優(yōu)化柵格細(xì)化算法的線狀地物提取

1 引 言

矢量數(shù)據(jù)和柵格數(shù)據(jù)是 GIS 空間數(shù)據(jù)的兩種主要形式。GIS 數(shù)據(jù)有很大一部分來源于柵格數(shù)據(jù),如航片、小衛(wèi)星影像等遙感數(shù)據(jù), 以及各種介質(zhì)繪制的地圖。目前在 GIS 應(yīng)用中, 對數(shù)據(jù)的精度和各種分析功能的要求越來越高, 因此要求把柵格數(shù)據(jù)轉(zhuǎn)換成在這方面比較有優(yōu)勢的矢量數(shù)據(jù)。其中線狀地物的提取成為柵格—矢量轉(zhuǎn)換的一個重要方面,它可以大幅提高矢量化的速度、制圖質(zhì)量和效率,縮短成圖周期, 降低制圖成本。本文就基于優(yōu)化的柵格邊緣跟蹤細(xì)化算法對線狀地物的提取進(jìn)行了研究。

面狀地物中心線的提取在 GIS 領(lǐng)域應(yīng)用也非常廣泛, 如道路、河流、山體走向等多種要素的分析。本文采用先把矢量數(shù)據(jù)轉(zhuǎn)換成柵格數(shù)據(jù), 然后通過柵格細(xì)化, 再轉(zhuǎn)成矢量數(shù)據(jù)的方法, 快速、準(zhǔn)確地實(shí)現(xiàn)了面狀地物中心線的提取。

2 柵格矢量化半自動跟蹤

( 1) 影響矢量化質(zhì)量的一個重要因素是柵格數(shù)據(jù)一般都具有噪音。噪音問題可以通過低通濾波的方法去除; 低通濾波去除噪音可以用卷積實(shí)現(xiàn), 低通濾波的頻率截止點(diǎn)由卷積核的大小和卷積系數(shù)決定, 卷積核如圖 1 所示, 所有卷積系數(shù)之和為 1,以保證圖像的亮度不變。

影響矢量化質(zhì)量的另外一個重要因素是柵格線狀筆劃中間有時會存在微小空隙。柵格線狀筆劃空隙問題可以通過以下方法解決: 首先根據(jù)加權(quán)平均值法把柵格數(shù)據(jù)圖像點(diǎn)灰度化, 由于人眼對綠色的敏感度最高, 紅色次之, 藍(lán)色最低, 根據(jù)實(shí)驗(yàn)和理論推導(dǎo)得到灰度的計算公式為 : V=0.30R+0.59G+ 0.11B; 再根據(jù)某個閥值 ( 0~255) 過濾得到二值數(shù)據(jù), 然后通過先加粗后減細(xì)的柵格運(yùn)算方法彌合空隙。加粗是指四向鄰域加粗, 把圖像上下左右各平移一次, 然后求或操作; 減細(xì)可以通過背景像元的加粗運(yùn)算實(shí)現(xiàn)。

( 2) 半自動跟蹤矢量化的基本思想是: 根據(jù)用戶給定的坐標(biāo), 得到以該點(diǎn)為中心 256×256 的圖像塊( 分塊是為了控制內(nèi)存和加快速度) , 對彩色、灰度、二值圖像等根據(jù)用戶給定的顏色容限范圍( 0~ 255) 比較 RGB 顏色的各個分量誤差值, 誤差值都在容限范圍內(nèi)就把圖像像元值置為 1, 其余置為 0( 超出圖像范圍部分用 0 代替) 得到二值化后的圖像塊數(shù)據(jù), 再通過加粗減細(xì)算法消除空隙, 然后用邊緣跟蹤剝皮細(xì)化算法進(jìn)行細(xì)化。柵格細(xì)化時, 先找到一個位于線劃柵格邊緣上的像元, 接著以此像元為中心, 按一定順序( 如順時針方向) 檢測其 8 個鄰域的顏色值。通過檢測可以同時達(dá)到兩個目的,一是判斷本中心像元應(yīng)不應(yīng)該被置為“0”; 二是找到與本中心像元相鄰的邊緣像元, 以便繼續(xù)“剝皮” 和跟蹤。如此循環(huán)反復(fù), 繼續(xù)找到下一個邊緣像元作為本中心像元, 一直跟蹤到線劃柵格一側(cè)邊緣的下一個邊緣像元為起始像元。按此方法得到細(xì)化柵格后, 再根據(jù)細(xì)化后柵格像元值的相鄰關(guān)系, 按順序連接成折線, 經(jīng)過光滑等處理, 最后就能得到理想的矢量數(shù)據(jù)。上述方法中判定本中心像元是否應(yīng)當(dāng)被置為 “0”的條件是不符合圖 2 的圖形就置為 “0”。

更多內(nèi)容請查看pdf