一种改进的基于Douglas-Peucker原理的轮廓采样算法.docVIP

一种改进的基于Douglas-Peucker原理的轮廓采样算法 　　摘要:文章首先介绍了Douglas-Peucker算法,它是一种经典的曲线简化方法,在此基础上提出了DP算法的一种非递归实现方法,该过程主要是利用队和栈的性质来实现的。结果显示,用这种方法进行目标物体的轮廓采样,通过控制距离容差可以得到对轮廓线不同程度的逼近,不仅能够有效减少物体轮廓的冗余点,提高处理效率,又能够不失真地表征物体的形状。 　　关键词:Douglas-Peucker算法;非递归实现;轮廓采样 　　中图分类号:TP391文献标识码:A文章编号:1009-3044(2009)25-7214-03 　　An Improved Contour Sampling Algorithm Based on Douglas-Peucker Theory 　　ZHANG Zhen 　　(Department of Biological Science and Medical Engineering, Laboratory of Image Science and Technology, Southeast University, Nanjing 210096, China) 　　Abstract: This paper, first analyses the theory of Douglas-Peucker algorithm, it is a classical curve simplification method, based on it, then proposes a non-recursive implementation of DP algorithm. This process mainly uses the property of data structure queue and stack. The results show that when using this method for contour sampling, it can obtain different degrees of contour line approaching by controlling the distance tolerance, it can not only reduce the number of redundant points of contour, improve the processing efficiency, also can characterize the shape of object without distortion. 　　Key words: Douglas-Peucker algorithm; non-recursive implement; contour sampling 　　在图像处理和计算机研究领域中,目标物体的定位一直是一个值得探讨的问题,目标的准确定位对于目标识别以及图像理解与分析起着十分重要的作用。在医学图像中,人体器官的大小、形状都有较大差别;在放射治疗中,呼吸作用下器官运动造成肿瘤的大小、位置发生变化,这些因素使得空间定位十分困难。主动形状模型通过建立物体形状的先验模型,能够有效解决物体定位问题,得到了广泛的研究与应用。主动形状模型首先要提取目标轮廓点的集合,利用提取的轮廓点,采用统计分析的方法建立点分布模型 [1,3,9],如果用于建模的点的数目很多,会影响处理的效率。 　　轮廓采样是指,在预先给定的误差准则下,通过对原始轮廓点集合P的采样得到一组新的轮廓点集合V,使得由V表示的轮廓尽可能逼近原始轮廓,集合V是集合P的子集。轮廓采样可以减少冗余数据,缩短图像处理时间,因此,轮廓采样方法在很多领域得到了研究应用,如地理信息系统[2],数字图像处理,计算几何以及数据压缩等。 　　1 轮廓提取 　　图像经过阈值处理成为二值图像之后,需要对目标物体进行轮廓提取,对图像信息进行分析,得到一个有序的、表征目标外轮廓的边界点集合,为后面的目标轮廓采样提供原始的轮廓曲线。 　　传统的方法主要是利用经典微分算子中的卷积掩模,对图像中每个象素进行卷积,从而检测出目标物体边缘,经典的微分算子包括Sobel算子、Laplace算子、Roberts算子、Prewittt算子、Robinson算子、Kirsch算子等[6]。这些利用算子进行卷积的方法计算量大,耗时多,而且最终不能得到完整的轮廓点集合。 　　轮廓提取是由图像中目标区域的一个边界点出发,搜索并连接边界点,进而检测出组成轮廓的所有点。轮廓提取方法的核心是如何根据当前点的情况判断下一步的跟踪方向,文中采用一种基于八邻域的跟踪算法[8]。图像中每