CN102314609B - 一种多边形图像的骨架提取方法及装置 - Google Patents

Abstract

本发明公开了一种多边形图像的骨架提取方法及装置。方法包括：对多边形图像进行栅格欧氏距离变换，得到所有栅格点的初始距离值及初始最近边缘点；根据一栅格点的初始距离值计算一提取半径，提取位于以该栅格点的最近边缘点为圆心，以该提取半径为半径的圆的范围内的该多边形的所有边界点作为该栅格点的最近边缘点集；计算最近边缘点集中的点与栅格点的距离均值；将至该栅格点的距离最接近于该距离均值的点作为该栅格点的实际最近边缘点，将该距离均值作为该栅格点的实际距离值；选取初始种子点作为生成骨架的起点，该初始种子点的实际距离值大于相邻的所有栅格点的实际距离值；从该初始种子点的相邻栅格点中选取骨架点。

Description

一种多边形图像的骨架提取方法及装置

技术领域

本发明涉及地球科学计算领域，特别是涉及地理信息科学中多边形图像骨架提取的方法及装置。

背景技术

骨架(Skeleton)又称中轴(Medial Axis，MA)，是对区域相联形体的一种抽象，能够有效地减少冗余信息并保留空间形体的几何形态和拓扑结构，是描述几何形状最简单、最有效的方法之一。在计算机视觉与模式识别中，由于骨架能够精确地表达一些长而窄的带状图像的形态特征，常常用于文字和指纹的识别。在地理信息科学领域中，骨架被应用于空间分析和制图综合中，如通过骨架提取获得道路和河流等地物的主要形态特征，可以用于地图导航中的最佳路径分析，而利用骨架来概括地物的形体特征，则可以用于计算机地图制图综合中小尺度下地物的表达，以及为面状要素的自动注记提供初步的定位参考。在视频分析中，通过形体的骨架还可以实现对运行目标的跟踪。在动画制作作用，利用骨架可以快捷地实现形体的重建。此外，骨架还被应用于遥感影像中河流、道路及机场跑道等线状目标的提取，医学图像中血管造影成像、微循环图像等医学图像的处理，以及造纸工业和纺织业中纤维的分割与识别等。因此，准确而有效地获取平面多边形(尤其是复杂的、特殊的多边形)的骨架对以上领域的理论研究和实践工作具有十分重要的价值。

H.Blum(1967)最先提出了中轴变换(Medial Axis Transform，MAT)方法，旨在获取多边形骨架的。此后，又有不少研究者对骨架问题继续进行了深入、广泛的研究。

依据处理对象的不同来划分，当前骨架提取的方法有两类：一类是基于连续几何模型(拓扑形状分析)的方法，目前得到广泛应用的有基于Delaunay三角剖分的外心法、重心法和内心法。但这些方法均基于矢量模型，所得到的骨架从本质上并不符合骨架的概念，同时在处理复杂图形时面临着较大困难，不能处理含“岛”或“洞”的多边形及边中含有由自曲线的多边形。这类方法不是通用的骨架提取方法。另一类是基于离散图像(像素点)的传统方法，主要有细化迭代的方法和基于距离变换的方法两种。细化迭代方法所得到的骨架具有良好的拓扑不变性，但是骨架位置不准确；基于距离变换的方法易于实现，获得的骨架位置准确，且可以处理复杂图形，但需要事先将图形进行分解获取图形的部件，在处理无法准确分解出部件的特殊多边形时具有较大难度。此外，以上基于离散域的算法很容易受到多边形边界噪声的干扰，所获得的骨架容易出现毛刺并且连通性难以得到保证。

故而，一种能够适用于各种形态的多边形，并提取出其骨架，同时确保所提取骨架的拓扑连通性、位置准确性和线条光滑性的通用多边形骨架提取方法，为理论和实践中亟待解决的问题。

发明内容

本发明解决的技术问题在于，提供一种多边形图像的骨架提取方法及装置，用于提取各类多边形图像的骨架，并克服多边形的边界噪声对骨架提取的干扰，提高骨架提取的准确度和可靠性。

进一步的，本发明的骨架提取方法与装置能够提取普通多边形的骨架。

进一步的，本发明的骨架提取方法与装置能够适用于外形特殊和复杂的各类多边形。

进一步的，本发明能够确保所提取的骨架拓扑连通、位置准确和线条光滑。

进一步的，本发明能够解决对所提取的骨架的动态显示的问题。

本发明公开了一种多边形图像的骨架提取方法，包括如下步骤：

步骤1，对多边形图像进行栅格欧氏距离变换，得到该多边形区域内所有栅格点的初始距离值及初始最近边缘点；

步骤2，根据一栅格点的初始距离值计算一提取半径，提取位于以该栅格点的最近边缘点为圆心，以该提取半径为半径的圆的范围内的该多边形的所有边界点作为该栅格点的最近边缘点集；

步骤3，计算该最近边缘点集之中的点与该栅格点的距离均值；

步骤4，将该最近边缘点集之中，至该栅格点的距离最接近该距离均值的点作为该栅格点的实际最近边缘点，将该距离均值作为该栅格点的实际距离值；

重复执行步骤2-4以获得所有栅格点的实际最近边缘点与实际距离值，从而实现对多边形图像的最近边缘点集距离均值变换；

步骤5，从该多边形区域内的所有栅格点中，选取初始种子点作为生成骨架的起点，该初始种子点的实际距离值大于相邻的所有栅格点的实际距离值；

步骤6，从该初始种子点的相邻栅格点中选取骨架点，并将选取出的骨架点作为新的种子点，再从该新的种子点的相邻栅格点中再选取骨架点，如此反复，直至无法找到任何骨架点为止，所选取出的所有骨架点构成该多边形图像的骨架。

该步骤2中该提取半径r依照以下公式计算：

r＝0.644de2(g，E)^0.4126；或者

r＝0.3414d(g，E)+0.784；

其中，g为该多边形区域内的任一栅格点，E为该多边形的边界，d(g，E)为点g到边界E上所有点的距离值的最小值，也就是点g的该初始距离值，点h为边界E上的任一点，点h到点g的距离为d(h，g)，若d(h，g)＝d(g，E)，则称点h为点g的最近边缘点，de2(g，E)为点g的初始距离值的平方值。

该步骤3进一步包括，计算该最近边缘点集之中的任意点与该栅格点的距离值，从中去除一个最大值和一个最小值，剩余的距离值取算术平均值得到该距离均值。

该步骤6进一步包括：

栅格点g为该初始种子点，{g₁，g₂，g₃，g₄，g₅，g₆，g₇，g₈}为栅格点g的八个相邻栅格点，若点g_i∈{g₁，g₂，g₃，g₄，g₅，g₆，g₇，g₈}，且使得SrcPt(g_i)≠SrcPt(g)成立，则点g_i为该骨架点，同时也是该新的种子点，SrcPt(g_i)为栅格点g_i的最近边缘点，SrcPt(g)为栅格点g的最近边缘点。

该步骤6进一步包括，依据骨架点的选取出顺序依次为所有骨架点编号，并按照编号依次进行显示。

该骨架点具有至少两个不同的最近边缘点。

本发明还公开了一种多边形图像的骨架提取装置，包括：

初始距离变换单元，用于对多边形图像进行栅格欧氏距离变换，得到该多边形区域内所有栅格点的初始距离值及初始最近边缘点；

最近边缘点集距离均值变换单元，进一步包括最近边缘点集提取单元、距离均值计算单元和替换单元，该最近边缘点集距离均值变换单元重复调用该最近边缘点集提取单元、该距离均值计算单元和该替换单元，以获得所有栅格点的实际最近边缘点与实际距离值，从而实现对多边形图像的最近边缘点集距离均值变换；

该最近边缘点集提取单元，用于根据一栅格点的初始距离值计算一提取半径，提取位于以该栅格点的最近边缘点为圆心，以该提取半径为半径的圆的范围内的该多边形的所有边界点作为该栅格点的最近边缘点集；

该距离均值计算单元，用于计算该最近边缘点集之中的点与该栅格点的距离均值；

该替换单元，用于将该最近边缘点集之中，至该栅格点的距离最接近该距离均值的点作为该栅格点的实际最近边缘点，将该距离均值作为该栅格点的实际距离值；

初始种子点选取单元，用于从该多边形区域内的所有栅格点中，选取初始种子点作为生成骨架的起点，该初始种子点的实际距离值大于相邻的所有栅格点的实际距离值；

骨架点生成单元，用于从该初始种子点的相邻栅格点中选取骨架点，并将选取出的骨架点作为新的种子点，再从该新的种子点的相邻栅格点中再选取骨架点，如此反复，直至无法找到任何骨架点为止，所选取出的所有骨架点构成该多边形图像的骨架。

该最近边缘点集提取单元依照以下公式计算该提取半径r：

r＝0.644de2(g，E)^0.4126；或者

r＝0.3414d(g，E)+0.784；

其中，g为该多边形区域内的任一栅格点，E为该多边形的边界，d(g，E)为点g到边界E上所有点的距离值的最小值，也就是点g的该初始距离值，点h为边界E上的任一点，点h到点g的距离为d(h，g)，若d(h，g)＝d(g，E)d(h，g)＝d(g，E)，则称点h为点g的最近边缘点，de2(g，E)为g点的初始距离值的平方值。

该种子点生成单元进一步包括：

栅格点g为该初始种子点，{g₁，g₂，g₃，g₄，g₅，g₆，g₇，g₈}为栅格点g的八个相邻栅格点，若点g_i∈{g₁，g₂，g₃，g₄，g₅，g₆，g₇，g₈}，且使得SrcPt(g_i)≠SrcPt(g)成立，则点g_i为该骨架点，同时也是该新的种子点，SrcPt(g_i)为栅格点g_i的最近边缘点，SrcPt(g)为栅格点g的最近边缘点。

该骨架点具有至少两个不同的最近边缘点。

本发明克服了多边形的边界噪声对骨架提取的干扰，提高骨架提取的准确度。能够适用于普通多边形和各种复杂、特殊的多边形。本发明能够确保所提取的骨架拓扑连通、位置准确和线条光滑。本发明还能够解决对所提取的骨架的动态显示的问题。

附图说明

图1A、1B、1C、2所示为多边形示意图；

图3A所示为无噪声的多边形示意图；

图3B所示为有噪声的多边形示意图；

图3C所示为对图3A的无噪声的多边形进行步骤401所述的栅格欧氏距离变换的结果示意图；

图3D所示为对图3B的有噪声的多边形进行步骤401所述的栅格欧氏距离变换的结果示意图；

图3E所示为对图3B的有噪声的多边形进行步骤401-404所述的距离均值变换的结果示意图；

图4所示为本发明的多边形图像的骨架提取方法的流程图；

图5A、5B、5C所示为图1A、1B、1C所示多边形经过栅格欧氏距离变换后的结果示意图；

图6所示为栅格点的相邻栅格点示意图；

图7A-7C所示为对图1A-1C的多边形进行骨架提取的结果图；

图8A、9A、10A分别为三种多边形进行步骤401所述的栅格欧氏距离变换的结果示意图；

图8B、9B、10B分别为这三种多边形的骨架提取过程图；

图8C、9C、10C分别为这三种多边形的骨架提取结果图；

图11所示为对道路网骨架提取的结果图；

图12所示为对河流网骨架提取的结果图；

图13A所示为利用传统距离变换方法所得到的骨架提取结果图；

图13B所示为利用本发明的方法所得到的骨架提取结果图；

图14所示为该多边形图像的骨架提取装置的结构示意图。

具体实施方式

在地球科学计算领域中，需面对各种复杂空间对象，也就是需要针对各种复杂的多边形图像进行骨架提取的计算。理想状态下的简单多边形的边为直线段，但是在实际应用中，实际空间对象大多对应边界任意的多边形，该多边形的边中不仅包括直线段，还含圆弧、自由曲线(参见图1A、图1B所示)，还可能内部含不规则形状的“洞”、“岛”，甚至出现自由曲线、圆弧、“洞”、“岛”等任意组合(参见图1C、图2所示)的复杂情况。

即，多边形不应仅仅只包含一般简单多边形(包括凸多边形和凹多边形两种)，同时还应该涵盖具有岛洞的多边形及边中含有曲线段的特殊多边形，这样的多边形才更符合实际情况。

这类复杂的多边形在数据组织、数据结构方面相对更复杂，其骨架是多层次的环、树结构。传统骨架提取方法只适用于简单多边形，对于含有曲线段、岛或洞的特殊多边形图形，不能完成其骨架的提取。本发明针对这类复杂的多边形重新进行了定义，以适应于本发明的骨架提取。

设E为平面连通(包括单连通和多连通)区域的轮廓边界，如图2所示的多边形包括内边界和外边界。边界E由n个顶点{P₁，P₂，…，P_n}和连结顶点之间的n条线段{P₁P₂，P₂P₃，…，P_n-1P_n}组成，这些线段可以是直线段，也可以是圆弧或自由曲线，则称E为多边形。将组成多边形的边界E的顶点和线段不加以区分地均称为基本元素，记由顶点元素和线段元素组成的基本元素集为{e₁，e₂，...，e_2n}。

为了适应于复杂多边形的骨架提取，本发明还对最近边缘点以及骨架点进行了定义。

设g为多边形的区域D中的任一点，点h为多边形边界E上的任一点，记点h到点g的距离值为d(h，g)，记点g到边界E的距离值(即点g到边界E上所有点的距离值中的最小值)为d(g，E)，若d(h，g)＝d(g，E)，则称点h为点g的最近边缘点。

本发明所需提取的骨架由众多骨架点(又称中轴点)组成。其中，若点g在多边形的边界E上具有两个或两个以上不相同的最近边缘点h₁，h₂，...，h_n(n≥2)，则称点g为骨架点。

具体来讲，点h₁和点h₂为边界E上任意不同的两点，分别记点h₁和点h₂到点g的距离为d(h₁，g)和d(h₂，g)，记点g到多边形的边界E的距离为d(g，E)，若d(h₁，g)、d(h₂，g)和点d(g，E)之间存在公式(1)所示的关系，则点g为多边形的骨架点。

d(h₁，g)＝d(g，E)＝d(h₂，g)    (1)

而多边形的骨架为区域内所有骨架点的集合，骨架的表达式如公式(2)所示：

其中：MA(E)为多边形的骨架，d(h，g)为点h到点g的距离，d(g，E)为点g到轮廓边界E的距离，h₁，h₂，...，h_n为轮廓边界E上不同的点，n为大于等于2的自然数。

以下说明本发明的多边形图像的骨架提取方法。

该方法运行于图形处理服务器中，针对已经获取的地图资料，从该地图资料中提取多边形图像。该多边形图像通常在边缘处存在噪声干扰。如图3A所示为无噪声的多边形示意图，图3B为有噪声的多边形示意图。如果不对噪声进行处理，则后续提取出的骨架将存在位置错误，可靠性低等问题。故而，本发明采取常规距离变换、最近边缘点集距离均值变换、骨架点获取三个阶段来进行骨架提取。特别是利用最近边缘点集距离均值变换来对边缘噪声进行抑制，提高骨架提取的准确性。

如图4所示为本发明的多边形图像的骨架提取方法的流程图。

步骤401，对多边形图像进行栅格欧氏距离变换，得到该多边形区域D内所有栅格点的初始距离值d(g，E)及初始最近边缘点SrcPt(g)。如图3C、5A、5B、5C所示为图3A、1A、1B、1C所示多边形经过栅格欧氏距离变换后的结果示意图。

多边形图像，特别是多边形内的区域D视为由栅格点组成。此次所获得的每个栅格点的初始距离值以及最近边缘点受到多边形边界噪声的影响，存在误差。如图3D所示为图3B所示的含有噪声的多边形经过栅格欧氏距离变换后的结果示意图。

步骤402，根据一栅格点的初始距离值计算一提取半径，提取位于以该栅格点的最近边缘点为圆心，以该提取半径为半径的圆的范围内的该多边形的所有边界点构成作为该栅格点的最近边缘点集。

步骤403，计算该最近边缘点集之中的点与该栅格点的距离均值。

步骤404，将该最近边缘点集之中，至该栅格点的距离最接近该距离均值的点作为该栅格点的实际最近边缘点，将该距离均值作为该栅格点的实际距离值。

针对下一栅格点继续执行步骤402，直至遍历到多边形中的所有栅格点，执行步骤405。

步骤405，从该多边形区域内的所有栅格点中，选取初始种子点作为生成骨架的起点，该初始种子点的实际距离值大于相邻的所有栅格点的实际距离值。

步骤406，从该初始种子点的相邻栅格点中选取骨架点，并将选取出的骨架点作为新的种子点，再从该新的种子点的相邻栅格点中再选取骨架点，如此反复，直至无法找到任何骨架点为止，所选取出的所有骨架点构成该多边形图像的骨架。

以下针对上述步骤进行详细说明。

为抑制多边形边界噪声的干扰，同时为骨架提取提供精确、可靠的距离度量基础，本发明通过步骤402-404实现最近边缘点集距离均值变换。

在进行现有技术中的栅格欧氏距离变换时，多边形区域内点的距离值和最近边缘点坐标都是相对于多边形边界上的某一点而言的。而最近边缘点集距离均值变换是在传统栅格欧氏距离变换的基础上对距离值和最近边缘点做进一步校正和调整，距离值和距离源点的计算，不再局限于边界上某个特定的点(最近边缘点)，而是考虑其邻近的一系列边界点构成的点集(最近边缘点集)。

在步骤402中，该提取半径r依照以下公式计算：

r＝0.644de2(g，E)^0.4126    (3)；或者

r＝0.3414d(g，E)+0.784     (4)

其中，d(g，E)为点g的初始距离值，de2(g，E)为点g的初始距离值的平方值。提取半径r值是点g的初始距离值d(g，E)的线性函数。g点距离值越小，表示g点越靠近多边形的边界，其距离值受边界噪声干扰越严重，反之亦然。而越靠近多边形的边界，所选取的提取半径越小，从而使得每个栅格点所对应圈取的最小边缘点集中所包含的点的数量尽可能保持平均。

公式(3)、(4)通过如下方式获取。通过多组赋值试验的方式进行，每组试验包括，对一个多边形图像(无噪声)和相对应的该多边形图像(有噪声)分别执行步骤401，对该多边形图像(有噪声)中不同距离值的栅格点分别赋予不同的半径值，并在每个栅格点的当前半径值下执行步骤402-404，将计算得到的结果与该多边形图像(无噪声)执行步骤401后的结果进行比较和判断，对于抑制噪声效果较好的结果中所对应的半径数据以及相应栅格点距离值数据进行记录。由于该多组赋值试验对不同噪声状况的不同多边形都进行了试验，每组试验又包括不同距离值和不同半径的多次试验，试验过程中获取了大量的试验结果数据，因而便于从中发现具备抑制噪声效果的半径值与栅格点距离值之间的对应关系公式。

通过上述试验，收集到提取半径r值与点g的距离值平方值的九组对应数据(因为在试验的计算过程中任一栅格点g的距离值都以其平方值的形式表示)，并根据de2(g，E)计算出g点的距离值d(g，E)。得到了如表1所述的对应关系。

表1  半径r与de2(g，E)、d(g，E)的对应关系

通过这九组试验值，建立通过距离de2(g，E)计算提取半径r值的回归公式，通过对以上数据的回归分析，计算得出了提取半径r与de2(g，E)的乘幂回归方程(公式(3))，其相关系数R²＝0.9942。又通过de2(g，E)与d(g，E)的关系，进一步计算得到提取半径r与d(g，E)的线性回归方程(公式(4))，其中相关系数R²＝0.9963。(该相关系数是衡量表中数据所生成公式的好坏程度，越接近1代表公式越准确。)

由此，预先通过试验可计算得到公式(3)、(4)，并可将其应用在正式的骨架提取过程中，以对边界噪声进行抑制。

该步骤403进一步包括，计算该最近边缘点集之中的所有点与该栅格点的距离值，从中去除一个最大值和一个最小值，剩余的距离值取算术平均值得到该距离均值。或者，直接计算该最近边缘点集之中的任意点与该栅格点的距离值，将结果取算术平均值得到该距离均值。现有技术中的其他距离均值计算方式也在本发明的公开范围之内。

该步骤404的实际距离值、实际最近边缘点的替换实现了对距离均值的变换。特别是，噪声点可能会增大或减少该距离值，利用多个距离值的均值作为实际距离值，尽可能的降低了噪声点对距离值所造成的影响。另外，将最近边缘点集中，距离值最接近该实际距离值的点作为最近边缘点，也尽可能弥补了噪声点对多边形的边界所造成的影响。故而可见，本发明的技术方案可以抑制边界附近的噪声干扰，为骨架提取提供精确的距离量度基础。

参阅图3A-3E可知，图3A、图3B分别为无噪声的多边形和有噪声的多边形的示意图，对图3A的无噪声的多边形进行步骤401所述的栅格欧氏距离变换，结果如图3C所示。对图3B的有噪声的多边形进行步骤401所述的栅格欧氏距离变换，结果如图3D所示。在图3D的基础上进行步骤402-404所述的距离均值变换，结果如图3E所示。对比图3C和图3D，前者距离波为平行线族，后者距离波随噪声分布呈“波浪”传播，由此可知，传统距离变换方法在处理边缘上存在噪声的多边形图形时具有局限性。而图3E中结果与图3C中无噪声多边形的距离变换结果基本一致，表明最近边缘点集均值变换能较好抑制边缘噪声的影响。

针对经过最近边缘点集距离均值变换的多边形进行骨架提取，在多边形区域内搜寻一个或若干个距离峰值点，并将这些距离峰值点作为初始种子点(骨架点)，依据骨架点分析判定方法从种子点相邻的栅格点中选取骨架点，并将选取出的骨架点作为新的种子点，然后再从新的种子点的相邻栅格点中再选取骨架点，反复这一过程，直到无法找到任何新的骨架点为止，选取出的所有骨架点即构成多边形的骨架。

在步骤405中，遍历多边形内部的所有栅格点，求取距离峰值点作为初始种子点。该距离峰值点为实际距离值大于相邻的所有栅格点的实际距离值。如图6所示，多边形图像的每个栅格点g周围通常被8个相邻栅格点{g₁，g₂，g₃，g₄，g₅，g₆，g₇，g₈}包围。如果一个栅格点的距离值均大于8个相邻栅格点的距离值，则将该栅格点作为初始种子点。根据骨架点的定义可以知道，骨架点具有至少两个不同的最近边缘点，即，该骨架点与每个最近边缘点的距离相等，故而该骨架点位于一骨架上。由于这样的定义，该骨架点到边界的距离值不可能小于与其相邻的栅格点到边界的距离值。

根据多边形骨架的连通性可知，如果已经确定多边形内某一点g是多边形的骨架点，则以g为中心，在其八个邻域栅格点中必定存在其他骨架点。则在步骤406中，以初始种子点为骨架提取起点，迭代计算其他骨架点，并将种子点作为骨架点，最终构成骨架。

经过最近边缘点集距离均值变换后，对于多边形的区域D内任意栅格点g与g₁，g₂，…，g₈均已计算出到边界的距离值及最近边缘点。g与g₁，g₂，…，g₈具有相近的空间位置，当栅格数据分辨率足够高，栅格点尺寸足够小时，可以忽略g与其相邻栅格点的空间距离，g与其相邻栅格点可以被认为是同一点。

同理，g与g₁，g₂，…，g₈的距离值在数值上十分相近，最小距离值大小上的差异可以忽略不计，可以近似地认为g与g₁，g₂，…，g₈距离值相等；

因此，依据上述内容，可以得出，若点g为多边形的骨架点，{g₁，g₂，g₃，g₄，g₅，g₆，g₇，g₈}为其八个相邻栅格点，若点g_i∈{g₁，g₂，g₃，g₄，g₅，g₆，g₇，g₈}，使得公式(5)成立，则点g_i为多边形的新的骨架点。

SrcPt(g_i)≠SrcPt(g)    (5)

其中，Srcpt(g_i)和SrcPt(g)分别为点g_i和点g的最近边缘点，g_i∈{g₁，g₂，g₃，g₄，g₅，g₆，g₇，g₈}，i＝1，2，...，8。

上述过程通过提取距离峰值点作为初始种子点(骨架点)，再由种子点生长出多边形的所有骨架点，保证了所得骨架的连通性。

另外，在多边形骨架点的计算过程中，按照先后顺序，以1，2，3…n(n为自然数)的方式依次为计算出的骨架点进行编号，然后，遍历所有骨架点，按照编号的顺序依次将骨架点显示出来，即实现了多边形骨架的动态显示。

通过上述方法对图1A-1C的多边形进行骨架提取的结果如图7A-7C所示。另外，将本发明的上述方法用于对各种多边形进行了骨架提取以验证方法的有效性。图8A、9A、10A分别为三种多边形的原始图，图8B、9B、10B分别为这三种多边形的骨架提取过程图，图8C、9C、10C分别为这三种多边形的骨架提取结果图。

另外，在实际应用当中，本发明的方法可用于从道路网图像中提取路线图数据，如图11所示为对道路网骨架提取的结果图。本发明的方法还可用于对江河流域图像进行河网路线的提取，如图12所示为对河流网骨架提取的结果图。由此可见，本发明的方法适用于各种复杂形态的多边形，且提取出的骨架具有良好的拓扑连通性、位置准确性和线条光滑性，能够较好地保持形体的几何形态和拓扑特征。

同时，本发明还可实现较好的抑制边界噪声的效果。

如图13A所示为利用传统距离变换方法所得到的骨架提取结果图，图13B所示为利用本发明的方法所得到的骨架提取结果图。

在图13A中，传统距离变换方法骨架提取结果受区域边界噪声影响十分严重，故而所得骨架含有较多错误；而图13B中显示骨架提取结果良好，基本不受边缘噪声干扰，所得骨架能很好地反映多边形的拓扑和形态特征。

此外，采用本发明公开的多边形图像骨架提取方法所提取的多边形骨架，含义不仅仅是骨架本身，本发明对所发现的各个骨架点均记载其自身坐标值、距其最近边缘点距离值以及最近边缘点坐标值。利用这一特征，能准确、迅速地完成多边形的重建和恢复，这是一般骨架提取方法所难以做到的，同时也为图形数据压/解缩和加/解密提供了一种新的技术途径。

本发明的该图形处理服务器具备图像输入和图像提取装置，还具备多边形图像的骨架提取装置。该多边形图像的骨架提取装置用于运行该多边形图像的骨架提取方法，故而，与该骨架提取方法的技术方案存在对应关系，该骨架提取方法的技术特征适用于该骨架提取装置。

如图14所示为该多边形图像的骨架提取装置100的结构示意图，其中包括：

初始距离变换单元10，用于对多边形图像进行栅格欧氏距离变换，得到该多边形区域内所有栅格点的初始距离值及初始最近边缘点；

最近边缘点集距离均值变换单元20，进一步包括最近边缘点集提取单元21、距离均值计算单元22和替换单元23，该最近边缘点集距离均值变换单元20重复调用该最近边缘点集提取单元21、该距离均值计算单元22和该替换单元23，以获得所有栅格点的实际最近边缘点与实际距离值，从而实现对多边形图像的最近边缘点集距离均值变换；

该最近边缘点集提取单元21，用于根据一栅格点的初始距离值计算一提取半径，提取位于以该栅格点的最近边缘点为圆心，以该提取半径为半径的圆的范围内的该多边形的所有边界点作为该栅格点的最近边缘点集；

该距离均值计算单元22，用于计算该最近边缘点集之中的点与该栅格点的距离均值；

该替换单元23，用于将该最近边缘点集之中，至该栅格点的距离最接近该距离均值的点作为该栅格点的实际最近边缘点，将该距离均值作为该栅格点的实际距离值；

初始种子点选取单元30，用于从该多边形区域内的所有栅格点中，选取初始种子点作为生成骨架的起点，该初始种子点的实际距离值大于相邻的所有栅格点的实际距离值；

骨架点生成单元40，用于从该初始种子点的相邻栅格点中选取骨架点，并将选取出的骨架点作为新的种子点，再从该新的种子点的相邻栅格点中再选取骨架点，如此反复，直至无法找到任何骨架点为止，所选取出的所有骨架点构成该多边形图像的骨架。

该最近边缘点集提取单元21依照公式(3)、(4)计算该提取半径。该距离均值计算单元22用于计算该最近边缘点集之中的所有点与该栅格点的距离值，从中去除一个最大值和一个最小值，剩余的距离值取算术平均值得到该距离均值。

该种子点生成单元40进一步包括：栅格点g为该初始种子点，{g₁，g₂，g₃，g₄，g₅，g₆，g₇，g₈}为栅格点g的八个相邻栅格点，若点g_i∈{g₁，g₂，g₃，g₄，g₅，g₆，g₇，g₈}，且使得SrcPt(g_i)≠SrcPt(g)成立，则点g_i为该新的骨架点，同时也是该新的种子点，SrcPt(g_i)为栅格点g_i的最近边缘点，SrcPt(g)为栅格点g的最近边缘点。该种子点生成单元40从新的种子点的相邻栅格点中依照同样的规则继续选择新的骨架点，直到不能找到任何新的骨架点为止。

本发明的该多边形图像的骨架提取装置，克服了多边形的边界噪声对骨架提取的干扰，提高骨架提取的准确度和可靠性，可适用于普通多边形和外形复杂特殊的多边形。能够确保所提取的骨架拓扑连通、位置准确和线条光滑。

Claims (8)

1.一种多边形图像的骨架提取方法，其特征在于，包括如下步骤：

步骤1，对多边形图像进行栅格欧氏距离变换，得到该多边形区域内所有栅格点的初始距离值及初始最近边缘点；

步骤2，根据一栅格点的初始距离值计算一提取半径，提取位于以该栅格点的最近边缘点为圆心，以该提取半径为半径的圆的范围内的该多边形的所有边界点作为该栅格点的最近边缘点集；

步骤3，计算该最近边缘点集之中的点与该栅格点的距离均值；

步骤4，将该最近边缘点集之中，至该栅格点的距离最接近该距离均值的点作为该栅格点的实际最近边缘点，将该距离均值作为该栅格点的实际距离值；

重复执行步骤2-4以获得所有栅格点的实际最近边缘点与实际距离值，从而实现对多边形图像的最近边缘点集距离均值变换；

步骤5，从该多边形区域内的所有栅格点中，选取初始种子点作为生成骨架的起点，该初始种子点的实际距离值大于相邻的所有栅格点的实际距离值；

步骤6，从该初始种子点的相邻栅格点中选取骨架点，并将选取出的骨架点作为新的种子点，再从该新的种子点的相邻栅格点中再选取骨架点，如此反复，直至无法找到任何骨架点为止，所选取出的所有骨架点构成该多边形图像的骨架；

其中，该步骤2中该提取半径r依照以下公式计算：

r=0.644de2(g,E)^0.4126；或者

r=0.3414d(g,E)+0.784；

其中，g为该多边形区域内的任一栅格点，E为该多边形的边界，d(g,E)为点g到边界E上所有点的距离值的最小值，也就是点g的该初始距离值，点h为边界E上的任一点，点h到点g的距离为d(h,g)，若d(h,g)=d(g,E)，则称点h为点g的最近边缘点，de2(g,E)为点g的初始距离值的平方值。

2.如权利要求1所述的方法，其特征在于，该步骤3进一步包括，计算该最近边缘点集之中的任意点与该栅格点的距离值，从中去除一个最大值和一个最小值，剩余的距离值取算术平均值得到该距离均值。

3.如权利要求1所述的方法，其特征在于，该步骤6进一步包括：

栅格点g为该初始种子点，{g₁,g₂,g₃,g₄,g₅,g₆,g₇,g₈}为栅格点g的八个相邻栅格点，若点g_i∈{g₁,g₂,g₃,g₄,g₅,g₆,g₇,g₈}，且使得SrcPt(g_i)≠SrcPt(g)成立，则点g_i为该骨架点，同时也是新的种子点，SrcPt(g_i)为栅格点g_i的最近边缘点，SrcPt(g)为栅格点g的最近边缘点。

4.如权利要求3所述的方法，其特征在于，该步骤6进一步包括，依据骨架点的选取顺序依次为所有骨架点编号，并按照编号依次进行显示。

5.如权利要求1所述的方法，其特征在于，该骨架点具有至少两个不同的最近边缘点。

6.一种多边形图像的骨架提取装置，其特征在于，包括：

初始距离变换单元，用于对多边形图像进行栅格欧氏距离变换，得到该多边形区域内所有栅格点的初始距离值及初始最近边缘点；

最近边缘点集距离均值变换单元，进一步包括最近边缘点集提取单元、距离均值计算单元和替换单元，该最近边缘点集距离均值变换单元重复调用该最近边缘点集提取单元、该距离均值计算单元和该替换单元，以获得所有栅格点的实际最近边缘点与实际距离值，从而实现对多边形图像的最近边缘点集距离均值变换；

该最近边缘点集提取单元，用于根据一栅格点的初始距离值计算一提取半径，提取位于以该栅格点的最近边缘点为圆心，以该提取半径为半径的圆的范围内的该多边形的所有边界点作为该栅格点的最近边缘点集；

该距离均值计算单元，用于计算该最近边缘点集之中的点与该栅格点的距离均值；

该替换单元，用于将该最近边缘点集之中，至该栅格点的距离最接近该距离均值的点作为该栅格点的实际最近边缘点，将该距离均值作为该栅格点的实际距离值；

初始种子点选取单元，用于从该多边形区域内的所有栅格点中，选取初始种子点作为生成骨架的起点，该初始种子点的实际距离值大于相邻的所有栅格点的实际距离值；

骨架点生成单元，用于从该初始种子点的相邻栅格点中选取骨架点，并将选取出的骨架点作为新的种子点，再从该新的种子点的相邻栅格点中再选取骨架点，如此反复，直至无法找到任何骨架点为止，所选取出的所有骨架点构成该多边形图像的骨架；

其中，该最近边缘点集提取单元依照以下公式计算该提取半径r：

r=0.644de2(g,E)^0.4126；或者

r=0.3414d(g,E)+0.784；

其中，g为该多边形区域内的任一栅格点，E为该多边形的边界，d(g,E)为点g到边界E上所有点的距离值的最小值，也就是点g的该初始距离值，点h为边界E上的任一点，点h到点g的距离为d(h,g)，若d(h,g)=d(g,E)d(h,g)=d(g,E)，则称点h为点g的最近边缘点，de2(g,E)为g点的初始距离值的平方值。

7.如权利要求6所述的装置，其特征在于，该种子点生成单元进一步包括：

栅格点g为该初始种子点，{g₁,g₂,g₃,g₄,g₅,g₆,g₇,g₈}为栅格点g的八个相邻栅格点，若点g_i∈{g₁,g₂,g₃,g₄,g₅,g₆,g₇,g₈}，且使得SrcPt(g_i)≠SrcPt(g)成立，则点g_i为该新的骨架点，SrcPt(g_i)为栅格点g_i的最近边缘点，SrcPt(g)为栅格点g的最近边缘点。

8.如权利要求6所述的装置，其特征在于，该骨架点具有至少两个不同的最近边缘点。

Images