CN111598769A - 基于轮廓跟踪与影像分块的快速栅格转矢量方法 - Google Patents

基于轮廓跟踪与影像分块的快速栅格转矢量方法 Download PDF

Info

Publication number
CN111598769A
CN111598769A CN202010344083.1A CN202010344083A CN111598769A CN 111598769 A CN111598769 A CN 111598769A CN 202010344083 A CN202010344083 A CN 202010344083A CN 111598769 A CN111598769 A CN 111598769A
Authority
CN
China
Prior art keywords
data
contour
vector
image
graph
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010344083.1A
Other languages
English (en)
Other versions
CN111598769B (zh
Inventor
宋海伟
李咏洁
黎珂
运晓东
李晓韵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Geoway Software Co ltd
Original Assignee
Beijing Geoway Software Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Geoway Software Co ltd filed Critical Beijing Geoway Software Co ltd
Priority to CN202010344083.1A priority Critical patent/CN111598769B/zh
Publication of CN111598769A publication Critical patent/CN111598769A/zh
Application granted granted Critical
Publication of CN111598769B publication Critical patent/CN111598769B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00Geometric image transformations in the plane of the image
    • G06T3/04Context-preserving transformations, e.g. by using an importance map
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00General purpose image data processing
    • G06T1/60Memory management
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于轮廓跟踪与影像分块的快速栅格转矢量方法,该方法包括:读取输入数据,数据准备过程中读取的数据为单波段栅格数据;创建输出矢量,根据用户输入的矢量数据格式,获取对应的矢量数据驱动,并创建对应的矢量数据文件,用于后续的矢量数据导出;大数据条带分块,首先对输入的栅格数据进行逻辑分块处理,沿影像的行方向进行分块,获得一系列影像条带;分块轮廓跟踪,逻辑分块结束后进行分块轮廓跟踪,遍历每个影像块,进行块内的矢量面数据提取,暂存到缓存池中;图形轮廓合并,分块轮廓跟踪结束后,需要对分块成果进行无缝合并;矢量数据导出,通过判断缓存池中几何图形与影像分块线的位置关系,并导出已经合并完整的图形。

Description

基于轮廓跟踪与影像分块的快速栅格转矢量方法
技术领域
本发明涉及计算机图形处理技术领域,具体来说,涉及一种基于轮廓跟踪与影像分块的快速栅格转矢量方法。
背景技术
栅格数据和矢量数据是非常重要的两种数据类型,相比栅格数据类型,矢量数据具有冗余度小、拓扑关系清晰、易于网络分析、方便记录属性描述信息等优势,为此,有很多数据成果要求必须是矢量数据类型,将栅格数据转换矢量数据是很常用的一种方式,目前,有许多学者做了相关的研究,已有的栅格数据转换矢量数据的算法有:有向边界法、散列线段聚合法、基于游程编码的轮廓跟踪法等,然而,上述算法在实际应用中,都会面临矢量化效率问题和大数据情况下的通用性,传统的算法为了保证输出正确的拓扑关系,运行过程中一般都需要复杂的边界查找和联通处理,处理效率低,此外,栅格矢量化输入数据为大数据时,传统的算法在处理过程种都遇到内存资源不足的情况,难以解决大数据量的处理问题,为此,如何解决栅格矢量化过程种效率低、难以处理大数据量的问题,是许多学者关注的重点,亟待推出一种新的高效率栅格矢量化算法非常有必要。
发明内容
针对相关技术中的上述技术问题,本发明提出一种基于轮廓跟踪与影像分块的快速栅格转矢量方法,借助轮廓跟踪算法极大的提高了算法的处理效率,运用影像分块和图形合并技术,保证了大数据处理的健壮性和转换结果的正确性。
为实现上述技术目的,本发明的技术方案是这样实现的:一种基于轮廓跟踪与影像分块的快速栅格转矢量方法,其特征在于,该方法包括以下步骤:
S1:读取输入数据,数据准备过程中读取的数据为单波段栅格数据;
S2:创建输出矢量,根据用户输入的矢量数据格式,获取对应的矢量数据驱动,并创建对应的矢量数据文件,用于后续的矢量数据导出;
S3:大数据条带分块,首先对输入的栅格数据进行逻辑分块处理,沿影像的行方向进行分块,获得一系列影像条带;
S4:分块轮廓跟踪,逻辑分块结束后进行分块轮廓跟踪,遍历每个影像块,进行块内的矢量面数据提取暂存到缓存池中;
S5:图形轮廓合并,分块轮廓跟踪结束后,需要对分块成果进行无缝合并;
S6:矢量数据导出,通过判断缓存池中几何图形与影像分块线的位置关系,并导出已经被合并完整的图形。
进一步地,所述的S1中单波段栅格数据矢量化分别为二值图像、分类图像及灰度图像。
进一步地,所述的S3逻辑分块具体包括以下步骤:
S3.1通过设置每次处理的内存大小,自动计算获得分块参数,将一幅输入较大的栅格数据,划分为多个单独且全内存处理的影像块。
进一步地,所述的S4分块轮廓跟踪具体包括以下步骤:
S4.1根据每个几何图形,获得以像素为单位的轮廓链数据,轮廓链由一个起点及一系列扩张的方向数据构成,其中,由轮廓链数据直接转换成对应的矢量的基本边数据集,将基本边数据集转换得到对应的矢量节点的元数据。
进一步地,所述的S5图形轮廓合并具体包括以下步骤:
S5.1当某个影像块内的全部图形边缘跟踪完成时,保留当前影像块的最后一行数据,根据上一个影像块的最后一行数据和当前影像块的第一行数据,获取图形的重合边,根据重合边的两个端点将上下两个图形进行合并。
进一步地,所述的S6图形判断具体包括以下步骤:
S6.1 将影像按条带进行分块,获取对应几何图形的最大行号与分块线的行号,进行判断获得的几何图形是否跟踪完整,若几何图形完整,进行导出操作,反之,则该几何图形需要后续作合并处理,对于完整的几何图形,根据矢量数据的导出格式,保存到对应的磁盘文件中。
进一步地,所述的S4.1进一步包括:
S4.1.1 若当前处理的是第一个影像块,则对影像块内的图形进行外部轮廓与内部轮廓跟踪,首先跟踪出外部轮廓,基于跟踪的外部轮廓获得对应的内部轮廓,并且当轮廓的起点及终点重合时,轮廓跟踪停止;
S4.1.2 当轮廓跟踪获得到图形的轮廓链时,即同步转换为按照像素边界延伸集合图形的内轮廓链及外轮廓链,然后再次对图形的内轮廓链及外轮廓链进行一次遍历,去掉方向相同情况下的中间冗余节点,保留中间的关键节点,将获得到的对应矢量图形的顶点数据,保存到图形轮廓缓存池中,同时保留当前影像块的最后一行处理结果并进行完整图形导出,继续处理下一个影像块;
S4.1.3 若当前影像块属于中间影像块,则先对影像块数据进行轮廓跟踪获得所有几何图形的顶点数据,保存到图形轮廓缓存池中,然后根据前一个影像块最后一行数据和当前块的第一行数据结果,进行重合边提取和图形合并,合并完成后,保存当前影像块的最后一行数据至内存缓存池中并进行完整图形导出;
S4.1.4 若当前影像块属于最后一块,同上所述首先进行几何图形的顶点数据提取并保存到缓存池中,然后进行重合边提取及图形合并,进行完整图形的导出。
进一步地,所述的S5.1进一步包括:
S5.1.1 由于部分图形在分块过程中被切割,需要对跟踪后的图形轮廓进行合并,形成完整的图形轮廓,根据上一个影像块的最后一行数据与当前影像块的第一行数据,判断图形是否被分块线切割,并对切割后的上、下两个图形进行合并操作;
S5.1.2 按照影像的行方向,依次判断上、下两行数据的像素值是否相同,进行重合边的提取,并从缓存池中获取需要合并的两个图形进行合并操作,对于每个重合边,都有线段的起点及终点,分别从上、下两个图形中进行一次搜索获得重合边在图形中的顶点位置,然后按照顺时针方向将上、下两个图形中的所有顶点进行串接,直接跳过重合边的起点及终点,将更新后的图形保存到缓存池中,并清空合并前的图形内存。
进一步地,所述的S6.1进一步包括:
S6.1.1 若当前处理完的不是最后一个影像块,需要进行完整几何图形的提取,提取的准则为判断当前图形的最后一行与影像块的最后一行是否相交,若没有相交关系,则表示当前图形属于完整图形,进行导出操作,若有相交关系,则该图形需要继续保留在缓存池中用于后续的合并合并操作;
S6.1.2基于完整的几何图形,根据矢量数据的导出格式保存到对应的磁盘文件中,并清空对应的内存缓存;
S6.1.3 若当前处理完成的是最后一个影像块,代表栅格数据的所有像素已经处理完毕,则分块线上、下两端的图形已经合并完成,并将缓存池中的所有图形进行导出操作,然后清空缓存池占用的内存空间,此时,完成对整个栅格数据转矢量数据的操作。
本发明的有益效果:鉴于现有技术中存在的不足,由于输入为大数据的情况,硬件配置资源有限,存在无法一次性矢量化全部数据的问题,本申请通过对栅格数据按照条带进行分块,在单个影像块内完成图形的边界提取,对于因影像分块导致的分块条带线,通过对相邻影像块之间的图形重复边进行合并操作,完成图形的接边处理,保障了输出图形的完整性和正确性,满足大数据量的栅格数据转换需求,运用轮廓跟踪算法,一次性记录所有节点顺序的优势,避免了负责的节点查找和串接操作,能够极大的提高图形边界提取的处理效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例所述的基于轮廓跟踪与影像分块的快速栅格转矢量方法的具体流程框图;
图2是根据本发明实施例所述的基于轮廓跟踪与影像分块的快速栅格转矢量方法的大数据条带分块处理示意图;
图3是根据本发明实施例所述的基于轮廓跟踪与影像分块的快速栅格转矢量方法的轮廓跟踪边界方向示意图;
图4是根据本发明实施例所述的基于轮廓跟踪与影像分块的快速栅格转矢量方法的轮廓跟踪过程示意图;
图5是根据本发明实施例所述的基于轮廓跟踪与影像分块的快速栅格转矢量方法的图形轮廓合并示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
如图 1-5 所示,根据本发明实施例所述的基于轮廓跟踪与影像分块的快速栅格转矢量方法,该方法包括以下步骤:
步骤一,读取输入数据,数据准备过程中读取的数据为单波段栅格数据,所述单波段栅格数据矢量化分别为二值图像、分类图像及灰度图像;
步骤二,创建输出矢量,根据用户输入的矢量数据格式,获取对应的矢量数据驱动,并创建对应的矢量数据文件,用于后续的矢量数据导出;
步骤三,大数据条带分块,首先对输入的栅格数据进行逻辑分块处理,沿影像的行方向进行分块,获得一系列影像条带,通过设置每次处理的内存大小,自动计算获得分块参数,将一幅输入较大的栅格数据,划分为多个单独且全内存处理的影像块;
步骤四,分块轮廓跟踪,逻辑分块结束后进行分块轮廓跟踪,遍历每个影像块,进行块内的矢量面数据提取,根据每个几何图形,获得以像素为单位的轮廓链数据,轮廓链由一个起点及一系列扩张的方向数据构成,其中,由轮廓链数据直接转换成对应的矢量的基本边数据集,将基本边数据集转换得到对应的矢量节点的元数据;
步骤五,图形轮廓合并,分块轮廓跟踪结束后,需要对分块成果进行无缝合并,当某个影像块内的全部图形边缘跟踪完成时,保留当前影像块的最后一行数据,根据上一个影像块的最后一行数据和当前影像块的第一行数据,获取图形的重合边,根据重合边的两个端点将上下两个图形进行合并;
步骤六,矢量数据导出,通过判断缓存池中几何图形与影像分块线的位置关系,并判断当前几何图形是否完整,将影像按条带进行分块,获取对应几何图形的最大行号与分块线的行号,进行判断获得的几何图形是否跟踪完整,若几何图形完整,进行导出操作,反之,则该几何图形需要后续作合并处理,对于完整的几何图形,根据矢量数据的导出格式,保存到对应的磁盘文件中。
在本发明的一个具体实施例中,步骤四进一步包括:
首先,若当前处理的是第一个影像块,则对影像块内的图形进行外部轮廓与内部轮廓跟踪,首先跟踪出外部轮廓,基于跟踪的外部轮廓获得对应的内部轮廓,并且当轮廓的起点及终点重合时,轮廓跟踪停止;
然后,当轮廓跟踪获得到图形的轮廓链时,即同步转换为按照像素边界延伸集合图形的内轮廓链及外轮廓链,然后再次对图形的内轮廓链及外轮廓链进行一次遍历,去掉方向相同情况下的中间冗余节点,保留中间的关键节点,将获得到的对应矢量图形的顶点数据,保存到图形轮廓缓存池中,同时保留当前影像块的最后一行处理结果并进行完整图形导出,继续处理下一个影像块;
其次,若当前影像块属于中间影像块,则先对影像块数据进行轮廓跟踪获得所有几何图形的顶点数据,保存到图形轮廓缓存池中,然后根据前一个影像块最后一行数据和当前块的第一行数据结果,进行重合边提取和图形合并,合并完成后,保存当前影像块的最后一行数据至内存缓存池中并进行完整图形导出;
最后,若当前影像块属于最后一块,同上所述首先进行几何图形的顶点数据提取并保存到缓存池中,然后进行重合边提取及图形合并,进行完整图形的导出。
在本发明的一个具体实施例中,步骤五进一步包括:
其中,由于部分图形在分块过程中被切割,需要对跟踪后的图形轮廓进行合并,形成完整的图形轮廓,根据上一个影像块的最后一行数据与当前影像块的第一行数据,判断图形是否被分块线切割,并对切割后的上、下两个图形进行合并操作;
其中,按照影像的行方向,依次判断上、下两行数据的像素值是否相同,进行重合边的提取,并从缓存池中获取需要合并的两个图形进行合并操作,对于每个重合边,都有线段的起点及终点,分别从上、下两个图形中进行一次搜索获得重合边在图形中的顶点位置,然后按照顺时针方向将上、下两个图形中的所有顶点进行串接,直接跳过重合边的起点及终点,将更新后的图形保存到缓存池中,并清空合并前的图形内存。
在本发明的一个具体实施例中,步骤六进一步包括:
首先,若当前处理完的不是最后一个影像块,需要进行完整几何图形的提取,提取的准则为判断当前图形的最后一行与影像块的最后一行是否相交,若没有相交关系,则表示当前图形属于完整图形,进行导出操作,若有相交关系,则该图形需要继续保留在缓存池中用于后续的合并合并操作;
然后,基于完整的几何图形,根据矢量数据的导出格式保存到对应的磁盘文件中,并清空对应的内存缓存;
其次,若当前处理完成的是最后一个影像块,代表栅格数据的所有像素已经处理完毕,则分块线上、下两端的图形已经合并完成,并将缓存池中的所有图形进行导出操作,然后清空缓存池占用的内存空间,此时,完整对整个栅格数据转矢量数据的操作。
为了方便理解本发明的上述技术方案,以下通过具体使用方式上对本发明的上述技术方案进行详细说明。
在具体使用时,根据本发明所述的基于轮廓跟踪与影像分块的快速栅格转矢量方法,如图1-5所示:
其一,数据准备过程中读取的数据为单波段栅格数据,所述单波段栅格数据矢量化分别为二值图像、分类图像及灰度图像;
其二,根据用户输入的矢量数据格式,获取对应的矢量数据驱动,并创建对应的矢量数据文件,用于后续的矢量数据导出;
其三,具体用于大数据的处理,对准备的栅格数据进行逻辑分块,采用条带分块的策略,如图2所示,将影像分块成m*n大小,其中,m表示影像的列数,也是每个条带的列数,n表示每个条带的行数;
其四,依次遍历所有的影像块,并根据影像块的位置特征进行对应的处理,其中,若当前处理的是第一个影像块,则对影像块内的图形进行外部轮廓与内部轮廓跟踪,首先跟踪出外部轮廓,基于跟踪的外部轮廓获得对应的内部轮廓,并且当轮廓的起点及终点重合时,轮廓跟踪停止;当轮廓跟踪获得到图形的轮廓链时,即同步转换为按照像素边界延伸集合图形的内轮廓链及外轮廓链,然后再次对图形的内轮廓链及外轮廓链进行一次遍历,去掉方向相同情况下的中间冗余节点,保留中间的关键节点,将获得到的对应矢量图形的顶点数据,保存到图形轮廓缓存池中,同时保留当前影像块的最后一行处理结果并进行完整图形导出,无需保留所有的缓存数据;若当前影像块属于中间影像块,则先对影像块数据进行轮廓跟踪获得所有几何图形的顶点数据,保存到图形轮廓缓存池中,然后根据前一个影像块最后一行数据和当前块的第一行数据结果,进行重合边提取和图形合并,合并完成后,保存当前影像块的最后一行数据至内存缓存池中并进行完整图形导出;若当前影像块属于最后一块,同上所述首先进行几何图形的顶点数据提取并保存到缓存池中,然后进行重合边提取及图形合并,进行完整图形的导出;
其五,由于部分图形在分块过程中被切割,需要对跟踪后的图形轮廓进行合并,形成完整的图形轮廓,根据上一个影像块的最后一行数据与当前影像块的第一行数据,判断图形是否被分块线切割,并对切割后的上、下两个图形进行合并操作;按照影像的行方向,依次判断上、下两行数据的像素值是否相同,进行重合边的提取,并从缓存池中获取需要合并的两个图形进行合并操作,对于每个重合边,都有线段的起点及终点,分别从上、下两个图形中进行一次搜索获得重合边在图形中的顶点位置,然后按照顺时针方向将上、下两个图形中的所有顶点进行串接,直接跳过重合边的起点及终点,将更新后的图形保存到缓存池中,并清空合并前的图形内存;
其六,若当前处理完的不是最后一个影像块,需要进行完整几何图形的提取,提取的准则为判断当前图形的最后一行与影像块的最后一行是否相交,若没有相交关系,则表示当前图形属于完整图形,进行导出操作,若有相交关系,则该图形需要继续保留在缓存池中用于后续的合并合并操作;基于完整的几何图形,根据矢量数据的导出格式保存到对应的磁盘文件中,并清空对应的内存缓存;若当前处理完成的是最后一个影像块,代表栅格数据的所有像素已经处理完毕,则分块线上、下两端的图形已经合并完成,并将缓存池中的所有图形进行导出操作,然后清空缓存池占用的内存空间,此时,完整对整个栅格数据转矢量数据的操作通过处理完一个影像块导出缓存池内完整图形的操作,保证了内存不会因为需要保存所有图形而出现内存不够的风险。
综上所述,借助于本发明的上述技术方案,首先,对输入的大数据进行自适应条带分块,解决大数据情况下内存不足的情况,其次,对分块条带进行轮廓跟踪,获取矢量面节点数据,借助轮廓跟踪算法一次性记录所有节点顺序的优势,既保障了矢量拓扑的正确性,又保障了高效率的矢量面节点数据获取,最后,大数据条带分块对分块图形进行重边无缝合并,保障输出图形的正确性和完整性,输出最终矢量数据成果。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于轮廓跟踪与影像分块的快速栅格转矢量方法,其特征在于,该方法包括以下步骤:
S1:读取输入数据,数据准备过程中读取的数据为单波段栅格数据;
S2:创建输出矢量,根据用户输入的矢量数据格式,获取对应的矢量数据驱动,并创建对应的矢量数据文件,用于后续的矢量数据导出;
S3:大数据条带分块,首先对输入的栅格数据进行逻辑分块处理,沿影像的行方向进行分块,获得一系列影像条带;
S4:分块轮廓跟踪,逻辑分块结束后进行分块轮廓跟踪,遍历每个影像块,进行块内的矢量面数据提取并暂存到内存缓存池中;
S5:图形轮廓合并,分块轮廓跟踪结束后,需要对分块成果进行无缝合并;
S6:矢量数据导出,通过判断缓存池中几何图形与影像分块线的位置关系,并导出已经合并完整的图形。
2.根据权利要求1所述的基于轮廓跟踪与影像分块的快速栅格转矢量方法,其特征在于,
所述的S1中单波段栅格数据矢量化分别为二值图像、分类图像及灰度图像。
3.根据权利要求1所述的基于轮廓跟踪与影像分块的快速栅格转矢量方法,其特征在于,所述的S3逻辑分块具体包括以下步骤:
S3.1通过设置每次处理的内存大小,自动计算获得分块参数,将一幅输入较大的栅格数据,划分为多个单独且全内存处理的影像块。
4.根据权利要求1所述的基于轮廓跟踪与影像分块的快速栅格转矢量方法,其特征在于,所述的S4分块轮廓跟踪具体包括以下步骤:
S4.1根据每个几何图形,获得以像素为单位的轮廓链数据,轮廓链由一个起点及一系列扩张的方向数据构成,其中,由轮廓链数据直接转换成对应的矢量的基本边数据集,将基本边数据集转换得到对应的矢量节点的元数据。
5.根据权利要求1所述的基于轮廓跟踪与影像分块的快速栅格转矢量方法,其特征在于,所述的S5图形轮廓合并具体包括以下步骤:
S5.1当某个影像块内的全部图形边缘跟踪完成时,保留当前影像块的最后一行数据,根据上一个影像块的最后一行数据和当前影像块的第一行数据,获取图形的重合边,根据重合边的两个端点将上下两个图形进行合并。
6.根据权利要求1所述的基于轮廓跟踪与影像分块的快速栅格转矢量方法,其特征在于,所述的S6图形判断具体包括以下步骤:
S6.1 将影像按条带进行分块,获取对应几何图形的最大行号与分块线的行号,进行判断获得的几何图形是否跟踪完整,若几何图形完整,进行导出操作,反之,则该几何图形需要后续作合并处理,对于完整的几何图形,根据矢量数据的导出格式,保存到对应的磁盘文件中。
7.根据权利要求4所述的基于轮廓跟踪与影像分块的快速栅格转矢量方法,其特征在于,所述的S4.1进一步包括:
S4.1.1 若当前处理的是第一个影像块,则对影像块内的图形进行外部轮廓与内部轮廓跟踪,首先跟踪出外部轮廓,基于跟踪的外部轮廓获得对应的内部轮廓,并且当轮廓的起点及终点重合时,轮廓跟踪停止;
S4.1.2 当轮廓跟踪获得到图形的轮廓链时,即同步转换为按照像素边界延伸集合图形的内轮廓链及外轮廓链,然后再次对图形的内轮廓链及外轮廓链进行一次遍历,去掉方向相同情况下的中间冗余节点,保留中间的关键节点,将获得到的对应矢量图形的顶点数据,保存到图形轮廓缓存池中,同时保留当前影像块的最后一行处理结果并进行完整图形导出,继续处理下一个影像块;
S4.1.3 若当前影像块属于中间影像块,则先对影像块数据进行轮廓跟踪获得所有几何图形的顶点数据,保存到图形轮廓缓存池中,然后根据前一个影像块最后一行数据和当前块的第一行数据结果,进行重合边提取和图形合并,合并完成后,保存当前影像块的最后一行数据至内存缓存池中并进行完整图形导出;
S4.1.4 若当前影像块属于最后一块,同上所述首先进行几何图形的顶点数据提取并保存到缓存池中,然后进行重合边提取及图形合并,进行完整图形的导出。
8.根据权利要求5所述的基于轮廓跟踪与影像分块的快速栅格转矢量方法,其特征在于,所述的S5.1进一步包括:
S5.1.1 由于部分图形在分块过程中被切割,需要对跟踪后的图形轮廓进行合并,形成完整的图形轮廓,根据上一个影像块的最后一行数据与当前影像块的第一行数据,判断图形是否被分块线切割,并对切割后的上、下两个图形进行合并操作;
S5.1.2 按照影像的行方向,依次判断上、下两行数据的像素值是否相同,进行重合边的提取,并从缓存池中获取需要合并的两个图形进行合并操作,对于每个重合边,都有线段的起点及终点,分别从上、下两个图形中进行一次搜索获得重合边在图形中的顶点位置,然后按照顺时针方向将上、下两个图形中的所有顶点进行串接,直接跳过重合边的起点及终点,将更新后的图形保存到缓存池中,并清空合并前的图形内存。
9.根据权利要求6所述的基于轮廓跟踪与影像分块的快速栅格转矢量方法,其特征在于,所述的S6.1进一步包括:
S6.1.1 若当前处理完的不是最后一个影像块,需要进行完整几何图形的提取,提取的准则为判断当前图形的最后一行与影像块的最后一行是否相交,若没有相交关系,则表示当前图形属于完整图形,进行导出操作,若有相交关系,则该图形需要继续保留在缓存池中用于后续的合并合并操作;
S6.1.2基于完整的几何图形,根据矢量数据的导出格式保存到对应的磁盘文件中,并清空对应的内存缓存;
S6.1.3 若当前处理完成的是最后一个影像块,代表栅格数据的所有像素已经处理完毕,则分块线上、下两端的图形已经合并完成,并将缓存池中的所有图形进行导出操作,然后清空缓存池占用的内存空间,此时,完成对整个栅格数据转矢量数据的操作。
CN202010344083.1A 2020-04-27 2020-04-27 基于轮廓跟踪与影像分块的快速栅格转矢量方法 Active CN111598769B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010344083.1A CN111598769B (zh) 2020-04-27 2020-04-27 基于轮廓跟踪与影像分块的快速栅格转矢量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010344083.1A CN111598769B (zh) 2020-04-27 2020-04-27 基于轮廓跟踪与影像分块的快速栅格转矢量方法

Publications (2)

Publication Number Publication Date
CN111598769A true CN111598769A (zh) 2020-08-28
CN111598769B CN111598769B (zh) 2023-06-16

Family

ID=72190836

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010344083.1A Active CN111598769B (zh) 2020-04-27 2020-04-27 基于轮廓跟踪与影像分块的快速栅格转矢量方法

Country Status (1)

Country Link
CN (1) CN111598769B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117292210A (zh) * 2023-11-27 2023-12-26 航天宏图信息技术股份有限公司 分类图像矢量化的方法、装置、电子设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060002614A1 (en) * 2004-06-30 2006-01-05 Alliances Artquest International Inc. Raster-to-vector conversion process and apparatus
CN102542035A (zh) * 2011-12-20 2012-07-04 南京大学 基于扫描线法的多边形栅格化并行转换方法
CN103839222A (zh) * 2014-02-18 2014-06-04 中国林业科学研究院资源信息研究所 一种基于分层次边界拓扑搜索模型的栅格转矢量并行系统
CN108875073A (zh) * 2018-07-06 2018-11-23 航天星图科技(北京)有限公司 一种遥感影像的快速栅格转矢量方法
CN109801242A (zh) * 2019-01-23 2019-05-24 西南交通大学 一种基于改进漫水填充算法的栅格图像矢量化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060002614A1 (en) * 2004-06-30 2006-01-05 Alliances Artquest International Inc. Raster-to-vector conversion process and apparatus
CN102542035A (zh) * 2011-12-20 2012-07-04 南京大学 基于扫描线法的多边形栅格化并行转换方法
CN103839222A (zh) * 2014-02-18 2014-06-04 中国林业科学研究院资源信息研究所 一种基于分层次边界拓扑搜索模型的栅格转矢量并行系统
CN108875073A (zh) * 2018-07-06 2018-11-23 航天星图科技(北京)有限公司 一种遥感影像的快速栅格转矢量方法
CN109801242A (zh) * 2019-01-23 2019-05-24 西南交通大学 一种基于改进漫水填充算法的栅格图像矢量化方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117292210A (zh) * 2023-11-27 2023-12-26 航天宏图信息技术股份有限公司 分类图像矢量化的方法、装置、电子设备和存储介质
CN117292210B (zh) * 2023-11-27 2024-02-23 航天宏图信息技术股份有限公司 分类图像矢量化的方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN111598769B (zh) 2023-06-16

Similar Documents

Publication Publication Date Title
Arcelli et al. Euclidean skeleton via centre-of-maximal-disc extraction
CN108830869B (zh) 基于超像素的遥感图像并行分割方法
CN112785710B (zh) Osgb三维模型建筑物快速单体化方法、系统、存储器及设备
CN101231761B (zh) 一种保持外观特征的网格模型简化方法
CN102332168B (zh) 一种基于v图的栅格地图矢量化方法
CN106780579B (zh) 一种超大规模图像特征点匹配方法及系统
CN113902769A (zh) 一种基于深度学习语义分割的地震断层识别方法
CN112883795B (zh) 一种基于深度神经网络的表格快速自动提取方法
CN100375124C (zh) 一种骨架化物体重建方法
CN111598769A (zh) 基于轮廓跟踪与影像分块的快速栅格转矢量方法
CN113868476A (zh) 一种基于局部密度的八叉树点云预处理方法
CN113593037A (zh) 一种德劳内三角化表面重建模型的建立方法及其应用
CN113808276B (zh) 一种基于外接球策略区域增长的点云表面重建方法及系统
CN110675417A (zh) 一种结合游程编码与边缘跟踪的栅格数据快速矢量化方法
CN111008429B (zh) 一种基于点云的异构cad几何一致性对比方法
CN102799884B (zh) 一种基于格式塔规则的图像目标轮廓提取方法
CN112734934A (zh) 一种基于相交边映射的stl模型3d打印切片方法
JP2009163317A (ja) 地形モデル補間装置、方法及びプログラム
CN108875073A (zh) 一种遥感影像的快速栅格转矢量方法
CN113420187A (zh) 一种基于边分割的gpu子图匹配的方法
CN111339863B (zh) 一种基于物体导向外部记忆模块的视频物体检测模型
CN117292210B (zh) 分类图像矢量化的方法、装置、电子设备和存储介质
Zhang et al. A collaborative simplification method for multiple coastlines based on the hierarchical triangulation network partition
Lam et al. A skeletonization technique based on delaunay triangulation and piecewise bezier interpolation
CN113129444B (zh) 一种同时考虑网格和结构的三维建筑物简化方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant