大幅面扫描图纸直线跟踪的矢量化新方法

陈镇龙，郝 霞，刘 霖，刘娟秀，叶玉堂，罗 颖，宋昀岑

（电子科技大学 光电信息学院，四川 成都 610054）

基于多线阵CCD的大幅面拼接型高精度一次成像扫描仪的研制一直是国内、外学者及产业界关注的重点领域[1-3]，但由于是光、机、电、软、算综合型极强的设备，涉及到的研究难点包括精密走纸机构[4]、大容量图像快速高精度拼接[5]、大容量图像矢量转换[6]、光学照明成像[7]等诸多难题，迄今为止，全部关键核心技术仍然只被丹麦Contex、日本Graphtec等少数国外研究团队掌握，国内所使用的基于多线阵CCD的大幅面拼接型高精度一次成像扫描仪全部进口，迄今为止处于空白状态。

同时，工程图识别也是一门综合技术，涉及到模式识别，人工智能，数字图像处理，CAD技术等，因此受到制约较多，从2009年丹麦Contex团队报道的情况来看，更大数据容量的处理仍没有具体的解决办法，截止目前，还未出现一种非常完善的图像识别系统和方法。但是，大量的国外顶尖学者仍然进行着相关的研究工作[8]，美国Pennsylvania大学和Maryland大学，法国LORIA研究中心，以色列Institute of Technology等著名大学和研究机构在这一领域进行了多年的研究，但开发出的软件普遍存在精度不高，速度较慢，并且对噪音，缺损较为敏感的问题[9-11]。国内也做了大量研究，清华大学的ANND5.0系统完成了图像的矢量化处理，但是只能识别基本的图元，对于复杂图形可能出现错误，其主要的难点在于：在对工程图进行矢量化阶段，未能对细化图准确跟踪，对于出现断点的直线拟合不够准确。

本文在制作基于多线阵CCD的大幅面拼接型高精度一次性成像扫描仪的基础上，不仅在硬件上实现了将整个图像转化为数字图像，同时在软件上将扫描得到的点阵图成功的转化为CAD上能够识别的矢量图。矢量化实验及测试结果表明：通过利用数学中直线方程对直线段进行比较，不仅实现了完整的矢量跟踪，并且解决了直线中的断线问题。

1 工程图矢量化的预处理

对点阵图进行分析、识别、及重建其中元素使之生成CAD能够识别的文件格式的过程称为点阵图的矢量化，预处理更是整个矢量化的关键，由于在扫描的过程中可能会产生大量的噪声，从而使影响矢量化的质量，需要对图像进行预处理。

1.1 中值滤波实现去噪

对大幅面扫描仪采集得到的大量图像对比分析发现，图像中的噪声基本是颗粒噪声，对比各种去噪算法的处理效果，最终采用中值滤波的方法来降噪。对于工程图这样线性轮廓较长的图像，我们采用3×3的模板去遍历整个图像，处理后的图像既保持了边缘的陡峭又去除了干扰。

处理步骤如下：1）用模板去遍历整个图像，直到模板中心与图像中某个像素重合为止；2）读取模板下个对应像素的灰度值；3）将这些灰度值从小到大排序；4）找出排序后中间位置对应的灰度值；5）将中间位置对应的灰度值赋值给对应模板中心位置的像素。

1.2 工程图的二值化

整体复合阈值法是在全面考察大律法、局部阈值法的基础上，提出的一种针对基于多线阵CCD的大幅面拼接型高精度一次性成像扫描仪中大容量、高速、高品质、矢量化转换的新方法，其主要内容是根据每台设备出厂前的单个相机成像差异，输入并存储相应的分布差异参数，在图像处理时，设定固定阈值，对图像采取边遍历、边处理、边保存的方式，从而实现结合成像自身特点，快速矢量的目的，达到高速、高品质、矢量化的需要。

1.3 工程图的细化

大幅面扫描仪采集到的工程图线宽约为3－18个像素，所谓细化即将线条的宽度减少到只有一个像素，仅剩下能表征其特征的骨架。基于细化的方法最主要的优点是能够保持线段的连续性，最主要的缺点是丢失了线宽信息，在交叉区域处容易产生变形及错误的分支。在整个矢量化的系统中，针对大幅面扫描仪下采集的工程图，我们采用Hilditch经典细化算法的思想：每次扫描删除图像中目标的轮廓像素（这些像素满足一定的条件），直到图像上不存在可删除的轮廓像素为止。

2 细化后的矢量跟踪

本文将根据细化后单像素线条的特征，将图像划分为交叉点域和连通域，通过提取出交叉点后对连通段进行跟踪拟合，之后对不同直线方程中斜率和截距的比较，从而实现整个图形的完整矢量化。

2.1 矢量跟踪

如图1所示，与图像中任意像素P相邻的8个像素P0，P1，P2，P3，P4，P5，P6，P7 称为 P 的 8 邻域， 用 Pk 表示。 当 P的八邻域内的像素个数大于2时，我们认为P为交叉点。

图1 3×3的矩阵窗口Fig.1 3×3 matrix window

2.2 矢量跟踪算法

1）采用自上而下，自左向右的扫描顺序遍历图像，设定交叉点满足的条件，从而提取图像中的交叉点像素，并将交叉点像素置为0。

2）第一次遍历结束后，图像中仅剩连通段，再次对整个图像采用自上而下，自左向右的扫描顺序进行遍历，将扫描到的第一个黑色像素点P的八邻域进行判断，若八邻域内仅有一个像素点，则P作为起始点；若P的八邻域内有两个像素点，则沿着这两个像素的方向继续遍历，直到找到八邻域内仅有一个像素的点，才可以作为终止点。

3）若在P的八邻域内找不到黑色像素点，则可能是跟踪到断线的位置，或者是跟踪到交叉点处，此时记录下该点的坐标为Pf，根据寻找起点的规则遍历图纸，当找到起点时记录下起点的坐标为Pi。继续跟踪，为了防止对连通段的重复跟踪，将扫描过的像素点置0，直到图像中不再有黑色像素点为止。

4）读取记录的Pf，Pi图像信息，对图中断线或交叉点处，利用数学直线方程进行拟合。

若 Pi和 Pf的坐标分别为（xi，yi），（xf，yf），则直线 PiPf的两点式方程为：

又直线的一般方程为

则

令 k=－A/B，b=－C/B，建立一个二维数组，将计算得到的k，b的值进行存储。 之后，将（k，b）按照 k从小到大排序，同时，程序中令所有直线存储在变量allLines中，建立一个由vector＜vector＜pair＜int，int＞ ＞ ＞表示的对象 lines， 存储最终合并后的直线。

首先allLines中第一条直线存入lines，然后取第二条直线将其斜率和截距与第一条进行比较，设定阈值ε（ε＞0），按如下规则判断直线是否进行合并及相应处理：

1）若|Δk|＜ε，且|Δb|＜ε，则认为两条直线是一条直线，应进行合并，记录下这4个坐标点中最大与最小的坐标点，从而拟合出完整的直线；

2）若不满足上述条件，则不是同一条直线，作为一条新直线存入lines。

对于allLines中第i条直线，将其斜率与lines中最后一条直线比较，按上述规则判断处理，直到遍历完allLines中所有直线。

2.3 矢量跟踪的结果分析

对比图3，图4可以看出，采用本文所提出的直线矢量化方法，能够有效的解决交叉点畸变的问题，对矢量化跟踪的效果较好。

图2 细化图Fig.2 Thinning image

图3 去除交叉点的细化图Fig.3 Remove cross point

图4 矢量化后的效果图Fig.4 Vector image

2.4 直线段的线宽恢复

由于在本文的算法中仅进行了直线的矢量化，还需要对直线线宽进行恢复，恢复方法如下：设直线线宽为w，其斜率为k=tanθ，l为该图像内直线水平扫描段的线宽，则直线的线宽为：w=l×sinθ，这里对于水平长直线和竖直长直线，w=l，l即为直线的线宽。

3 结 论

提出了利用直线方程对直线进行合并的方法，成功实现了工程图中直线的矢量化，制作了首台基于多线阵CCD的大幅面拼接型高精度一次性成像扫描仪。

实验分析及最后的编程测试结果表明：通过对直线的斜率和截距的比较，可以很好的将直线进行合并，不仅处理了交叉点的节点畸变问题，而且解决了细化后直线的断线问题，成功地对断线进行了修补。从而使大容量图像条件下，高速、高品质矢量化转换得以有效实现。

本实验验证采用PC配置条件如下：Intel酷睿i3及以上处理器，8GB DDR3 1066内存，500GB以上硬盘、主板配有两个及以上PCI-E X1插槽。在VS2008上编程测试，目前整个软件基本达到实用价值。但实现更高速度和精度的矢量转换依然是我们的研究重点，接下来的工作将对每一步进行不断的改进，使之成为更加实用的矢量转换软件。

[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.