地图扫描数字化中彩色图像的专色提取技术

1、地图扫描数字化中彩色图像的专色提取技术张德 陈广学 张东 杨学伟（西安测绘研究所 西安 710054）摘 要：在地图扫描数字化中，需要对彩色地图扫描图像进行分析研究，利用地图要素色彩差别实现地图各个要素层的自动分离，获得不同颜色要素层数据，以利于地图数字化和矢量化处理，从而解决彩色地图要素难以自动识别和提取的问题。本文主要论述了彩色地图扫描自动分色和专色提取的原理，讨论了在分色过程中图像处理技术问题。论文采用图像处理技术，如图像滤波,直方图的磨光、阈值分割、模糊约束聚类等实现彩色扫描图像自动分色，最后得到了分色结果并对结果进行了探讨。关键词：地图数字化 彩色图像 专色提取1 引言随着国民经济建

2、设的迅速发展，社会对数字地图信息的需求日益迫切，要求测绘部门不仅提供多样的地图品种，而且要保证各类地图的快速出版与更新。为了更好地满足上述要求，在地图数字化科研和生产实践中，需要对彩色地图扫描图像进行分色研究，目的是解决栅格图中难以利用形状特征进行识别地图要素的问题，利用色彩提取来实现地图各个要素层的自动分离，获得不同颜色要素版数据，方便进行数字化、矢量化处理，取代手扶跟踪数字化，以适应快速准确采集地图数据的需要。2 地图专色分色的基本原理和工艺流程2.1 地图专色分色的基本原理彩色地图一般都是采用黑、棕、蓝、绿专色颜色叠印而成，地图上不同的要素层用不同的颜色、符号和注记来表示，绿色代表地表植

3、被，棕色代表地貌，蓝色代表水系，黑色代表地图注记、符号、居民地等。进行彩色地图图像分色研究的目的，就是要使用计算机在适当的色彩模型中，利用彩色地图所包含的色彩信息和空间地理信息，将具有不同颜色特征的要素分别提取出来，形成不同的要素层，从而达到彩色地图快速分版的目的。通过扫描所获得的原始图像中，各个像素的颜色值是用R、G、B值来表示的，而我们所需要的目标图像是黑、棕、蓝、绿四个单色版，由色度学的知识可以知道，中间分色的过程实际上就是完成从RGB映射到黑（K）、棕(N)、蓝(B)、绿(G)的处理过程（如图1所示）。RRGBKNNBG图1 地图专色分色原理示意图彩色地图图像分色的基本原理随着分色方法

4、的不同而略有差异，但其本质都是一致的，都是利用计算机实现三原色向所需色版的映射。2.2 地图专色分色的工艺流程不同的分色方法虽然在原理上比较接近，但在方法流程上各有特点，在分析国内外各种分色方法的基础上，本文有针对性的提出了真彩色地图分色的一些新的方法和步骤。彩色地图分色的基本过程可以用流程图2来表示，这些基本步骤有一些是普遍适用的，如彩色地图图像的扫描数字化和底图图像的增强处理等步骤，还有一些在算法上有所改进，如在利用地图图像的颜色特征和空间相关性特征进行分色时所使用的分色公式等。真彩色地图扫描数字化数字底图的图像增强处理消除普染区域颜色利用彩色地图颜色特点进行分色线划膨胀、消除噪音、线划增

5、强处理等利用空间数据相关性特点进行分色形成相应的颜色版面图2 地图专色分色工艺流程彩色地图扫描数据是将彩色印刷原图经过彩色扫描仪扫描得到的彩色全要素图像数据，扫描数据质量受原图的印刷工艺，扫描仪质量、扫描软件优劣等因素的影响，它影响最终的分色结果。因此，在分色前需要对扫描图像进行颜色校正、噪声消除等处理。此外，还增加了线划膨胀和增强处理的一些内容，使地图分色过程得到了进一步完善。3 地图扫描图像的颜色处理和专色提取算法3.1 基于粗糙集理论的彩色图像滤波算法定义3×3旋转窗中心像素点x0的R、G、B分量值分别为:fR(x0)、fG(x0)、fB(x0),旋转窗内除中心像素点外的所有点

6、的R、G、B分量的最大值分别为:、,最小值分别为:、。如果像素点x0满足下面三个条件中的一个,则认为x0是噪声像素点:1.或；2.或；3.或；用公式表示为:。如果x0是噪声像素点,则根据该像素点的某基色分量值进行滤波。如果x0满足上述条件1,则根据像素点的R分量进行中值滤波;如果x0满足上述条件2,则根据像素点的G分量进行中值滤波,如果x0满足上述条件3,则根据像素点的B分量进行中值滤波定义表示根据某一基色分量对3×3旋转窗内所有点取中值,那么:(1)若x0满足上述条件1, ,其中;(2)若x0满足上述条件2, ,其中;(3)若x0满足上述条件3, ,其中。3.2 直方图的磨光由于扫

7、描仪分辨颜色的能力很强,虽然小样稿颜色很少,但是经扫描仪数字采样后会产生很多颜色。图像颜色归并的关键有两点:一是确定图像的中心色及分割限;二是根据所选定的中心色及分割限进行颜色归并。对于第二点一般采用逐点误差算法计算,如绝对值或平方距离等。而第一点大多数系统采用交互方式确定中心色,本算法则根据直方图采用自动方式确定中心色。直方图是图像处理的一个基本概念,它是图像颜色统计分析的强有力工具。它表示图像颜色的出现次数。在直方图上可以看出图像颜色的分布情况以及各种颜色的数量大小。设fr(p)、fg(p)、fb(p)为象素p的R、G、B分量的灰度级,HNNN为彩色图像的直方图数组,N为粗分后的灰度级数。

8、for(i=0;i<N;i+)for(j=0;j<N;j+)for(k=0;k<N;k+)Hijk=0;for(所有的象素p) Hfr(p)/Nfg(p)/Nfb(p)/N+;对彩色图像来讲,由于颜色是由红(R)、绿(G)、蓝(B)三个分量组成,因此直方图表示三维空间下的密度,它的波峰点是那些比邻近点的密度都高的点, 而波谷点是那些比邻近点的密度都小的点,所以波峰数的计算要比黑白灰度图像要复杂的多。我们基于如下假设简化波峰数的计算:若从R、G、B三个分量分别计算波峰(即固定两个分量,变化一个分量),p都是波峰,则p就是整个直方图的波峰。设WrNNN、WgNNN、WbNNN为R

9、、G、B三个独立分量的波峰位置数组,若从d方向上(d=R,G,B),(i,j,k)为波峰点,则Wdijk=1;否则Wdijk=0;则:Wijk=Wrijk&Wgijk&Wbijk为整个直方图的波峰位置数组。因此整个直方图的波峰数为WNNN数组中含1的单元个数。注意:邻近的单元值为1的单元应合并,不应重复计算。3.3 三维空间LEGION阈值分割法(1)初始化将所有的像素标记为0;设当前标记current.label=1;将堆栈color.boundary.set置空;(2)确定种子点Leader并进行扩充for(每一个像素)如果(没被标记)并且(的邻域内与它相似点的个数>

10、)则把像素压入堆栈color.boundary.set;while(堆栈color.boundary.set不为空时) 从堆栈中压出一个像素b;设b=current.label;for(像素b的领域内的每一个像素a)如果(a没被标记)并且(a与b相似)并且(a不在堆栈中)则将a压入堆栈color.boundary.set; current.label+;(3)背景点的收集将所有未被标记的像素标记为-1.一开始,所有的像素都未做标记.对于第二步(标识种子点)中找到的不做标记的每一个种子点(Leader),都相应生成一个区域并在扩充区域的过程中赋予它唯一的标记.对种子点来说,它邻域内与它相似的像素

11、数目应该大于给定的阈值.由于未做标记的种子点有可能被其它种子点所扩充,所以这种种子点并不主动去生成一个区域.一旦选中某个未做标记的种子点,像素分类过程就会给那些该种子点沿某条路径可以到达且未做标记的相似像素作上标记.在所有的未标记种子点都作上标记之后,剩下所有未做标记的像素都被归入了背景之中.由于这种方法是一种自适应阈值方法,一旦给定某个“相似度”准则,则无论是标识种子点还是判断两个像素是否属于同一个区域,都可以简单地视为一个阈值与两个像素的彩色差别的比较.一个种子点是这样一个像素,在它的邻域内,至少有个像素与它相似.而邻域可以是4邻域、8邻域或24邻域.3.4 模糊约束的FCM二维直方图聚类

12、算法设是的数字图像阵列, 分别为图像各阵列在X,Y轴的取值,则I的二维统计直方图 (1)其中,函数(0)=1,(0)=0.由于图像离散化的影响,二维直方图的曲面经常会有断点和毛刺出现,若直接聚类可能会出现聚类中心不是局部峰值点,甚至成为一个零点或断点的现象.因此一般要用势函数对直方图进行变换9。 （2）其中,。选择合适的可以使和的峰谷特性一致,而且的光滑性及连续性要比好得多,所以可以直接对进行聚类分析.在地图的模糊多阈值聚类中,由于地图图像的主色已知,为了更好地对图像进行分层,定义模糊约束函数如下 （3）其中,C表示象素划分的类数,表示聚类过程中C个模类.若考虑边界可令可看作各模式对类的隶属度

13、。在二维直方图中,设和分别为x轴和y轴的直方图聚类模糊约束函数.针对地图自动分色,各模类分别为棕色、绿色、蓝色、背景色。则二维模糊约束函数可定义为 （4）其中,分别为x轴信息和y轴信息对整体聚色的权重系数,由于本文采用的是均匀的色彩空间,所以权重系数各为0.5。由定义模糊约束直方图目标函数由此可推出优化目标函数的迭代算法 （5） ，k=1,2,C (6)经势函数调整,其直方图划分函数组为 (7)4 结果与分析下面的分色图数据是利用日本SCREEN网屏公司生产的彩仙扫描仪扫描得到的，扫描软件为ColorScope软件，扫描分辨率为300dpi ,256色，包括等高线，方里网、注记、河流。图3中A

14、是一幅彩色图为扫描所得的数据，B为经过分色软件分色所得的黑色要素，C是一幅经过分色所得的棕色等高线图，D是经过分色所得到的蓝色要素。从分色结果可看出，黑色，蓝色要素分色结果令人满意。棕色等高线断线较多，结果不理想，分析原因主要有：1、黑色和蓝色的颜色数据相对比较单一，子集容易寻找，且包括的范围小，那么提取数据颜色杂色少。2、等高线被普染取压盖较多，造成一部分等高线的颜色发生变化。CDBA图3 扫描图像的专色提取结果3、等高线上的过渡色较多，如果子集X的范围增大，杂色大量增加，对矢量化不利，选取小范围的子集X，则有许多过渡色落于子集X范围之外，造成等高线断线。为了能解决这些问题，使提取的数据尽可能满足数字化需要。可从以下几方面考虑进行更深入的研究：1、选取的扫描原图色彩清晰，质量高；2、扫描仪的性能要好，扫描出的图像对比度大，过渡色少；3、对扫描出的图像运用图像处理功能，提高图像的反差，对比度，锐化度等；4、在分色软件的操作中，集合X选取要适当，尽可能减少污点和噪音，又使所需数据完整；参考文献1周世生.高等色彩学.印刷工业出版社,19972胡成法.印刷色彩与色度