基于矢量的时序图形图像的研究

索 静

(太原工业学院，山西 太原 030008)

基于矢量的时序图形图像的研究

索 静

(太原工业学院，山西 太原 030008)

随着网络科技的迅猛发展，人们对网络图形图像的要求越来越高，网络动画的出现使得人们的这一需求得以满足，网络动画技术发展迅速可以说是得益于时序图形图像的发展。文中主要从基于矢量的时序图形图像的模型、结构、表示方法等方面进行了深入的分析，对现有的研究成果做了对比，指出了各种方法的优缺点。

矢量；时序；图形图像

早期的时序图形图像一般是指静态的，随着计算机技术不断发展，现在，时序图形图像的信息密度会随着时间的变化而变化，也被称为时变图形图像。在实际应用中，时序图形图像的处理过程既要拥有较高的处理速度，又要在处理过程中尽量减小数据量，才能保证图形图像对计算机处理速度和网络传输等方面的要求。

1 基于矢量的时序图形图像模型

1.1 栅格结构模型

栅格数据结构可以说是由一系列坐标位置由行与列来确定的像元阵列构成的，同时与之相对应的存在一个灰度值，且每一个像元的值都是表示一个字节(或者多个字节)，这些量化的表示方法和图像信息的离散程度就是所谓的栅格数据。栅格数据拥有简单，极易被人的肉眼识别的特点。在计算机存储过程，处理过程，图像的显示过程中，栅格数据通常情况下用二维矩阵来表示，每一个相对应的存在一个像元阵列的灰度值，故栅格数据二维数据矩阵的表达方式也被称为位图表达。栅格数据表达方式存在一定局限性，栅格数据并不存在任何数据信息与图形几何结构的相关，在建立时序图形图像之间的相互关系时较为困难。在早期的图形图像处理技术中采用栅格结构模型通常只是将其看成是静止的来处理。

1.2 矢量结构模型

实际上，矢量模型可以说是一系列坐标的集合，通过这些坐标，可以相对应地定义图形图像的位置、形状等特征。矢量结构模型具有精度高、性能高、所占空间小的优点，而且它主要关心的是几何图形，能够比较准确地对空间物体的点、线、面三维关系进行表达。对比栅格结构模型的特点，矢量结构对于线条的质量有着更好的保证，可保持原来的线条形状。

2 时序图形图像的矢量结构

虽然栅格结构模型可较好地保持线条的形状，但却不能适应分辨率的变化，因此为了满足实际应用的需要，必须对时序图形图像进行矢量化。

2.1 矢量轮廓数据结构

矢量轮廓数据结构采用首尾相接的轮廓线段来描述时序图形图像的方法，但由于矢量轮廓的线宽和颜色的不同，使其相互关系相对复杂，在对图形图像的几何结构进行表示时较为困难，故存在一定的局限性。为了解决这些问题，研究者们提出一些新的方法加以改进，例如将图像中的每个图形定义为组件的集合，组件通过定义宽度的不同，划分为线型组件和面型组件两种类型。同一图形图像中包含有多个组件，每个组件都对应一个位置靠前程度的深度值，该值越大越不容易被覆盖，同时，组件与组件之间还存在着分离、包含、相交三种位置关系。

尽管组件有深度值，采用轮廓结构也会使组件在空间位置上发生重叠，所以在实际操作中会在获得组件信息后对其删除，避免影响其他组件信息的获取。而其余的组件会因为与该组件存在重复部分，而被删除一部分重复的组件，故在之后的跟踪过程中如要恢复此删除部分，则增加了数据的重复工作。组件矢量化后，需要将同一面型的组件组合起来。矢量轮廓数据结构表示方法需要记录的信息相当多，对之后的处理加大了难度[1]。

2.2 矢量轮廓+骨架线数据结构

矢量轮廓+骨架线数据结构采用矢量轮廓表示其形状的同时，引入骨架线表示其几何结构，使得维持原有图形形状的同时较好地保持了图形的几何结构。因骨架线只表示几何结构，所需精度不高，所以不会增加计算过程。

采用轮廓-骨架线数据结构，有利于减少数据量，其用矢量数据绘制整个图形，可有效解决图形缩放、分辨率发生变化时要求图形质量得以保障的要求。它能满足进行图形局部线划编辑的要求，弥补了栅格数据结构的不足。

2.3 矢量骨架线+线宽数据结构

线宽可将线条的形状记录下来，以恢复原始的图形。骨架线-线宽数据结构相对简单，而且可以根据不同的精度要求做出相应的调整，大大减少了数据量，在进行进一步图形的处理工作时相当有优势。与前两种数据结构相比较，骨架线-线宽数据结构有着更好的灵活性的优点，图形学上任何可采用的数据操作方法都可以直接应用在时序图形图像上。总而言之，骨架线-线宽数据结构具有减少数据量，提高智能分析水平，便于操作等优点，并可以较好地实现图形中间帧的内插、自动填色、自动去色等功能。

3 时序图形图像矢量化的表示方法

时序图形图像矢量化有轮廓和骨架两大类表示方法。

3.1 轮廓线跟踪法

轮廓线跟踪法是一种常用的矢量化表示方法，该方法指出在图形等色区域搜索，并将搜索到轮廓线上的点记录在列表中，一个点列表即对应一条轮廓线。轮廓线跟踪法搜寻时是沿着图像的扫描方向进行，检查图形中的像素点，如果检查出来的像素点颜色是白色，则定义该点为起点。将此起点视为一个3*3的模板，在模板中按顺序进行检查，检查各个像素是否是白色，并依次进行标记，如果该模板中全部检查出来为黑色，则停止跟踪。按此方法依次跟踪，可形成一条闭路的环线，即需要寻找的轮廓线，随后进行下一个跟踪起点的搜寻工作，直至得到下一条轮廓线。

针对轮廓线跟踪方法，有人提出将图像中的每个图形都看成是组件的改进方法。依据组件的不同宽度将其分为面型组件和线型组件，图像因为是图形的一个集合故含有多个组件，在空间上，各组件的位置有所不同，可采用深度值来表示其前后的相对位置，以此表示组件的层次。进行组件分类的最终目的是为了使处理过程简单化，对法线宽度定义为一个阀值，对于不同的图像不同的图形定义的阀值不同，这个最好是由使用者自由选择，根据实际图像实际处理过程进行定义[2]。

3.2 骨架线表示法

骨架线表示法主要有两种方法，一种是像素剥离细化法，另一种是线跟踪法。像素剥离细化法也叫细线化法，就是将图像中的线、文字和形状等沿着中轴线细化为像素级宽度的线条的过程。闭曲线处理方法是在处理过程中进行多次处理，它可对图形进行一次性处理，但只适用于处理闭曲线图形。线跟踪细化法采用的是轮廓跟踪算法，在跟踪的同时计算轮廓点的曲率，若曲率较小，则该点不连续，重新选择跟踪起点。

4 时序图形图像相邻帧的配准

与处理静止的图像不同，时序图形图像存在许多帧瞬时状态的相关因素，虽然可以采用相对独立的算法来进行时序图形图像的处理，但为了开发更有效的算法，有必要采用多帧处理技术。目前为止，国内外较为流行的时序图像研究方法有：相位相关法、贝斯法、光流分析法等等，这些方法都是从不同的角度对多帧图像的内在联系进行研究，且应用广泛。由于时序图形图像的相邻两帧之间存在相当大的关联性，前一帧按照一定的运动规律，则得到后一帧图像，故需要对时序图形图像的相邻帧匹配过程进行研究。

4.1 时间序列的匹配

时间序列的匹配是指按照一定的时间顺序进行观测，从而获得一系列观测值，它既指时间的顺序，又指空间的顺序。时间序列应用广泛，其包含很多重要信息，故对时间序列进行研究分析有着重要的意义。时序图形图像可看成是由许多个多边形，依循一定的空间顺序进行排列得到的一组序列，相对应的时序图形图像中的每一帧图形都是一个时间序列。

4.2 轮廓匹配

时序图形图像配准的另一个重要方法则是采用两个图形的轮廓形状进行相似性判断，参数判决法、模式匹配等方法在处理特殊形状的匹配问题时都存在一定的局限性，因此该方向目前也是一个主要研究方向。多边形轮廓的松弛迭代匹配法，是采用特定的算法对多边形的轮廓上的特征点进行有选择的提取，并将提取的特征点近似多边形，通过迭代最终得到多边形匹配。基于面的匹配算法则是将主要特征为面积和质量两个参数进行匹配。

5 小结

基于矢量的时序图形图像具有表达数据精度高、数据结构严密和数据量小等优点，同时又具有复杂的数据结构和实现技术难度较大等缺点，希望对今后的矢量图形图像的研究有一定的帮助。

[1] 郑瑾.浅析关于矢量的时序图形图像处理技术[J].辽宁科技学院学报，2014,12(6):40-42.

[2] 张宝印.基于矢量的时序图形图像处理技术的研究和实践[D].郑州：解放军信息工程大学，2001.

Research on Time-sequence Graphic Image Based on Vector

Suo Jing

(TaiyuanInstituteofTechnology,TaiyuanShanxi030008,China)

With the rapid development of network science and technology, People’s demand to the network graphic images is higher and higher. The emergence of network animation meets the needs of people. The rapid development of network animation technology can be said to benefit from the development of time-sequence graphic image. In this paper, it mainly analyzes the model, structure and representation of time-sequence image based on vector, compares the existing research results and points out the advantages and disadvantages of each method.

vector; time-sequence; graphic image

2016-11-30

索 静(1982- )，女，山西原平人，讲师，硕士，主要研究方向：单片机系统和数字图像处理。

1674- 4578(2016)06- 0091- 02

TP391.41

A