曲线扫描图的矢量化研究

论文摘要

在水泵计算机选型软件或水泵专家系统开发中,需要使用到水泵性能曲线图来确定所需泵的型号或研究水泵的工作状况。水泵性能曲线,是根据该水泵在实验室中通过实验测试出的一组数据绘制出来的。对于大多数型号的水泵,要得到其完整的原始实验数据并不容易。因此,根据已有的纸质水泵性能曲线图来获取上面的数据,并在计算机中拟合出来,是解决此类问题的一种方法。对于纸质水泵性能曲线图,以往人们是通过估读的方式来获取这些信息,虽然简便,但读取的精度和可靠性都要受到很大影响。随着计算机图形学、计算机图像处理、模式识别和人工智能等技术的发展,以及图像输入输出设备的大量出现,“扫描-数字化-拟合”成为解决此类问题的一个比较好的方法。本文主要研究水泵性能曲线扫描图等一类曲线扫描图像的的矢量化问题。论文的主要工作有:1.通过二值化-过滤-平滑-校正等处理,完成了曲线扫描图矢量化的预处理工作。对于扫描获取的水泵性能曲线图,通过比较各种二值化方法的优缺点,结合曲线图像的本身的特点,本文采用全局阈值法,使用迭代法确定最佳阈值,完成曲线扫描图的二值化处理;为了减少噪声干扰,本文采用一种基于数学形态学的噪声过滤方法,对二值化图像的进行噪声过滤,并设计了四类对曲线扫描图像进行平滑的数学形态学模板算子,对噪声过滤后的图像进行平滑处理;对于由于扫描、纸张摆放不正等原因产生的扫描图像倾斜现象,本文基于霍夫变换,研究了曲线扫描图像的倾斜校正方法。2.提出了不经过细化,基于质心的模板匹配印刷体数字识别算法。结合图表图像的刻度分布结构特点,分区域对坐标刻度进行识别处理,并给出了识别后的进一步修正方法。完成了坐标刻度的数字识别和位置定位。3.提出了基于交点的坐标线提取算法。通过提取曲线图表图像中的坐标线,成功分离出图像中的坐标线和曲线。较好的解决了分支交点畸变、分支区域重叠以及长分支交点区域和曲线分布密集等问题。4.采用了与模板匹配的细化算法,对于图像中的曲线部分进行单像素细化处理,较好的保留了曲线的中心骨架。5.提出了基于斜率的曲线跟踪方法,实现了曲线的矢量化识别。6.采用二分逼进的方法分段拟合和重绘曲线,较好的解决了高阶拟合容易发生曲线震荡,低阶拟合难以满足要求的问题,也提高了拟合精度。实验结果表明,利用上述的处理技术,水泵性能曲线复原速度和精度都有了很大程度的提高。

论文目录

• 摘要
• Abstract
• 1 引言
• 1.1 曲线图表概述
• 1.2 扫描图像识别技术综述
• 1.3 曲线图表图像的结构分析
• 1.3.1 曲线图表图像的总体结构
• 1.3.2 曲线图表图像的线宽信息
• 1.4 本文的主要工作
• 1.5 本文的组织
• 2 曲线图表图像矢量化的预处理
• 2.1 曲线图表图像矢量化预处理简介
• 2.2 曲线图表图像的二值化
• 2.2.1 图像二值化的定义
• 2.2.2 图像分割的方法
• 2.2.3 曲线图表图像最佳阈值的选择
• 2.3 曲线图表图像的去噪和平滑处理
• 2.3.1 基于数学形态学的噪声过滤方法
• 2.3.2 平滑处理
• 2.4 曲线图表图像的校正
• 2.5 曲线图表图像的图文分离
• 2.5.1 坐标线区域信息的获取
• 2.5.2 曲线图表图像的图文分离
• 2.6 结论
• 3 曲线图表图像中数字的识别
• 3.1 曲线图表图像中数字的识别
• 3.1.1 印刷体数字识别技术
• 3.1.2 基于质心的模板匹配数字识别算法分析
• 3.2 结论
• 4 基于交点提取的图表识别算法
• 4.1 基于交点提取的图表识别算法的基本思想
• 4.2 基于交点提取的曲线图表识别算法的实现
• 4.2.1 曲线图表数据结构
• 4.2.2 交点分类
• 4.2.3 坐标线交点的提取和矢量跟踪算法
• 4.2.4 曲线与坐标线交点的提取
• 4.2.5 坐标线的分离
• 4.3 曲线图表图像的细化
• 4.3.1 细化概述
• 4.3.1.1 基本概念
• 4.3.1.2 细化算法类型
• 4.3.2 经典细化算法介绍
• 4.3.2.1 Hilditch 经典细化算法
• 4.3.2.2 Zhang 快速并行细化算法
• 4.3.2.3 综合型算法
• 4.3.3 本文在细化时所研究分析的细化算法
• 4.3.3.1 基于四邻域的二值图像细化算法
• 4.3.3.2 与模板匹配的细化算法
• 4.3.4 细化结果及分析
• 4.3.5 细化后处理
• 4.3.5.1 毛刺的删除
• 4.3.5.2 短线的删除
• 4.4 基于斜率的曲线跟踪
• 4.5 结论
• 5 曲线图表图像矢量化的后处理
• 5.1 新坐标系的建立
• 5.2 曲线拟合
• 5.3 结论
• 6 结论与展望
• 6.1 主要结论
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文及参加项目
• 攻读硕士学位期间参加的学术会议和研讨班