CN102930561A - 一种基于Delaunay三角网的栅格地图矢量化方法 - Google Patents

Abstract

本发明涉及一种单要素的栅格地图矢量化方法，属于栅格地图矢量化技术领域。该方法对单要素栅格图进行黑白二值化后进行分组，寻找所述单要素栅格图中的线划要素，然后提取各线划要素对应的栅格图的边界栅格，从而获得各线划要素对应的边界栅格图；基于各边界栅格图的边界栅格中心点分别生成Delaunay三角网；剔除不在所述线划要素范围内的干扰三角形；并利用Delaunay三角网三角形间的拓扑关系提取线划要素骨架线，即得到单要素栅格图的矢量化结果。该方法解决了传统栅格图矢量化过程中骨架线提取的难题，在速度和效果上均能较好地满足实际需求，最终获得的矢量图几乎不需要再进行人工修正。

Description

一种基于Delaunay三角网的栅格地图矢量化方法

技术领域

本发明涉及一种单要素的栅格地图矢量化方法，属于栅格地图矢量化技术领域。

背景技术

随着社会信息化的不断深入和地理信息产业的不断发展，人们对基础地理信息数据的需求，尤其对可进行大量空间分析的数字矢量地理信息数据的需求逐年增大。以当今遥感和测绘技术生成的数字矢量地理信息数据，远远不能满足社会的庞大需求。因此通过对传统纸质地图的扫描数字矢量化，成为一种有效并可靠地获取矢量地理信息数据的方法。

目前对传统纸质地图的扫描矢量化方法，按自动化程度可分为：手动矢量化、半自动矢量化、自动矢量化。手动矢量化主要指，早期利用平板数字化仪手抚跟踪数字化或后期纸质地图扫描屏幕数字化；半自动矢量化指，借助人工辅助利用计算机图形图像学算法，自动的识别出点、线、面、注记等地图要素；自动矢量化指，完全不需要人工干预，由计算机自己通过算法完成自动地图矢量化工作。显而易见，上述三种矢量化方法中，完全脱离人工作业的自动矢量化是人工作业量最小、作业速度最快的。

对扫描地图的自动矢量化是以栅格图为依据，通过计算机辅助标绘等手段生成，是一个综合了计算机视觉、计算机图像处理、计算机图形学和人工智能等各个学科的交叉课题。多年来的理论及实践为此课题的研究奠定了良好的基础，但由于其应用背景的复杂性及需求的多样性，目前的研究结果普遍存在处理速度慢、智能程度低以及适应性差等特点。

在栅格图形的矢量化过程中，提取目标图形骨架线是实现栅格转化成矢量的核心内容。骨架线能够准确地反映空间对像的几何结构特征，利用骨架线来表示图像中已经提取的线状目标，可以在保证目标重要拓扑特征的前提下，最大限度地减少目标存贮记录中的冗余信息。迄今为止，已经有大量的骨架线提取算法，但大多存在运算复杂、矢量化时间长等缺陷。

发明内容

本发明解决的技术问题是：提出一种处理速度快、效果好的基于Delaunay三角网的栅格地图矢量化方法。

为了解决上述技术问题，本发明提出的技术方案是：一种基于Delaunay三角网的栅格地图矢量化方法，包括以下步骤：

第一步、对单要素栅格图进行黑白二值化；

第二步、寻找所述单要素栅格图中的线划要素；

第三步、提取各线划要素对应的栅格图的边界栅格，从而获得各线划要素对应的边界栅格图；

第四步、基于各边界栅格图的边界栅格中心点分别生成Delaunay三角网；

第五步、剔除不在所述线划要素范围内的干扰三角形；

第六步、利用Delaunay三角网三角形间的拓扑关系提取线划要素骨架线，即得到单要素栅格图的矢量化结果。

本发明的创新点在于，独创性地采用获取线划要素轮廓范围内Delaunay三角形，并通过找到三角网首节点，跟踪拓扑邻接三角形的方式，提取线划要素骨架线，达到矢量化的目的。

本发明首先对栅格图进行分组找出线划要素，再对线划要素的边缘点进行Delaunay三角网划分，各分组的算法实现不受其它分组影响，运算量小、耗时短，而且又易于进行算法的并行化实现。这种提取骨架线的方法，错误率低，基本上不需要再进行人工修正。

对于为多要素彩色待矢量化栅格地图，则首先通过分色，得到多个单色的单要素栅格图，再分别对单要素栅格图执行第一步到第六步。

本发明还提供一种使用像元邻域分析的标记算法对所述单要素栅格图中的像元进行分组的方法。在本发明第二步中，使用像元邻域分析的标记算法寻找所述单要素栅格图中的线划要素，具体方法如下：

1)顺序遍历单要素栅格图中的像元，对所有不为0的像元根据其扫描顺序依次赋值；

2)再次顺序遍历重新赋值后的单要素栅格图中的像元，对所有不为0的像素与其八邻域中不为0的像素进行比较，若其八邻域范围内所有标记值的最小值小于其本身的标记值，则修改其标记值为撰述最小值；

3)反向遍历步骤2)处理后的单要素栅格图中的像元，处理过程同步骤2)；

4)再次顺序遍历单要素栅格图中的像元，统计具有不同标记的像元种类数；

5)重复步骤2)-4)直到统计的像元种类数与上一次统计的像元种类数一致，即完成像元的分组，具有相同值的像元属于同一线划要素。

本发明还提供了一种使用基于数学形态学的腐蚀算法提取栅格图中的边界栅格的算法。因为本发明仅提取1个像元宽的边界栅格，所以采用3*3的腐蚀算子。

在本发明第三步中，对分组后的栅格图用3*3的腐蚀算子进行腐蚀运算，得到腐蚀后的栅格集合；用所述栅格图减去腐蚀后得到的栅格集合就得到了栅格图中的边界栅格。

如果线划要素自身弧度很大时，会生成不在要素轮廓线范围内的三角形。这些三角形会干扰骨架线提取的结果，因此要在保证三角网外边缘轮廓符合要素轮廓线前提下剔除这些不需要的三角形。为保证所得三角网能充分反应要素轮廓线，不错删沿轮廓线分布的三角形边，还需对要剔除的三角形各边进行判断。

本发明在第五步中提供了一种判断并剔除这些不需要的三角形的方法，具体为：如果所述三角形内任一点位于线划要素范围内，则该三角形位于线划要素范围内，否则准备删除；判断准备删除的三角形各边，若所述边的两端点的像元八邻域连通，则该边位于线划要素范围内，否则删除。其中，判断所述三角形位于线划要素范围内的具体方法为：如果所述三角形内任一点位于线划要素范围内，则该三角形位于线划要素范围内；判断准备删除的三角形各边是否位于线划要素范围内的具体方法为：若所述边的两端点的像元八邻域连通值与该线划要素相同，则该边位于线划要素范围内。

本发明在第六步中提供了一种利用Delaunay三角网三角形间的拓扑关系提取线划要素骨架线的方法，具体如下：

(1)对线划要素三角网中的所有三角形均设置标记；

(2)根据三角网的拓扑生成顺序获取线划要素的三角网中所有带标记的三角形的首个三角形；

(3)以步骤(2)得到的首个三角形为起始，依次统计骨架线生长方向上带标记的邻接三角形个数，分情况跟踪骨架线：

当带标记的邻接三角形个数为1时，找到与该邻接三角形的公共边，该公共边中点就是骨架线的跟踪点，该邻接三角形即为骨架线跟踪方向，同时去掉该邻接三角形的标记；

当带标记的邻接三角形个数为2时，分别计算这两个邻接三角形的公共边的长度，这两条公共边中的较长边的中点，就是骨架线的跟踪点，两条公共边中的较长边对应的邻接三角形即为骨架线跟踪方向，同时去掉该邻接三角形的标记；若两条公共边的长度相同，则选择任意一个邻接三角形作为骨架线的跟踪方向，该三角形公共边的中点为跟踪点，同时去掉该邻接三角形的标记；

当带标记的邻接三角形个数为0时，判断三角网中带标记的三角形的个数是否为0，如果为0，则完成该线划要素的骨架跟踪，顺序连接所有的跟踪点得到该线划要素的骨架线，否则转至步骤(2)。

对上述方法的进一步改进是：第六步中，统计骨架线生长方向上带标记的邻接三角形个数，分情况跟踪骨架线时，如果带标记的邻接三角形个数为2且两条公共边的长度相同，则选择拓扑关系较先建立的邻接三角形作为骨架线的跟踪方向，该三角形公共边的中点为跟踪点。

本发明的有益效果是：本发明的一种基于Delaunay三角网的栅格地图矢量化方法通过提取线划要素轮廓范围内的三角形，连接拓扑相邻三角形公共边中点，解决了传统栅格图矢量化过程中骨架线提取的难题。实验结果表明，对于处理较复杂的扫描地图，在速度和效果上均能较好地满足实际需求，最终获得的矢量图几乎不需要再进行人工修正。

附图说明

下面结合附图对本发明的基于Delaunay三角网的栅格地图矢量化方法作进一步说明。

图1是实施例一的黑白二值化栅格图像。

图2是对图1进行处理获到的边界栅格图。

图3是基于图2获得的边缘离散点集。

图4是基于图3的边缘离散点集生成的Delaunay三角网。

图5是对图4剔除干扰三角形后的Delaunay三角网。

图6是图1的矢量化结果图。

图7是基于像元八邻域标记的连通性分析算法示意图。

具体实施方式

本实施例的基于Delaunay三角网的栅格地图矢量化方法，包括以下步骤：

第一步、对单要素栅格图进行黑白二值化，得到图1。

因为通常扫描后的原始地图是以不同灰度级存储的，而太多的灰度级不便于进行矢量化处理，需要进行压缩，通常压缩为两级（0和1），这个过程就称为二值化。图像二值化对扫描地图中各像元赋以0或1的值，其目的是从地图图像中大致分割地图要素与地图背景。

本实施例采用阈值二值化方法进行黑白二值化，本方法的关键是如何在像素值的最大和最小值之间选取一个合理的阈值，对小于此阈值的背景像元赋0，大于此阈值的要素像元赋1。

本实施例针对8位256色地图扫描图像，由于该类图像中要素与背景的颜色反差比较明显，其中背景部分主要为白色，因此二值化过程比较简单，只需将图像中的白色与非白色部分赋予不同的值(非白色部分一律赋予黑色)，即可得到效果较好的黑白二值化图，使整个栅格图上只有0、1这两个像素值。

第二步、寻找上述单要素栅格图中的线划要素。

对上述单要素栅格图中的像元通过连通性分析进行分组，就可以找出单要素栅格图中的线划要素，这样可以简化后期矢量化的工作量，提高整个矢量化方法的工作效率。常用的连通性分析算法主要有两种：一种是基于游程编码的连通性分析算法，另一种是基于像元要素标记的连通性分析算法。

在本实施例中，采用基于像元八邻域标记的连通性分析算法，如图7中表格所示，其方法如下：

1)顺序遍历单要素栅格图中的像元，对所有不为0的像元根据其扫描顺序依次赋值；

2)顺序遍历重新赋值后的单要素栅格图中的像元，对所有不为0的像素与其八邻域中不为0的像素进行比较，若其八邻域范围内所有标记值的最小值小于其本身的标记值，则修改其标记值为撰述最小值；

3)反向遍历步骤2)处理后的单要素栅格图中的像元，处理过程同步骤2)；

4)再次顺序遍历单要素栅格图中的像元，统计具有相同标记值像元的最小外接矩形范围的行列号，把该信息和像元标记值一同保存起来，并统计图像中具有不同标记值的像元种类数；

5)重复步骤2)-4)直到统计的像元种类数与上次统计的像元种类数一致，即完成像元的分组，其中具有相同值的像元属于同一线划要素。

通过上述五个步骤的处理，就获得了扫描图像要素连通性信息，此信息包括三部分：要素连通性标示值、要素最小外接矩形及最终的独立要素个数。

第三步、提取上述各线划要素对应的栅格图的边界栅格，从而获得各线划要素对应的边界栅格图，如图2所示。

在本实施例中，采用基于数学形态学的边界栅格提取算法。数学形态学的腐蚀算法可以参考《工程图学学报》2004年第2期《基于数学形态学的边缘检测算法研究》，作者：陈虎、王守尊、周朝辉。

首先，根据提取要素边缘像素宽度选择适宜的集合元素结构大小，若要提取n个像素宽的边缘，就生成(2*n+1)*(2*n+1)大小的集合元素结构（n为边缘的像素宽度）。在本实施例中只要提取单像素宽的边缘，所以n取1，即生成3*3的集合元素结构。

然后，利用生成的集合元素算子对上述的黑白二值化图进行数学形态学的腐蚀运算，使用原始黑白二值化图与经腐蚀后的得到的像元集合进行差运算，得到线划要素中的边界栅格图。

第四步、基于各边界栅格图的边界栅格中心点分别生成Delaunay三角网。

首先对各线划要素中的边界栅格数据转换成矢量数据，为生成Delaunay三角网提供数据基础。

由于印刷、扫描等技术原因，边界栅格图的边缘一般不是很平滑，因此往往不能把所有边缘点都作为生成三角网的发生点。所以，要有间隔地提取边缘栅格点，使其能很好的表示要素，而又不过分粗糙。本实施例提出了以下解决方法：

A、在各线划要素的最小邻接矩形内，以左上到搜右下的顺序搜索此要素第一个边缘栅格点，对其行列号各加0.5，表示此边缘矢量点的中心点坐标，并用一个标示矩阵表示此边缘栅格点是否被处理过。

B、以该点的上方为初始方向，沿顺时针搜索其八临域中是否有没有处理过的边缘栅格点。如果有，设此点被处理过，并使一计数器变量自加1；如果没有，则跳到步骤D。

C、当计数器变量等于预设的提取间隔时，对其点行列号各加0.5，保留其坐标。

D、从搜索起始点开始搜索，直到以此点位起点的所有邻接点都被处理过，则重新在此要素的最小邻接矩形中搜索，是否还有没有处理的点。如果有，则继续步骤B、步骤C的操作；如果没有，则表示此要素已完全处理， 可以处理下一个要素。

其中步骤D的目的主要是保证环形、空心状的要素的边缘能被很好地处理。本实施例中将边界栅格数据转换成矢量数据的结果如图3所示。

本实施例使用改进的扫描线算法根据上述边界栅格图的边界栅格中心点生成Delaunay三角网，其结果如图4所示。改进的扫描线算法生成Delaunay三角网的方法可以参考《测绘学报》2007年第03期的《Delaunay三角形构网的分治扫描线算法》，作者是芮一康和王结臣。

第五步、剔除不在所述线划要素范围内的干扰三角形，具体为判断所述Delaunay三角网中各三角形，若三角形位于所述线划要素范围内，则保留该三角形，否则准备删除；判断所述准备删除的三角形各边，若所述边位于所述线划要素范围内，则保留该边，否则剔除。

由于Delaunay三角剖分是在空间离散点上进行的，最终的三角网一定会形成凸包，以满足Delaunay规则。因此，如果要素自身弧度很大或呈近圆形，三角网不只会出现在线划要素轮廓范围内，也会在轮廓范围外出现，如图4所示。因此，要剔除这些不在轮廓范围内的三角形。

本实施例第五步采用的具体方法如下：计算各线划要素的Delaunay三角网的三角形内，远离三角形三边的任意一点坐标，判断此三角形是否在线划要素轮廓线内。为保证结果准确，通过计算三角形的内心的方法，判断此三角形是否在线划要素轮廓线内。

如果上述三角形的内心位于线划要素范围内，则该三角形位于线划要素范围内，否则准备删除；判断准备删除的三角形各边，若所述边的两端点的像元八邻域连通值与该线划要素相同，则该边位于线划要素范围内，否则删除。

其中，判断准备删除的三角形各边是否位于线划要素范围内的具体方法为：若所述边的两端点的像元八邻域连通，则该边位于线划要素范围内。

根据计算所得的内心坐标值，找到此三角形内心坐标在要素连通标记矩阵中的标记值以及边缘矩阵中的值。

若要素连通标记矩阵值与当前处理线划要素标记值不相同，即表示三角形内心不在此线划要素轮廓内，需剔除此三角形；反之，则保留此三角形。

若要素边缘矩阵值与当前处理线划要素标记值相同，即表示此三角形内心在要素边缘上，没有沿要素伸展方向展开，需剔除此三角形；若要素边缘矩阵值为0，则表示此三角形内心在线划要素中，则保留此三角形。图5显示了经剔除操作后的线划要素边缘三角网网格。

第六步、利用Delaunay三角网三角形间的拓扑关系提取线划要素骨架线，即得到单要素栅格图的矢量化结果，如图6所示。

由于在线划要素轮廓中相邻的Delaunay三角形，在形状上十分相似，为一边较短（一个像元宽）、另两边较宽（基本等同于线划要素宽度），可近似拼接为矩形或平行四边形的三角网。从整体上看，Delaunay三角网对线划要素沿要素边缘进行了空间剖分。这种形状规则对称、单体三角形沿线划要素横向展开、整个三角网沿线划要素纵向展开的Delaunay三角网，可表征线划要素的结构与走向。

本实施例在第六步中，获取线划要素的三角网首节点，根据三角网拓扑邻接状况进行骨架线跟踪，具体方法如下：

(1)对线划要素三角网中的所有三角形均设置标记；

(2)根据三角网的拓扑生成顺序获取线划要素的三角网中所有带标记的三角形的首个三角形；

(3)以步骤(2)得到的首个三角形为起始，依次统计骨架线生长方向上带标记的邻接三角形个数，分情况跟踪骨架线：

当带标记的邻接三角形个数为1时，找到与该邻接三角形的公共边，该公共边中点就是骨架线的跟踪点，该邻接三角形即为骨架线跟踪方向，同时去掉该邻接三角形的标记；

当带标记的邻接三角形个数为2时，分别计算这两个邻接三角形的公共边的长度，这两条公共边中的较长边的中点，就是骨架线的跟踪点，两条公共边中的较长边对应的邻接三角形即为骨架线跟踪方向，同时去掉该邻接三角形的标记；若两条公共边的长度相同，则选择拓扑关系较先建立的邻接三角形作为骨架线的跟踪方向，该三角形公共边的中点为跟踪点，同时去掉该邻接三角形的标记；

当带标记的邻接三角形个数为0时，判断三角网中带标记的三角形的个数是否为0，如果为0，则完成该线划要素的骨架跟踪，顺序连接所有的跟踪点得到该线划要素的骨架线，否则转至步骤(2)。

本发明的不局限于上述实施例所述的具体技术方案，凡采用等同替换形成的技术方案均为本发明要求的保护范围。

Claims (9)

1.一种基于Delaunay三角网的栅格地图矢量化方法，包括以下步骤：

第一步、对单要素栅格图进行黑白二值化；

第二步、寻找所述单要素栅格图中的线划要素；

第三步、提取各线划要素对应的栅格图的边界栅格，从而获得各线划要素对应的边界栅格图；

第四步、基于各边界栅格图的边界栅格中心点分别生成Delaunay三角网；

第五步、剔除不在所述线划要素范围内的干扰三角形；

第六步、利用Delaunay三角网三角形间的拓扑关系提取线划要素骨架线，即得到单要素栅格图的矢量化结果。

2.根据权利要求1所述的基于Delaunay三角网的栅格地图矢量化方法，其特征在于：如果待矢量化地图为多要素的彩色地图，则首先通过分色，得到多个单色的单要素栅格图，再分别对单要素栅格图执行第一步到第六步。

3.根据权利要求1所述的基于Delaunay三角网的栅格地图矢量化方法，其特征在于，第二步中，使用像元邻域分析的标记算法寻找所述单要素栅格图中的线划要素，具体方法如下：

1)顺序遍历单要素栅格图中的像元，对所有不为0的像元根据其扫描顺序依次赋值；

2)再次顺序遍历重新赋值后的单要素栅格图中的像元，对所有不为0的像素与其八邻域中不为0的像素进行比较，若其八邻域范围内所有标记值的最小值小于其本身的标记值，则修改其标记值为撰述最小值；

3)反向遍历步骤2)处理后的单要素栅格图中的像元，处理过程同步骤2)；

4)再次顺序遍历单要素栅格图中的像元，统计具有不同标记的像元种类数；

5)重复步骤2)-4)直到统计的像元种类数与上一次统计的像元种类数一致，即完成像元的分组，具有相同值的像元属于同一线划要素。

4.根据权利要求1所述的基于Delaunay三角网的栅格地图矢量化方法，其特征在于，第三步中，使用基于数学形态学的腐蚀算法提取栅格图中的边界栅格，具体方法如下：

对分组后的栅格图用3*3的腐蚀算子进行腐蚀运算，得到腐蚀后的栅格集合；用所述栅格图减去腐蚀后得到的栅格集合就得到了栅格图中的边界栅格。

5.根据权利要求1所述的基于Delaunay三角网的栅格地图矢量化方法，其特征在于，第五步中，剔除不在所述线划要素范围内的干扰三角形的方法为：判断各Delaunay三角网中各三角形，若三角形位于所述线划要素范围内，则保留该三角形，否则准备删除；判断所述准备删除的三角形各边，若所述边位于所述线划要素范围内，则保留该边，否则剔除。

6.根据权利要求5所述的基于Delaunay三角网的栅格地图矢量化方法，其特征在于，判断所述三角形位于线划要素范围内的具体方法如下：如果所述三角形内任一点位于线划要素范围内，则该三角形位于线划要素范围内。

7.根据权利要求5所述的基于Delaunay三角网的栅格地图矢量化方法，其特征在于，判断准备删除的三角形各边是否位于线划要素范围内的具体方法如下：若所述边的两端点的像元八邻域连通值与该线划要素相同，则该边位于线划要素范围内。

8.根据权利要求1所述的基于Delaunay三角网的栅格地图矢量化方法，其特征在于,第六步中，提取线划要素骨架线的具体方法如下:

(1)对线划要素三角网中的所有三角形均设置标记；

(2)根据三角网的拓扑生成顺序获取线划要素的三角网中所有带标记的三角形的首个三角形；

(3)以步骤(2)得到的首个三角形为起始，依次统计骨架线生长方向上带标记的邻接三角形个数，分情况跟踪骨架线：

当带标记的邻接三角形个数为1时，找到与该邻接三角形的公共边，该公共边中点就是骨架线的跟踪点，该邻接三角形即为骨架线跟踪方向，同时去掉该邻接三角形的标记；

当带标记的邻接三角形个数为2时，分别计算这两个邻接三角形的公共边的长度，这两条公共边中的较长边的中点，就是骨架线的跟踪点，两条公共边中的较长边对应的邻接三角形即为骨架线跟踪方向，同时去掉该邻接三角形的标记；若两条公共边的长度相同，则选择任意一个邻接三角形作为骨架线的跟踪方向，该三角形公共边的中点为跟踪点，同时去掉该邻接三角形的标记；

当带标记的邻接三角形个数为0时，判断三角网中带标记的三角形的个数是否为0，如果为0，则完成该线划要素的骨架跟踪，顺序连接所有的跟踪点得到该线划要素的骨架线，否则转至步骤(2)。

9.根据权利要求8所述的基于Delaunay三角网的栅格地图矢量化方法，其特征在于,第六步中，统计骨架线生长方向上带标记的邻接三角形个数，分情况跟踪骨架线时，如果带标记的邻接三角形个数为2且两条公共边的长度相同，则选择拓扑关系较先建立的邻接三角形作为骨架线的跟踪方向，该三角形公共边的中点为跟踪点。

Images