PDF《彩色栅格地图矢量化方法研究*》

1 最优分量分色法分离彩色地图前景要素 利用彩色地图前景要素 RGB 值的特点对彩色地图前 景要 素进行 分色, 方 法简便、 计算量小、 速度快, 但是 仅凭此达不 到 理想的分色效果.因为彩色地图前景要素颜色变化复杂, 可能 存在着多种要素颜色互相叠加的情况;

同时彩色地图作为空间 信息的载体, 表示的内容在空间上有很强的相关性.因此在分 离提取时还要考虑前景要素像素邻域的情况. 彩色地图扫描数据中含有大量的颜色误差, 因而在彩色地 图前景要素图中, 即使是同一要素层, 颜色仍不完全相同, 包含 着大量杂色( 颜色误差) 像元;

由 于颜色误差 的存在, 又使得 彩 色地图前景要素中同一种颜色的像元并不完全表示同一要素. 因此按颜色分类的策略所提取 出的各 个要素 中必然 包含大 量 的同色噪声像元, 而被剔除掉的非同色像元中又含有一定数量 的该种要素的 信息 ( 像元) .由 于颜 色误差 产生 的根 源 较多, 使得其成色机制难以定性及定量描述, 仅仅利用颜色难以将其 正确地归入相应的要素层中去. 2.

2 最优分量分色法提取要素算法 不考虑背景带来的影响, 直接根据得到的滤除背景的前景 要素图 [ 4] 进行分色.重点是提取 线性要 素.本文给 出的算 法 侧重于分离提取前景要素中的线性要素, 黑色在彩色栅格地图 前景要素中主要表示地形符号和文字.因此, 首先对前景要素 中所需的线性要素进行提取, 然后去掉取得的线性前景要素中 的黑色点.算法具体步骤描述如下: a) 计算所要提取前 景要素 的R、 G、 B 值, 获得 对前 景要 素 进行分色时采用的式( 1) . if( B >

G >

R) then S = [ ( B - R) + ( B - G) ] / ( B - R) *( B - R) + ( B - G) * ( R - G) if( R >

G >

B) then S = [ ( R - G) + ( R - B) ] / ( R - G) *( G - R) + ( R - B) * ( G - B) if( ( G >

R) ∧ ( G>

B) ) then S= [ ( G - R) + ( G - B) ] / ( G - R) *( G - R) + ( G - B) * ( R - B) ( 1) b) 对前景要素图中每 个非 白色 的像 素颜 色采 用式 ( 1) 计 算得到值 S. c) 取两个阈值 T1 、 T2 ( T1 <

T2 ) , 对每个 S 值, 如果 S∈[ T1 , T2] , 则将该像素归入所要提取要素的阵列;

如果 S <

T1 或S>

T2 , 则丢弃该像素. d) 去除黑色像素点.对取得的前 景要素 阵列中 的每一 个 像素点, 采用式( 2) 计算. H = ( R - G) * ( R - G) + ( B - R) * ( B - R) + ( G- B) * ( G- B) /

3 ( 2) 取阈值 H1 、 H2 ( H1 <

H2 ) , 对每个 H值, 如果 H∈[ H1 , H2 ] , 且其邻域的八个像素 中有 K 个 以上 像素 满足 此 条件, 则将该像素当做黑色像素从已得的要素阵列中去掉;

否则该像素保留 在阵列中.如果 H<

H1 或H>

H2 , 且其邻域的八个像素中有 K 个以上像素满足此条件, 则 将该像 素留在 阵列中;

否 则将该 像 素判断为黑像素点从阵列中去掉. 2.

3 仿真实验及结论 图1是文献[ 4] 经最优分量分色法 分色后 得到的 水系图. 采用本算法得到的彩色地图中的线性前景要素连续性较好, 误 判的像素点较少.但是由于前景要素的相互叠加, 在取得的线 性前景要素中仍存在着一些 断点, 导致 线性前 景要素 的缺损. 若有必要可对取得的要素图进行人工修复, 也可以利用现有的 一些算法对线性要素进行自动恢复.

3 前景要素细化及后处理 在获得线性前景要素后, 由于 其线宽 不一, 不能直 观体 现 线性要素的特征, 对其直接进行后续的要素识别和矢量化等图 像处理工作还有一定的困 难. 要实现 栅格地 图线状 要素真 正 意义上的提取, 还需要对提取出的线状要素进行细化. 3.