栅格数据矢量化(附有完整代码)

简介: 栅格数据矢量化(附有完整代码)

  栅格一矢量数据转换是数据转换的一种方法,即矢量与栅格两种数据形式之间的转换技术。空间数据表示的两种方法各有优缺点和适用场合,因此需要根据使用目的进行栅格一矢量数据的转换。


矢量数据向栅格数据的转换一般比较方便;对于点、线目标,由其所在的栅格行、列数表示,对于面状目标,则需判定落人该面积内的像元.通常栅格(像元)尺寸均大于原来坐标表示的分辨率,所以若将栅格化数据再反转回去,则不可能达到原来矢量数据的精度.将矢量数据转化为栅格数据,主要用于空间分析、多边形叠置等。


       栅格数据矢量化较为复杂,如果由一幅扫描的数字化地图来建立矢量数据库,则需要经过数字图象处理,如边缘增强、细化、二值化、特征提取及模式识别才能获得矢量数据。人们通常将多色地图分色后逐个元素(如等高线地貌、水系、道路网、地物、符号与注记等)加以识别和提取。如果将数字影像矢量化,则需要事先做好重采样、图象处理、影像匹配和影像理解等过程,才能将影像上的语义和非语义信息提取出来,并形成矢量形式的数据。


说明:栅格数据矢量化流程参考:GIS中栅格数据转换矢量数据算法 | 麻辣GIS


一、栅格数据矢量化流程


1、二值化


由于扫描后的图像是以不同灰度级存储的,为了进行栅格数据矢量化的转换,需压缩为两级(0和1),称为二值化。


f57709f5e41ca1b6af1fb0c530ef7d86.jpg


2、二值图像预处理


       对于扫描输入的图幅,由于原稿不干净等原因,总是会出现一些飞白、污点、线划边缘凹凸不平等。

2100b77e43a66a719c8021149908f7af.jpg


3、细化骨架化


       所谓细化就是将二值图像象元阵列逐步剥除轮廓边缘的点,使之成为线划宽度只有一个象元的骨架图形。细化后的图形骨架既保留了原图形的绝大部分特征,又便于下一步的跟踪处理。


细化的基本过程是:

  1. 确定需细化的象元集合;
  2. 移去不是骨架的象元;
  3. 重复,直到仅剩骨架象元;

e220482387164351e1ca6b72d739722b.jpg


如果是对扫描后的地图图像进行细化处理,应符合下列基本要求:

  1. 保持原线划的连续性;
  2. 线宽只为一个象元;
  3. 细划后的骨架应是原线划的中心线;
  4. 保持图形的原有特征;


ab3ebbec30cd23b208e1d7857c681b6a.jpg


4、追踪

       细化后的二值图像形成了骨架图,追踪就是把骨架转换为矢量图形的坐标序列。其基本步骤为:


从左向右,从上向下搜索线划起始点,并记下坐标;

朝该点的8个方向追踪点,若没有,则本条线的追踪结束,转(1)进行下条线的追踪;否则记下坐标;

把搜索点移到新取的点上,转(2);


注意的是,已追踪点应作标记,防止重复追踪。


2d5462ec09334b69569d2caab5968c13.jpg


5、拓扑化


       为了进拓扑化,需找出线的端点和结点,以及孤立点。


  1. 孤立点:8邻城中没有为1的象元。如图(1);
  2. 端点:8邻城中只有一个为1的象元。如图(2);
  3. 结点:8邻城中有三个或三个以上为1的象元。如图(3);


499963d53e32462661e680728e7eb2ee.jpg


二、栅格数据矢量化实验


1、栅格数据矢量化代码


说明:由于代码有点多,如果全部贴上去的话会造成博客有些卡顿(上一篇博客就是放太多代码造成打开时卡顿),所以下面三个源文件都是只放了部分代码,如果需要完整工程,见底部链接!!!


(1)myVector.h

//命名空间只在头文件中包含即可,否则易出错
using namespace std;
using namespace cv;
class myVector
{
public:
  myVector();
  ~myVector();
  //定义结构体,和类的作用类似
  struct result
  {
    QVector<QVector<Point2d> > roads; //Point2d二维数据点类型,用于存放坐标
    QVector<double> width;
    QString ImageFilePath;
    int rows;
    int cols;
  };
public:
  QVector<result> roadInformation;  //保存矢量化后的数据结果,包括新旧影像
  //************************** 道路细化 **************************//
  //对输入图像道路进行细化//
  void imageThin(Mat& src, Mat& dst);
  //道路细化查表法//
  Mat img_bone(Mat& mat);
  //查表法//
  Mat lookUpTable(Mat& mat, int lut[]);
  //************************** 道路矢量化 **************************//
  //利用栅格道路数据创建矢量化道路数据,切割大小为deltaSize
  void  createVectorFromFile(QString inputFileName, int deltaSize);
  //利用栅格道路数据创建矢量化道路数据,不切割//
  void createVectorFromFile(QString inputFileName, QString outputFilePath);
  //道路矢量化//
  void createVector(Mat& binSrc, Mat& mix_src, Mat& endPoint, Mat& nodePoint, int index, bool cut, int startX, int startY);
  //简化矢量道路数据//
  void simplifyVector(int index);
  //简化矢量道路数据//
  QVector<Point2d> simplifyVector(QVector<Point2d> vector, int threshold);
  //输出矢量道路数据//
  void outputBinaryResult(int index, QString outputFilePath, QString str);


(2)myVector.cpp

//************************** 道路矢量化 **************************//
//利用栅格道路数据创建矢量化道路数据,不切割//
void myVector::createVectorFromFile(QString inputFileName, QString outputFilePath)
{
  clock_t start, finish;    //clock_t 是一个长整型数据类型,是一种用于保存时间的数据类型
  start = clock();      //返回值是该程序从启动到clock()函数调用占用CPU的时间,创建矢量化道路的起始时间
  double tim;
  Mat src_img, dst_img, imgbone, src_imgBool, imgbone_bool, imgnode_bool, img_endpoint_bool;
  //判断导入的数据是否存在,参数 0 是指imread按单通道的方式读入图像,即灰白图像
  if ((src_img = imread(inputFileName.toStdString(), 0)).empty())
  {
    cout << "load image error!";
    return;
  }
  result Result;              //result是自定义的类
  Result.ImageFilePath = inputFileName;
  Result.rows = src_img.rows;
  Result.cols = src_img.cols;
  roadInformation.append(Result);     //添加当前影像数据
  /******************** 道路细化 ********************/
  qDebug() << "开始细化..." << endl;
  double thin_start = (double)getTickCount();
  //高斯滤波是一种线性滤波器,能够有效的抑制噪声、平滑图像
  GaussianBlur(src_img, src_img, Size(7, 7), 0, 0);
  //输入图像细化
  imageThin(src_img, src_imgBool);
  threshold(src_imgBool, src_imgBool, 0, 255, THRESH_OTSU);
  imgbone = img_bone(src_imgBool);
  double thin_end = ((double)getTickCount() - thin_start) / getTickFrequency();
  qDebug() << "细化道路数据使用时间:" << thin_end << "s" << endl;
  qDebug() << "细化结束!" << endl;
  //去掉噪,例如过滤很小或很大像素值的图像点
  //threshold(src_img, src_imgBool, 0, 255, THRESH_OTSU);
  //Mat imgbone = img_bone(src_imgBool);
  imwrite(".\\image_save\\roadThin.png", imgbone * 255);
  /******************** 道路矢量化 ********************/
  qDebug() << "开始矢量化..." << endl;
  double change_detection_start = (double)getTickCount();
  threshold(imgbone, imgbone_bool, 0, 255, THRESH_BINARY);
  Mat nodePoint = road_node(imgbone);         //获取弧段连接点
  Mat endPoint = road_endpoint(imgbone);        //获取弧段端点
  Mat mix_node = LineBreak(imgbone_bool, nodePoint);  //对弧段进行打断
  //矢量化
  createVector(src_imgBool, mix_node, endPoint, nodePoint, roadInformation.size() - 1, false, 0, 0);
  double vector_end = ((double)getTickCount() - change_detection_start) / getTickFrequency();
  qDebug() << "矢量化道路数据所用时间:" << vector_end << endl;
}


(3)main.cpp

#include<iostream>
#include"myVector.h"
// 注:main.cpp 文件中不能再添加命名空间,否则会调用自定义成员函数时找不到标识符
int main()
{
  myVector roadThinAndVector;
  roadThinAndVector.createVectorFromFile("..\\testImage\\labels.png", "roadThin.png");  //旧时相影像栅格数据矢量化
  //简化矢量道路数据,也即一些预处理,如:平滑等
  roadThinAndVector.simplifyVector(0);    //旧影像
  //输出矢量道路数据简化后的道路数据
  roadThinAndVector.outputBinaryResult(0, "roadVector.png", ".\\old_vector_result.txt");
  qDebug() << "矢量化结束!" << endl;
  system("pause");
  return 0;
}


2、栅格数据矢量化结果


(1)输入二值图

3423f370b55844068aa5ae119c4a2076.png


(2) 细化、矢量化结果


73a9d3d9f6c04aab88b06b7899924d56.png

107b76738dd54816a38ec6b6b5f5b625.png

说明:左图是细化结果,右图是矢量化结果;


(3)配置说明


vs2019 + opencv4.4.0 + Qt5.12.5 + gdal2.3.2 + Debug x64


vs2019、opencv4.4.0 和 Qt5.12.5 的配置过程比较简单这里就不过多阐述了;


gdal2.3.2 的配置流程见:https://blog.csdn.net/weixin_47156401/article/details/120648970?spm=1001.2014.3001.5502


上述环境配置完成后使用该工程的过程中,若出现以下问题:


如果出现无法打开 Qt 源文件,解决方案见:https://blog.csdn.net/weixin_47156401/article/details/120626400?spm=1001.2014.3001.5502


说明:上述环境配置、问题解决方案都是通过亲测验证,真实有效!!!


代码工程文件中包含二值图细化、矢量化和矢量化简化等工程,且代码注释非常详细,由上述给出的部分代码也可以看出,在使用的过程中如有疑问,可留言!

工程链接:栅格数据矢量化代码实现-C/C++文档类资源-CSDN下载

相关文章
|
API 定位技术 数据格式
|
4月前
|
算法 计算机视觉 Python
python利用opencv进行相机标定获取参数,并根据畸变参数修正图像附有全部代码(流畅无痛版)
该文章详细介绍了使用Python和OpenCV进行相机标定以获取畸变参数,并提供了修正图像畸变的全部代码,包括生成棋盘图、拍摄标定图像、标定过程和畸变矫正等步骤。
python利用opencv进行相机标定获取参数,并根据畸变参数修正图像附有全部代码(流畅无痛版)
|
4月前
|
编解码
ENVI无缝镶嵌、拼接栅格数据的方法
【8月更文挑战第10天】使用ENVI进行无缝镶嵌的方法包括:准备具有一致空间参考的栅格数据;通过“File”菜单逐个加载数据;启动“Seamless Mosaic”工具;添加待镶嵌图像;调整几何校正、颜色平衡及羽化参数以平滑过渡;设定输出路径与格式;最后执行镶嵌并检查结果质量,必要时微调参数直至满意。
296 1
ArcGIS:如何进行离散点数据插值分析(IDW)、栅格数据的重分类、栅格计算器的简单使用、缓冲区分析、掩膜?
ArcGIS:如何进行离散点数据插值分析(IDW)、栅格数据的重分类、栅格计算器的简单使用、缓冲区分析、掩膜?
460 0
|
7月前
|
算法 计算机视觉 芯片
[Halcon&定位] 二维仿射变换原理与算子解析
[Halcon&定位] 二维仿射变换原理与算子解析
346 0
|
定位技术 Python
通过ArcMap的模型构建器生成空间坐标系转换的代码
本文介绍在ArcMap软件中,通过创建模型构建器(ModelBuilder),导出地理坐标系与投影坐标系之间相互转换的Python代码的方法~
106 2
通过ArcMap的模型构建器生成空间坐标系转换的代码
|
算法 Linux Python
SGAT丨快捷GWAS结果显著SNP位点归类提取与变异类型转化算法,基于R语言tidyverse
SGAT丨快捷GWAS结果显著SNP位点归类提取与变异类型转化算法,基于R语言tidyverse
|
数据可视化 数据挖掘 Linux
科研绘图丨使用R语言Pheatmap包快速绘制基因表达量热图的方法,支持聚类和配色自定义修改
科研绘图丨使用R语言Pheatmap包快速绘制基因表达量热图的方法,支持聚类和配色自定义修改
|
数据可视化 算法 定位技术
地图四色原理的涂色实现:基于遗传算法的Python代码
本文介绍利用Python语言,实现基于遗传算法(GA)的地图四色原理着色操作~
316 1
|
12月前
|
算法 数据库 C++
SIFT算法详解(附有完整代码)
SIFT算法详解(附有完整代码)