复杂曲线数据提取.docxVIP

复杂曲线数据提取 0 背景 在一些情况下，需要对已经变成图像的数据再次进行研究，这就需要把图像再次还原成数据。 这次项目就是要把图像上的复杂曲线再次还原为数据，但是复杂曲线提取数据并不容易，难点有：曲线数量多，曲线重合区域大，曲线颜色相同仅仅是线型不同，图片不清晰，分辨率低。 对于复杂曲线数据提取问题，杭州电子科技大学计算机学院的严义给出了一种从打印图形中提取曲线数据的方法,可在占用较少内存的情况下从点阵图形中提取曲线数据,并采用区域插值的算法去除曲线中的间断点，但是提取出的数据也只是包含一条曲线。付昆昆、郑百林对于文献中图的曲线数据的提取,提出一种通过采集像素点来识别曲线坐标的方法，但是此方法提到的复杂曲线是一条复杂的折线，不是由多条曲线一部分重合构成的。还有南京航空航天大学能源与动力学院的谭延峥李舜酩提出了一种针对两条曲线的识别提取算法和一种针对多条彩色曲线的识别提取算法,通过分别识别、提取、存储各曲线的坐标数据,对各曲线进行插值,仿真实现了复杂曲线图像的数据提取，但是没有办法提取多条黑色曲线数据。 为解决复杂的曲线数据的提取问题，本文提出一种使用计算机和人工相结合的方法来提取曲线数据。那是因为单独使用数字图像处理技术提取曲线难以成功，因为曲线太过复杂，计算机难以识别；而使用人工提取曲线的方法费时费力，提取效果不佳。为了解决上述问题，应采取两者结合的方式，即先使用数字图像处理技术对图像进行预处理，人工取一些坐标点，再使用插值的方法得到曲线数据。 1实现原理 为解决复杂的曲线数据的提取问题，本文提出一种 使用计算机和人工相结合的方法来提取曲线。那是因为单独使用数字图像处理技术提取曲线难以成功，因为曲线太过复杂，计算机难以识别；而使用人工提取曲线的方法费时费力，提取效果不佳。为了解决上述问题，应采取两者结合的方式，即先使用数字图像处理技术对图像进行预处理，人工取一些坐标点。为了减低误差，使用插值法对采集到的数据点进行插值进而得到曲线数据。 1.1图像预处理 为方便人工取点与降低干扰，首先需要对低质量图像进行预处理。因为给出的图像是真彩色图，需要把它进行图像的灰度化后再转换为二值图，后用高斯滤波器等方法去除噪声的干扰。 1.2插值法 插值是在 HYPERLINK 离散数据的基础上补插连续函数，使得这条 HYPERLINK 连续曲线通过全部给定的离散数据点。 在提取复杂曲线数据过程中，图像上的待提取曲线是被插值函数，人工在图像上取到的曲线点是插值节点，通过插值新生成的曲线就是插值函数。 通过插值节点生成插值函数有许多方法，因为提取曲线数据是一维插值，主要有四种方法，即为：临近点插值（nearest）——插值点函数值估计为与插值点最近的数据点函数值。 线性插值（linear）——根据相邻数据点的线性函数估计落在该区域内插值数据点的函数值。 三次样条插值（spline）——在相邻数据点间建立三次多项式函数，根据多项式函数确定插值数据点的函数值。 立方插值（cubic）——通过分段立方Hermite插值方法计算插值结果，利用插值节点上的函数值与导数值来构造插值多项式。 为选取最合适的插值方法，设定一个正弦函数y=sinx，再在正弦曲线x的值从0到6每间隔1取一个点，共取7个点作为采样点。 图1原正弦曲线 如图1所示，正弦函数y=sinx的图像，蓝色圆圈表示采集到的点，这些点将作为插值节点使用。 图2临近插值生成的插值函数 图2是使用临近插值的方法所生成的插值函数，与图1进行对比可以看出误差非常大，并且曲线一点也不光滑，提取数据的效果很差。 图3线性插值生成的插值函数 图3是使用线性插值的方法所生成的插值函数，可以明显的看到，数据点之间用直线连接，结果是一幅折线图，插值函数的误差较大。 图4样条插值生成的插值函数 图4样条插值生成的插值函数，样条插值的插值函数圆滑，且非常接近被插值函数，效果很好。 图5立方插值生成的插值函数 图5是使用立方插值的方法所生成的插值函数，虽然曲线圆滑，但还是有一定误差，关键的是立方插值必须要求插值节点间隔相等。 基于对四种方法的对比，可以清楚地看到，样条插值的误差最小，立方插值的误差次之，但是在人工取点时难以做到选取的插值节点间隔相等，所以使用样条插值作为插值的方法。 2 具体步骤 2.1图像预处理 首先，查看图像的储存形式，如下例，图片为真彩色图，所以为了方便的取点，要对图像进行灰度化，二值化，去噪声等一系列处理，使曲线更加清晰。 图6待提取数据的曲线 2.2确定坐标轴 如果直接进行取点的话，取得的是点坐标在图像中的像素坐标，并不是对应的x与y坐标的位置，所以在人工取点之前需要先把坐标轴确定下来。 确定坐标轴的方法是人工取坐标轴三个点的像素坐标与具体值，分别是：左下角x与y坐标轴最小值处的像素坐标值与具