CN103971367B - 水文资料图像分割方法 - Google Patents

Abstract

本发明公开了一种纸质水文资料拍摄得到的水文资料图像的分割方法，属于图像处理技术领域。本发明方法基于梯度和颜色信息融合，首先利用图像LAB空间上的颜色分量特征分割出曲线；然后进行分块处理，利用梯度算子在水平和垂直方向分别判别属于网格线上的目标像素点，统计这些像素点的颜色信息，利用颜色分量关系对网格线进行初步提取，之后加入水平和垂直方向的腐蚀，合并两方向的结果得到最终的网格二值化图像；最后将曲线图像和网格图像合并后得到水文资料图像的分割结果。对多幅水文图像进行分割的实验结果表明，该方法能自适应地完成对多幅图像有效的分割，并且能够减少相机拍摄光照不均的影响，有较好的鲁棒性和较低的计算复杂度。

Description

水文资料图像分割方法

技术领域

本发明涉及一种图像分割方法，尤其涉及一种纸质水文资料拍摄得到的水文资料图像的分割方法，属于图像处理技术领域。

背景技术

在当今信息化的时代，工程纸质资料图纸的数字化越来越得到重视。在水利、气象、生物医学、石油地质等领域，大多使用网格图纸对观测数据进行记录。但是纸质资料可能会因保存不当造成纸张的磨损、污染，将损失很多珍贵的信息。另外，如果手工将这些资料录入到计算机中，工作量大且很容易出错。因此对这些历史纸质资料进行数字化并建立管理数据库，将极大提高工作效率并为科学研究提供宝贵的历史资料，具有较强的应用价值。纸质水文资料通常是在橘红色的坐标网格纸（包含粗网格线和细网格线）上绘制的蓝紫色的水文曲线，在纸质水文观测记录数字化过程中的图像分割，主要涉及坐标网格线以及观测记录曲线的分割。

图像分割就是把图像按照一定的标准划分成若干个特定的、具有独特性质的区域并提取出感兴趣目标的技术和过程。图像分割是从图像处理到图像分析的关键步骤，图像分割质量的好坏，很大程度上决定着后续图像分析的效果。图像分割可分为灰度图像分割和彩色图像分割，与灰度图像相比，彩色图像不仅包含亮度信息，还包括颜色信息，如色调和饱和度。进行彩色图像分割，既要选择合适的色彩空间，又要采用适合此空间的分割算法。

到目前为止，国内外的研究人员在彩色图像分割领域已经进行大量的研究，并提出了许多分割算法，以及针对特定的图像的分割处理。主要方法有基于直方图阈值法、基于区域方法、边缘检测方法、模糊聚类分割方法和神经网络法等，这些方法通常结合了不同的颜色空间。

影响彩色图像分割效果的因素有很多，其中最重要的是光线变化。图像由于受到光线的影响而使得颜色信息发生变化，从而图像分割不得不考虑光照带来的影响。对于通过对纸质水文资料拍摄得到的水文资料图像，主要存在以下两个特点：

1.由于纸质水文资料的存放时间过久，很多拍摄的图像中，曲线和网格线的颜色变得浓淡不一，因而部分粗线条与细线条的颜色性质相近，颜色特征不易区分；

2.由于纸质水文资料的幅面较大，一般为A3尺寸，相机拍摄的过程中必然存在光照不均的情况，导致原本相同的颜色在光照强度影响下变得颜色不一致，甚至使得部分粗线条在光照影响下颜色变浅，部分细线条颜色变深。

由于存在上述特点，现有的各种彩色图像分割方法均难以实现对水文资料图像进行准确的分割，例如，文献[杨康叶,邬春学.基于RGB模型颜色相似性的彩色图像分割[J].计算机系统应用, 2013,22(3):128-131]根据图像在RGB颜色空间的颜色和亮度信息，在文献[Shikai Wang.Color Image Segmentation Based on Color Similarity.International Conference on Computational Intelligence and SoftwareEngineering. 2009, pp. 1-4.]的基础上提出新的颜色相似性的彩色图像分割算法，利用文献[Shikai Wang.Color Image Segmentation Based on Color Similarity.International Conference on Computational Intelligence and SoftwareEngineering. 2009, pp. 1-4.]中颜色相似性的尺度不变性的语义数学模型-SIMILATION，改进了其中计算每个颜色与主导颜色相似度的算法，根据颜色相似度对图像中的像素点进行分类，结果表明对亮度变化有较好的鲁棒性和较低的计算复杂度，但对于主导颜色的确定的大小不适合颜色过多的图像。对于水文资料图像，由于图像颜色属性以及光照不均，此方法难以确定图像中的主导颜色，因此无法适用。文献[庞晓敏,闵子健,阚江明.基于HSI和LAB颜色空间的彩色图像分割[J].广西大学学报(自然科学版),2011,36(6): 976-980.]提出了一种基于HSI和LAB颜色空间的彩色图像分割方法，结合了LAB空间的颜色均匀性和HSI空间符合人的视觉感知，在HSI空间用最优阈值方法进行阈值分割，在LAB空间采用基于K均值聚类图像分割，然后将两次分割结果进行区域合并，最后进行滤波消除噪声。此方法表明可以结合多个颜色空间的优势对彩色图像进行分割，使得分割效果更佳，但是K均值聚类方法中难以确定聚类数目和初始聚类中心。由于水文资料图像的幅面过大，且像素数据庞大，不适合利用K均值聚类，也难以在HSI空间的选取最优阈值分割。又如，文献[赵泉华,李玉,何晓军.结合几何划分技术和最大期望值/最大边缘概率算法的彩色图像分割[J].中国图象图形学报,2013,18(10): 1270 -1278.]基于区域和统计的彩色图像分割方法，提出了一种结合Voronoi划分技术、最大期望值( EM)和最大边缘概率(MPM)算法的彩色图像分割方法。用Voronoi技术将图像域划分不同子区域，并假设每个子区域内的像素强度满足独立同一的概率分布，在贝叶斯理论架构下建模，然后结合 EM/MPM算法进行图像分割。结果表明此方法能避免出现分割噪声，能自适应地分割彩色图像，并具有较高的正确分割率。然而对于水文资料图像而言，分块区域内的像素规律难寻导致建模困难，且难以自适应。

因此亟需找到一种水文资料图像分割方法，能够快速准确地自动提取出水文资料图像中的水文曲线、坐标网格线，这对于纸质水文观测记录的数字化保存具有重要意义。

发明内容

本发明所要解决的技术问题在于克服现有技术不足，针对纸质水文资料的数字化，提供一种水文资料图像分割方法，能够快速准确地自动提取出水文资料图像中的水文曲线、坐标网格线。

本发明的水文资料图像分割方法，所述水文资料图像通过对纸质水文资料拍摄得到，首先分别对水文资料图像中的水文曲线和网格线进行分割，得到水文曲线二值化图像和网格线二值化图像，然后将水文曲线二值化图像和网格线二值化图像合并，得到水文资料的二值化图像。

优选地，所述水文曲线的分割包括以下步骤：在LAB颜色空间中计算水文资料图像中每个像素的A分量与B分量的乘积，并选择A分量与B分量的乘积小于一预设阈值的像素作为水文曲线上的像素，然后以水文曲线上的像素作为目标，以其余像素作为背景对水文资料图像进行二值化处理，得到水文曲线二值化图像。

优选地，所述网格线的分割包括以下步骤：分别对灰度化后的水文资料图像进行水平、垂直方向的梯度化，得到水平方向梯度化图像和垂直方向梯度化图像；然后分别对水平方向梯度化图像和垂直方向梯度化图像进行以下处理：将图像划分为若干同样大小的图像块，在每一图像块中计算除水文曲线部位以外的其它像素的梯度均值，并以其中梯度值大于梯度均值的像素所在位置作为初步的网格线位置，从而得到初步的水平方向网格线位置和垂直方向网格线位置；分别计算水文资料图像中位于初步的水平/垂直方向网格线位置处的各像素在LAB颜色空间中A分量均值和B分量均值，然后从水文资料图像中位于初步的水平/垂直方向网格线位置处的各像素中选择其A分量与B分量的乘积大于A分量均值与B分量均值的乘积的像素，然后以选择出的像素为目标，以其余像素作为背景对水文资料图像进行二值化处理，得到水平方向网格线二值化图像和垂直方向网格线二值化图像，最后对两者进行或运算合并，得到网格线二值化图像。

优选地，所述阈值按照以下方法确定：统计所述水文资料图像中各像素的A分量与B分量的乘积的分布直方图，然后选择分布直方图中A分量与B分量的乘积的值从小到大的第一个峰与第二个峰所对应的A分量与B分量的乘积的平均值作为所述阈值。

优选地，利用Sobel梯度算子分别对灰度化后的水文资料图像进行水平、垂直方向的梯度化。

进一步地，所述网格线的分割还包括：以所述网格线二值化图像作为初步的网格线二值化图像，对其分别进行水平方向1×5的腐蚀操作以及垂直方向5×1的腐蚀操作，然后将腐蚀操作后的两幅图像进行或运算合并，得到最终的网格线二值化图像。。

相比现有技术，本发明能够对批量拍摄的水文资料图像进行快速准确的自适应分割，将其中的水文曲线及坐标网格较准确地提取出来，本发明方法对亮度变化有较好的鲁棒性并且具有较低的计算复杂度。

附图说明

图1为一幅拍摄得到的水文资料图像；

图2为另一幅拍摄得到的水文资料图像；

图3为图1所示水文资料图像在LAB颜色空间中的A分量与B分量乘积的分布直方图；

图4（a）～图4（g）分别为原始水文资料图像、原始水文资料图像的水文曲线二值化图像、原始水文资料图像的初步网格线二值化图像、初步网格线二值图像水平方向腐蚀后的图像、初步网格线二值图像垂直方向腐蚀后的图像、最终的网格线二值图像、最终的水文资料的二值化图像。

具体实施方式

下面结合附图对本发明的技术方案进行详细说明：

图1和图2分别显示了两幅相机拍摄得到的水文资料图像，图像分割的目的是提取图中的水文曲线（蓝紫色）及坐标网格线（橘红色）。从图中可以看出，由于原始纸质资料保存时间较长，图中的曲线和网格线的颜色变得浓淡不一，部分粗线条与细线条的颜色性质相近，颜色特征不易区分；而且由于拍摄过程中存在的光照不均的情况，原本相同的颜色在光照强度影响下变得颜色不一致，甚至使得部分粗线条在光照影响下颜色变浅，部分细线条颜色变深。因而要准确地提取出其中的水文曲线及坐标网格线，依靠现有的各种彩色图像分割方法均难以实现。

本发明的思路是首先对水文资料图像中的水文曲线和网格线利用合适的方法分别进行分割，得到水文曲线二值化图像和网格线二值化图像，然后将水文曲线二值化图像和网格线二值化图像合并，得到水文资料的二值化图像。

彩色图像的分割需要确定与实际对象相适应的颜色空间。因此有必要对常用的几种颜色空间进行分析并结合水文资料图像的实际特点来确定最佳的颜色空间：

RGB颜色空间利用红、绿、蓝三原色的混合比例定义不同色彩。三个颜色通道的相关性很强，只要图像的亮度发生变化，则三个分量就会相应变化，尤其光照不均时，红绿蓝三个分量的大小分配关系难以确定，无法根据三个分量的数值判别颜色，从而RGB适合于显示系统，不适合于图像分割和分析。

HSI颜色空间是与人眼的视觉感知相吻合的色彩空间，由色调(H)、饱和度(S)和亮度(I)三个通道表示颜色。不同于RGB空间，HSI颜色空间把颜色信息和亮度信息分离开来，HSI分量之间的相关性远远小于RGB空间。

CIE LAB颜色空间(又称CIE L*a*b*)是由亮度L*和颜色有关的颜色通道a*，b*三个要素组成(更详细内容可参见图像处理经典教材：R.C.Gonzalez, R.E.Woods, 数字图像处理（第二版），阮秋琦，阮宇智译，电子工业出版社，2009. ，本发明以下简称L，A，B)。L表示颜色的明暗程度，主要受光源强弱影响，A和B的值域都是[-128，127]，A通道表示从红色到绿色的范围，B通道表示从蓝色到黄色的范围。LAB颜色空间具有欧式距离不变性，即视觉上差异较小的两种颜色在LAB空间上的欧式距离较小，而视觉上差异较大的两种颜色对应的欧式距离也较大。

由以上分析可以知道，RGB颜色空间是很不均匀的颜色空间，加上亮度变化带来的分量变化是不可估计的，从而不能根据RGB空间的色差来表现两个颜色的差别；在HSI空间中，H值的色差无法度量两个颜色的差别，例如某像素点的H值为0或360时，它表示的颜色都是红色。另外，不同图像在不同光照下，难以由具体的H、S分量值确定相同的颜色。重要的是，水文资料图像的H和S在光照不均的情况下，H和S都会发生变化。虽然网格粗线条和细线条的H值相差不大，但是S的大小受到光照很大的干扰，难以用特定的阈值进行区分。因此本发明选取LAB颜色空间并在此空间对水文资料图像进行分割。首先，水文资料图像的颜色种类为蓝紫色和橘红色，与LAB空间的B通道表示的颜色信息相符，例如，当B的数值比较小时表示颜色偏蓝紫；B为较大的正数时，则偏橘红色。其次，在光照不均的情况下，不需要考虑L通道，单独对A、B颜色通道的信息进行分析和处理。

相机拍摄多幅纸质水文资料图像在颜色感知上呈现了一致性，并且在LAB空间下A分量和B分量具有一定的规律：

第一，对于水文资料图像中的曲线部分，记录数据的笔迹颜色都偏向蓝紫色。曲线上的像素点的B分量都是负数，且都很小。

第二，网格线条部分，主体呈现出橘红色，网格粗线条比细线条的颜色深。大部分粗线条上像素点的A分量和B分量比细线条的都大，且都大于0，有小部分细线交叉处与粗线条像素点的A、B值相差不大，不容易和粗线条区分开来。由于光照不均的影响，网格线上像素点的A、B值会有一定小范围的大小变化。

第三，非网格和非曲线部分的像素点属于非目标像素，这些像素点的颜色偏灰白色，它们的A分量和B分量都很小，部分像素点的A分量为负数，且与网格线和曲线上的目标点相差很大。

下面分别给出在LAB颜色空间如何进行水文曲线的分割以及网格线的分割。

（1）水文曲线的分割：

水文曲线与非曲线的颜色差异大，多数偏蓝紫色。因为图像存在光照不均，图像转到LAB空间后，导致L分量发生变化，曲线和非曲线的颜色色差欧氏距离不能反映两者的颜色差异，因此仅对颜色信息A、B分量的分析。由于B通道表示从蓝色渐变到黄色，B越小表明接近蓝色，与水文曲线的颜色接近。分析发现曲线上像素点的B分量与非曲线部分相差很大，因此本发明选取B分量作为分割条件。水文曲线的分割具体如下：对于水文资料图像中每一个像素点，计算其在LAB颜色空间的A、B分量的乘积，S=A×B，如果S<T，T为预设阈值，则该像素点为曲线上点，否则不是，从而实现水文曲线的提取。

其中的分割阈值T可根据经验设定，为了提高分割准确性，本发明优选采用分布直方图来确定T的取值。首先获取水文资料图像中各像素的A分量与B分量的乘积的分布直方图，图3即显示了图1所示水文资料图像在LAB颜色空间中的A分量与B分量乘积的分布直方图，图中横坐标为A分量与B分量的乘积，纵坐标为像素数量。然后搜索分布直方图中A分量与B分量的乘积的值从小到大（即从左向右搜索）的第一个、第二个峰所对应的A分量与B分量的乘积，并以两者的平均值作为T的值，即 T=(v1+v2)/2，其中v1为A分量与B分量乘积的分布直方图的第一个峰的下标，v2为A分量与B分量乘积的分布直方图的第二个峰的下标。图3中第一个峰位置的A、B分量乘积为-200，第二个峰位置的A、B分量乘积为20，则阈值T的值设置为-90，图中椭圆形中所包括的A、B分量乘积范围即为水文曲线上的像素点。

（2）网格线的分割：

水文资料图像中的网格由若干条横纵线条组成，如图1和图2中所示，存在颜色较深的粗线以及颜色较浅细线条。对网格图像进行二值化的目的是获得更多的深颜色粗线条，且尽可能少出现浅颜色的细线条。对橘红色网格线条的分析中，发现网格线与非网格线上的点在颜色信息表现出差异，可以看出非网格部分呈现灰白色，而网格线则是不同深浅的橘红色。在对应灰度图中发现线条附近的颜色跳变很大，橘红色线上像素点的边缘信息比较突出，且粗线条在水平和垂直上的变化程度不太一致。

为了避免光照不均引起的影响，对图像进行分块处理，结合Sobel梯度算子对水平和垂直梯度进行分别统计，得到水平和垂直方向上的各自满足边缘信息；然后结合这些边缘点的性质进行网格图像的提取。即利用Sobel梯度算法获得大部分的粗线条的边缘信息，然后在LAB颜色空间得到这些线条具有的颜色信息特征，最后结合此特征来对整个图像分块进行网格提取。整个网格线分割算法的步骤如下：

(1) 对输入的水文资料图像完成RGB空间到LAB空间的转换，并利用L分量图像作为灰度化的图像；

(2)对灰度化的水文资料图像分别进行水平、垂直方向的梯度化，确定目标线条的边缘信息，并保存这两个方向上的梯度化后的水平方向梯度化图像和垂直方向梯度化图像；本发明优选利用Sobel梯度算子进行梯度化；

(3) 在水平方向梯度化图像和垂直方向梯度化图像中，分别进行以下处理：（以水平方向为例，垂直方向上相同处理）

①为了减少光照不均的影响，对水平方向梯度化图像进行分块，例如分为3×3的共9个图像块或者4×4的共16个图像块，在对应图像块内，结合曲线提取的水文曲线所在位置，剔除掉对应曲线的梯度值的影响，计算个图像块内属于网格线条的梯度均值Th；

②利用梯度均值Th对水平方向梯度化图像进行二值化，以其中梯度值大于梯度均值的像素所在位置作为初步的网格线位置；根据此二值化结果初步获得属于网格线的位置信息；

③根据②中的获得网格线条的位置信息，获得水文资料图像中位于初步的水平方向网格线位置处的各像素在LAB颜色空间的A分量和B分量的大小，并统计这些像素点的A分量、B分量的均值Xa、Xb；

④利用③中得到的Xa和Xb确定水平方向网格线上的像素点，如果像素点的A、B分量满足A×B>Xa×Xb，则为目标，否则为背景，对原水文资料图像进行二值化；

⑤获得水平方向网格线二值化图像；利用同样方法获得垂直方向网格线二值化图像。

(4) 对水平方向网格线二值化图像和垂直方向网格线二值化图像进行或运算合并，得到完整的网格线二值化图像；该图像可直接作为最终的网格线二值化图像输出，但为了进一步消除其中细线交叉处所存在的部分离散点，又对其进行了以下处理：

(5) 对于(4)中获得的网格线二值化图像分别进行水平方向1×5的腐蚀（即结构元素由水平方向5个连续像素构成）并保存结果，和垂直方向上5×1的腐蚀（即结构元素是垂直方向5个连续像素构成）并保存结果，以去除掉更多的离散点；

(6) 对(5)得到的两个方向上腐蚀后的二值化图进行合并，得到最终的网格线二值化图像。

最后将水文曲线二值化图像和网格线二值化图像合并，即得到水文资料的二值化图像，完成了水文资料图像的分割。

为了验证本发明方法的效果，选取多幅幅面为A3规格279mm×420mm的彩色水文资料图像在Microsoft Visual Studio 2010平台上进行实验，对输入的水文资料图像进行分割处理。图4（a）～图4（g）显示了实验过程中各阶段的结果，图4(a)为原始输入的水文资料图像，图4(b)为图4(a)所示图像的水文曲线提取效果图。曲线分割利用了曲线上的像素点的A、B分量的大小与非曲线部分的差别的特点，根据曲线的a、B分量乘积大小，满足条件S=A×B<T，在对S的关系统计中，根据S的分布图的规律，设置T=-40时，得到水文曲线二值化图。

依据网格线提取算法步骤，根据水平和垂直方向上得到的黄色线条上A、B分量均值Xa，Xb，利用分割条件，得到初步的网格线二值化图4(c)，可以看出水平垂直方向上的有较粗的线条以及部分细线条上的离散点。

对初步提取的网格线二值化图进行腐蚀，水平方向1×5的腐蚀获得图4(d)，垂直方向上5×1腐蚀得到图4(e)。由两图可知保留了大量的水平和垂直方向的粗线条；最后合并图4(d)和图4(e)得到最终的网格线二值化图4(f)。从图4(f)可发现经过腐蚀消除了大部分细线交叉处的离散点，且效果良好。

将曲线二值化图和网格线二值化图合并，得到水文资料图像图4(a)最终的分割结果图4(g)。图4(g)的结果表明，本发明方法完成了图4(a)中的紫蓝色水文曲线和深橘红色的粗网格线的分割，较好地提取了曲线和网格线。

本发明的水文资料图像分割方法，基于梯度和颜色信息融合，首先利用图像LAB空间上的颜色分量特征分割出曲线；然后进行分块处理，利用梯度算子在水平和垂直方向分别判别属于网格线上的目标像素点，统计这些像素点的颜色信息，利用颜色分量关系对网格线进行初步提取，之后加入水平和垂直方向的腐蚀，合并两方向的结果得到最终的网格二值化图像；最后将曲线图像和网格图像合并后得到水文资料图像的分割结果。对多幅水文图像进行分割的实验结果表明，该方法能自适应地完成对多幅图像有效的分割，并且能够减少相机拍摄光照不均的影响，有较好的鲁棒性和较低的计算复杂度。

本发明图像分割方法也适用于其他利用网格纸记录的纸质数据资料的数字化过程，例如气候记录、地震监测记录等。

Claims (6)

1.水文资料图像分割方法，所述水文资料图像通过对纸质水文资料拍摄得到，其特征在于，首先分别对水文资料图像中的水文曲线和网格线进行分割，得到水文曲线二值化图像和网格线二值化图像，然后将水文曲线二值化图像和网格线二值化图像合并，得到水文资料的二值化图像；所述水文曲线的分割包括以下步骤：在LAB颜色空间中计算水文资料图像中每个像素的A分量与B分量的乘积，并选择A分量与B分量的乘积小于一预设阈值的像素作为水文曲线上的像素，然后以水文曲线上的像素作为目标，以其余像素作为背景对水文资料图像进行二值化处理，得到水文曲线二值化图像。

2.如权利要求1所述水文资料图像分割方法，其特征在于，所述阈值按照以下方法确定：统计所述水文资料图像中各像素的A分量与B分量的乘积的分布直方图，然后选择分布直方图中A分量与B分量的乘积的值从小到大的第一个峰与第二个峰所对应的A分量与B分量的乘积的平均值作为所述阈值。

3.如权利要求1所述水文资料图像分割方法，其特征在于，所述网格线的分割包括以下步骤：分别对灰度化后的水文资料图像进行水平、垂直方向的梯度化，得到水平方向梯度化图像和垂直方向梯度化图像；然后分别对水平方向梯度化图像和垂直方向梯度化图像进行以下处理：将图像划分为若干同样大小的图像块，在每一图像块中计算除水文曲线部位以外的其它像素的梯度均值，并以其中梯度值大于梯度均值的像素所在位置作为初步的网格线位置，从而得到初步的水平方向网格线位置和垂直方向网格线位置；分别计算水文资料图像中位于初步的水平/垂直方向网格线位置处的各像素在LAB颜色空间中A分量均值和B分量均值，然后从水文资料图像中位于初步的水平/垂直方向网格线位置处的各像素中选择其A分量与B分量的乘积大于A分量均值与B分量均值的乘积的像素，然后以选择出的像素为目标，以其余像素作为背景对水文资料图像进行二值化处理，得到水平方向网格线二值化图像和垂直方向网格线二值化图像，最后对两者进行或运算合并，得到网格线二值化图像。

4.如权利要求3所述水文资料图像分割方法，其特征在于，利用Sobel梯度算子分别对灰度化后的水文资料图像进行水平、垂直方向的梯度化。

5.如权利要求3所述水文资料图像分割方法，其特征在于，所述将图像划分为若干同样大小的图像块是指将图像划分为3×3的共9个图像块，或者将图像划分为4×4的共16个图像块。

6.如权利要求3所述水文资料图像分割方法，其特征在于，所述网格线的分割还包括：

以所述网格线二值化图像作为初步的网格线二值化图像，对其分别进行水平方向1×5的腐蚀操作以及垂直方向5×1的腐蚀操作，然后将腐蚀操作后的两幅图像进行或运算合并，得到最终的网格线二值化图像。