陳鎮(zhèn)龍，郝 霞，劉 霖，劉娟秀，葉玉堂，羅 穎，宋昀岑

（電子科技大學(xué) 光電信息學(xué)院，四川 成都 610054）

基于多線陣CCD的大幅面拼接型高精度一次成像掃描儀的研制一直是國(guó)內(nèi)、外學(xué)者及產(chǎn)業(yè)界關(guān)注的重點(diǎn)領(lǐng)域[1-3]，但由于是光、機(jī)、電、軟、算綜合型極強(qiáng)的設(shè)備，涉及到的研究難點(diǎn)包括精密走紙機(jī)構(gòu)[4]、大容量圖像快速高精度拼接[5]、大容量圖像矢量轉(zhuǎn)換[6]、光學(xué)照明成像[7]等諸多難題，迄今為止，全部關(guān)鍵核心技術(shù)仍然只被丹麥Contex、日本Graphtec等少數(shù)國(guó)外研究團(tuán)隊(duì)掌握，國(guó)內(nèi)所使用的基于多線陣CCD的大幅面拼接型高精度一次成像掃描儀全部進(jìn)口，迄今為止處于空白狀態(tài)。

同時(shí)，工程圖識(shí)別也是一門綜合技術(shù)，涉及到模式識(shí)別，人工智能，數(shù)字圖像處理，CAD技術(shù)等，因此受到制約較多，從2009年丹麥Contex團(tuán)隊(duì)報(bào)道的情況來看，更大數(shù)據(jù)容量的處理仍沒有具體的解決辦法，截止目前，還未出現(xiàn)一種非常完善的圖像識(shí)別系統(tǒng)和方法。但是，大量的國(guó)外頂尖學(xué)者仍然進(jìn)行著相關(guān)的研究工作[8]，美國(guó)Pennsylvania大學(xué)和Maryland大學(xué)，法國(guó)LORIA研究中心，以色列Institute of Technology等著名大學(xué)和研究機(jī)構(gòu)在這一領(lǐng)域進(jìn)行了多年的研究，但開發(fā)出的軟件普遍存在精度不高，速度較慢，并且對(duì)噪音，缺損較為敏感的問題[9-11]。國(guó)內(nèi)也做了大量研究，清華大學(xué)的ANND5.0系統(tǒng)完成了圖像的矢量化處理，但是只能識(shí)別基本的圖元，對(duì)于復(fù)雜圖形可能出現(xiàn)錯(cuò)誤，其主要的難點(diǎn)在于：在對(duì)工程圖進(jìn)行矢量化階段，未能對(duì)細(xì)化圖準(zhǔn)確跟蹤，對(duì)于出現(xiàn)斷點(diǎn)的直線擬合不夠準(zhǔn)確。

本文在制作基于多線陣CCD的大幅面拼接型高精度一次性成像掃描儀的基礎(chǔ)上，不僅在硬件上實(shí)現(xiàn)了將整個(gè)圖像轉(zhuǎn)化為數(shù)字圖像，同時(shí)在軟件上將掃描得到的點(diǎn)陣圖成功的轉(zhuǎn)化為CAD上能夠識(shí)別的矢量圖。矢量化實(shí)驗(yàn)及測(cè)試結(jié)果表明：通過利用數(shù)學(xué)中直線方程對(duì)直線段進(jìn)行比較，不僅實(shí)現(xiàn)了完整的矢量跟蹤，并且解決了直線中的斷線問題。

1 工程圖矢量化的預(yù)處理

對(duì)點(diǎn)陣圖進(jìn)行分析、識(shí)別、及重建其中元素使之生成CAD能夠識(shí)別的文件格式的過程稱為點(diǎn)陣圖的矢量化，預(yù)處理更是整個(gè)矢量化的關(guān)鍵，由于在掃描的過程中可能會(huì)產(chǎn)生大量的噪聲，從而使影響矢量化的質(zhì)量，需要對(duì)圖像進(jìn)行預(yù)處理。

1.1 中值濾波實(shí)現(xiàn)去噪

對(duì)大幅面掃描儀采集得到的大量圖像對(duì)比分析發(fā)現(xiàn)，圖像中的噪聲基本是顆粒噪聲，對(duì)比各種去噪算法的處理效果，最終采用中值濾波的方法來降噪。對(duì)于工程圖這樣線性輪廓較長(zhǎng)的圖像，我們采用3×3的模板去遍歷整個(gè)圖像，處理后的圖像既保持了邊緣的陡峭又去除了干擾。

處理步驟如下：1）用模板去遍歷整個(gè)圖像，直到模板中心與圖像中某個(gè)像素重合為止；2）讀取模板下個(gè)對(duì)應(yīng)像素的灰度值；3）將這些灰度值從小到大排序；4）找出排序后中間位置對(duì)應(yīng)的灰度值；5）將中間位置對(duì)應(yīng)的灰度值賦值給對(duì)應(yīng)模板中心位置的像素。

1.2 工程圖的二值化

整體復(fù)合閾值法是在全面考察大律法、局部閾值法的基礎(chǔ)上，提出的一種針對(duì)基于多線陣CCD的大幅面拼接型高精度一次性成像掃描儀中大容量、高速、高品質(zhì)、矢量化轉(zhuǎn)換的新方法，其主要內(nèi)容是根據(jù)每臺(tái)設(shè)備出廠前的單個(gè)相機(jī)成像差異，輸入并存儲(chǔ)相應(yīng)的分布差異參數(shù)，在圖像處理時(shí)，設(shè)定固定閾值，對(duì)圖像采取邊遍歷、邊處理、邊保存的方式，從而實(shí)現(xiàn)結(jié)合成像自身特點(diǎn)，快速矢量的目的，達(dá)到高速、高品質(zhì)、矢量化的需要。

1.3 工程圖的細(xì)化

大幅面掃描儀采集到的工程圖線寬約為3－18個(gè)像素，所謂細(xì)化即將線條的寬度減少到只有一個(gè)像素，僅剩下能表征其特征的骨架?；诩?xì)化的方法最主要的優(yōu)點(diǎn)是能夠保持線段的連續(xù)性，最主要的缺點(diǎn)是丟失了線寬信息，在交叉區(qū)域處容易產(chǎn)生變形及錯(cuò)誤的分支。在整個(gè)矢量化的系統(tǒng)中，針對(duì)大幅面掃描儀下采集的工程圖，我們采用Hilditch經(jīng)典細(xì)化算法的思想：每次掃描刪除圖像中目標(biāo)的輪廓像素（這些像素滿足一定的條件），直到圖像上不存在可刪除的輪廓像素為止。

2 細(xì)化后的矢量跟蹤

本文將根據(jù)細(xì)化后單像素線條的特征，將圖像劃分為交叉點(diǎn)域和連通域，通過提取出交叉點(diǎn)后對(duì)連通段進(jìn)行跟蹤擬合，之后對(duì)不同直線方程中斜率和截距的比較，從而實(shí)現(xiàn)整個(gè)圖形的完整矢量化。

2.1 矢量跟蹤

如圖1所示，與圖像中任意像素P相鄰的8個(gè)像素P0，P1，P2，P3，P4，P5，P6，P7 稱為 P 的 8 鄰域， 用 Pk 表示。 當(dāng) P的八鄰域內(nèi)的像素個(gè)數(shù)大于2時(shí)，我們認(rèn)為P為交叉點(diǎn)。

圖1 3×3的矩陣窗口Fig.1 3×3 matrix window

2.2 矢量跟蹤算法

1）采用自上而下，自左向右的掃描順序遍歷圖像，設(shè)定交叉點(diǎn)滿足的條件，從而提取圖像中的交叉點(diǎn)像素，并將交叉點(diǎn)像素置為0。

2）第一次遍歷結(jié)束后，圖像中僅剩連通段，再次對(duì)整個(gè)圖像采用自上而下，自左向右的掃描順序進(jìn)行遍歷，將掃描到的第一個(gè)黑色像素點(diǎn)P的八鄰域進(jìn)行判斷，若八鄰域內(nèi)僅有一個(gè)像素點(diǎn)，則P作為起始點(diǎn)；若P的八鄰域內(nèi)有兩個(gè)像素點(diǎn)，則沿著這兩個(gè)像素的方向繼續(xù)遍歷，直到找到八鄰域內(nèi)僅有一個(gè)像素的點(diǎn)，才可以作為終止點(diǎn)。

3）若在P的八鄰域內(nèi)找不到黑色像素點(diǎn)，則可能是跟蹤到斷線的位置，或者是跟蹤到交叉點(diǎn)處，此時(shí)記錄下該點(diǎn)的坐標(biāo)為Pf，根據(jù)尋找起點(diǎn)的規(guī)則遍歷圖紙，當(dāng)找到起點(diǎn)時(shí)記錄下起點(diǎn)的坐標(biāo)為Pi。繼續(xù)跟蹤，為了防止對(duì)連通段的重復(fù)跟蹤，將掃描過的像素點(diǎn)置0，直到圖像中不再有黑色像素點(diǎn)為止。

4）讀取記錄的Pf，Pi圖像信息，對(duì)圖中斷線或交叉點(diǎn)處，利用數(shù)學(xué)直線方程進(jìn)行擬合。

若 Pi和 Pf的坐標(biāo)分別為（xi，yi），（xf，yf），則直線 PiPf的兩點(diǎn)式方程為：

又直線的一般方程為

則

令 k=－A/B，b=－C/B，建立一個(gè)二維數(shù)組，將計(jì)算得到的k，b的值進(jìn)行存儲(chǔ)。 之后，將（k，b）按照 k從小到大排序，同時(shí)，程序中令所有直線存儲(chǔ)在變量allLines中，建立一個(gè)由vector＜vector＜pair＜int，int＞ ＞ ＞表示的對(duì)象 lines， 存儲(chǔ)最終合并后的直線。

首先allLines中第一條直線存入lines，然后取第二條直線將其斜率和截距與第一條進(jìn)行比較，設(shè)定閾值ε（ε＞0），按如下規(guī)則判斷直線是否進(jìn)行合并及相應(yīng)處理：

1）若|Δk|＜ε，且|Δb|＜ε，則認(rèn)為兩條直線是一條直線，應(yīng)進(jìn)行合并，記錄下這4個(gè)坐標(biāo)點(diǎn)中最大與最小的坐標(biāo)點(diǎn)，從而擬合出完整的直線；

2）若不滿足上述條件，則不是同一條直線，作為一條新直線存入lines。

對(duì)于allLines中第i條直線，將其斜率與lines中最后一條直線比較，按上述規(guī)則判斷處理，直到遍歷完allLines中所有直線。

2.3 矢量跟蹤的結(jié)果分析

對(duì)比圖3，圖4可以看出，采用本文所提出的直線矢量化方法，能夠有效的解決交叉點(diǎn)畸變的問題，對(duì)矢量化跟蹤的效果較好。

圖2 細(xì)化圖Fig.2 Thinning image

圖3 去除交叉點(diǎn)的細(xì)化圖Fig.3 Remove cross point

圖4 矢量化后的效果圖Fig.4 Vector image

2.4 直線段的線寬恢復(fù)

由于在本文的算法中僅進(jìn)行了直線的矢量化，還需要對(duì)直線線寬進(jìn)行恢復(fù)，恢復(fù)方法如下：設(shè)直線線寬為w，其斜率為k=tanθ，l為該圖像內(nèi)直線水平掃描段的線寬，則直線的線寬為：w=l×sinθ，這里對(duì)于水平長(zhǎng)直線和豎直長(zhǎng)直線，w=l，l即為直線的線寬。

3 結(jié) 論

提出了利用直線方程對(duì)直線進(jìn)行合并的方法，成功實(shí)現(xiàn)了工程圖中直線的矢量化，制作了首臺(tái)基于多線陣CCD的大幅面拼接型高精度一次性成像掃描儀。

實(shí)驗(yàn)分析及最后的編程測(cè)試結(jié)果表明：通過對(duì)直線的斜率和截距的比較，可以很好的將直線進(jìn)行合并，不僅處理了交叉點(diǎn)的節(jié)點(diǎn)畸變問題，而且解決了細(xì)化后直線的斷線問題，成功地對(duì)斷線進(jìn)行了修補(bǔ)。從而使大容量圖像條件下，高速、高品質(zhì)矢量化轉(zhuǎn)換得以有效實(shí)現(xiàn)。

本實(shí)驗(yàn)驗(yàn)證采用PC配置條件如下：Intel酷睿i3及以上處理器，8GB DDR3 1066內(nèi)存，500GB以上硬盤、主板配有兩個(gè)及以上PCI-E X1插槽。在VS2008上編程測(cè)試，目前整個(gè)軟件基本達(dá)到實(shí)用價(jià)值。但實(shí)現(xiàn)更高速度和精度的矢量轉(zhuǎn)換依然是我們的研究重點(diǎn)，接下來的工作將對(duì)每一步進(jìn)行不斷的改進(jìn)，使之成為更加實(shí)用的矢量轉(zhuǎn)換軟件。

[1]Hyuck C，Garmire D，Demmel J，et al.Simple Fabrication Process for Self-Aligned High-Performance Microscanners-Demonstrated Use to Generate a 2-D Ablation Pattern[J].Microelectro mechanical Systems，2007，16（2）:260-268.

[2]WANG Jin-he.A Topology Set Method for Vectorization[C]//Eighth ACIS International Conference on Software Engineering，2007:229-234.

[3]Tao Hu，Ya-nan Chen.Design of the linear array CCD acquisition system that line frequency and integration time adjustable[C]//2011 International Conference on Electronics and Optoelectronics （ICEOE），2011:253-256.

[4]Stache N C，Stollenwerk A，Gedicke J，et al.Automatic calibration of a scanner-based laser welding system[J].Journal of Laser Applications，2009（21）:10-15.

[5]Ben-Ezra M.High resolution large format tile-scan camera:Design，calibration， and extended depth of field[C]//2010 IEEE International Conference on Computational Photography（ICCP），2011：1-8.

[6]WANG Jin-he.A Topology Set Method for Vectorization[C]//Eighth ACIS International Conference on，2007:229-234.

[7]Kopf J，Uyttendaele M，Deussen O，et al.Capturing and viewing gigapixel images[J].ACM Transactions on Graphics，2007，26（3）:93.

[8]Kumpulainen T，Latokartano J，Vihinen J，et al.Scanner test pattern for evaluation of beam manipulation accuracy[C]//2011 IEEE International Symposium on Assembly and Manufacturing （ISAM），2011：1-5.

[9]Al-Khaffaf H S M，Talib A Z，Salam R A.Enhancing saltand-pepper noise removal in binary images of engineering drawing[J].IEICE Transactions on Information and Systems，2009， E92-D（4）:689-704.

[10]ZHAO Hua，YUAN Wen-jun，WANG Zhi-jian.A new watermarking Scheme for CAD engineering drawings[C]//Computer-Aided Industrial Design and Conceptual Design，2008：518-522.

[11]ZHOU Chang-yin，NayarS K. Computationalcameras:convergence of optics and processing[J].Image Processing，2011，20（12）:3322-3340.