[7]Kopf J，Uyttendaele M，Deussen O，et al.Capturing and viewing gigapixel images[J].ACM Transactions on Graphics，2007，26（3）:93.

[8]Kumpulainen T，Latokartano J，Vihinen J，et al.Scanner test pattern for evaluation of beam manipulation accuracy[C]//2011 IEEE International Symposium on Assembly and Manufacturing （ISAM），2011：1-5.

[9]Al-Khaffaf H S M，Talib A Z，Salam R A.Enhancing saltand-pepper noise removal in binary images of engineering drawing[J].IEICE Transactions on Information and Systems，2009， E92-D（4）:689-704.

[10]ZHAO Hua，YUAN Wen-jun，WANG Zhi-jian.A new watermarking Scheme for CAD engineering drawings[C]//Computer-Aided Industrial Design and Conceptual Design，2008：518-522.

[11]ZHOU Chang-yin，NayarS K. Computationalcameras:convergence of optics and processing[J].Image Processing，2011，20（12）:3322-3340.