收稿日期:2006-11-26;修订日期:2007-07-06 基金项目:新世纪优秀人才支持计划资助项目(NCET 20420948)
作者简介:高飞(1968-),男,山东昌乐人,副教授,博士,主要研究方向:智能信息处理、图像图形学; 高新波(1972-),男,山东莱芜人,教授,博士,主要研究方向:智能信息处理、图像工程、视频信号处理.
文章编号:1001-9081(2007)S1-0380-02
一种基于脊线跟踪的冠状动脉中心线提取方法
高 飞1
,高新波
2
(1.深圳大学信息工程学院,广东深圳518060;2.西安电子科技大学电子工程学院,陕西西安710071)(nels on_gao2010@yahoo .com;nels ongao2010@g mail .com )
摘 要:冠脉血管中心线的提取是血管造影图像定量分析中的关键步骤。基于脊线跟踪法,提出了一种血管中心线自动提取方法。通过交互式地指定一个起始点和一个终止点,该算法能够自动获取两点间的血管中心线。实验结果表明了该方法的鲁棒性和可重复性。
关键词:中心线提取;定量冠脉分析;脊线跟踪中图分类号:TP391.41 文献标识码:A
0 引言
冠脉血管造影是临床诊断的重要手段。对冠脉血管进行
定量分析具有重要的实际意义。与传统定性诊断方法相比,它克服了医生判断的主观随意性,提供了更为客观准确的诊断依据。血管轮廓线和中心线的自动提取是血管定量分析的前提。在血管造影图像中,血管的提取可以采用基于区域或边缘的图像分割技术。文献[1]中指出血管的剖面灰度分布呈近似高斯型,因此利用二维高斯模板来提取血管,但该方法比较耗时。文献[2]中利用一维旋转高斯模板代替了二维高斯模板,降低了算法的复杂度。不过,从精确分析的角度看,在血管分析中准确提取血管边缘是更好的选择。在现有的许多血管轮廓提取算法中,血管中心线的检测是最为关键和困难的一步。最简单的方法是手工描绘[3],但该方法费时费力且可重复性差,所以逐渐为人机交互的半自动方法所取代。在这些交互式方法中,操作者只需指明待分析血管段的起始点和结束点,就可以自动获得两点间的中心线[4,6]。不过,现有的中心线提取算法大都基于动态规划方法的,搜索时间较长,难以满足临床上实时性的要求。因此急需研究实时性能好的血管中心线提取算法。
既然血管剖面呈近似高斯分布,那么可以将血管的中心线看作脊线。中心线提取问题就转化为脊线的检测。受文献[5]中指纹特征点提取的脊线跟踪法的启发,本文提出了一种基于脊线跟踪的血管中心线提取方法,在实际应用中也取得了比较好的效果。需要指出的是,这里所说的中心线并不是严格的血管的对称轴线,只要求它位于血管内部且与血管走向一致即可,文献[4]中对此有详细说明。
1 血管中心线提取算法
1.1 图像预处理
血管造影图像质量因拍摄条件的不同而参差不齐,一般都有较强的噪声干扰。既然本文方法主要依据的是血管的脊线特征,因此,首先需要降低噪声对脊线特征的破坏。这里采用二维高斯模板来平滑噪声,模板大小一般应大于所选血管段的最大直径。图1显示了滤波的效果:图1(a )是沿血管一个剖面(垂直中心线方向)的灰度分布曲线,可以看到它近似
的反高斯形状;图1(b )是相应位置的梯度强度;图1(c )(d )为对应的平滑处理结果,可以看到,虽然处理后目标与背景的对比度降低了,但目标灰度和梯度的真实结构得到了加强,这有利于后面准确的计算局部脊线方向
。
图1 预处理结果显示
1.2 中心线跟踪
跟踪过程可以分为两步:局部脊线方向计算和中心线上点的更新。局部脊线方向计算方法将在1.3节中详述,这里假设已经得到了这个方向。为了叙述方便,以下将正在处理的点称为当前点。如图2所示,P k -1是当前点,在P k -1处计算
得局部脊线方向为θk -1,由P k -1沿θk -1前进d 个像素到达P ′k ,通过点的更新操作更新到P k ,此时P k 成为当前点。重复以上过程直到停止条件满足。在P ′k 点的更新操作中利用了匹配滤波方法:在P ′k 点得到局部脊线的估计方向θ′k ,以P ′k 为中心,在θ′k
+π
2
的方向上获得剖面灰度分布曲线g ′(i )(i =1,…,2l +1)。设f (k )(k =-m ,…,m )为一维高斯
滤波模板,长度为2m +1,满足
∑k
f (k )
=1。通过下式来得到
更新的灰度分布g (i )(i =1,…,2l +1):
∑m
v =-m
f (v )
g ′
(i +v ),i =m +1,…,2l -m
g ′(i ),
其他
(1)
取g (i )的局部极小值点作为更新点P k (如图2所示)。其中,参数l 、m 、d 可以经验地选择,l 应至少大于最大血管直
第27卷2007年6月
计算机应用
Computer App licati ons
Vol .27June 2007
径,d 的选择以小于血管的半径为宜
。
图2 中心线跟踪过程
假设血管的方向是连续变化的[7]。设P k 是当前点,假如在P k 算得的局部脊线方向与方向P k -1P k 的差超过某一上限
λ(选λ=π
4
),认为算得的方向不可靠,此时可以利用图3的
方法跟踪下一个点。由P k 沿P k -1P k 前进距离d 到达P ″k +1,依据前面的方法,在垂直于P k -1P k 的方向上把P ″k +1
更新到
P ′k +1,再在垂直于P k P ′k +1的方向上更新到P k +1,此时将P k +1
设为当前点,继续下面的过程。图3 辅助跟踪方法1.3 局部脊线方向计算
确定局部脊线方向主要依据梯度信息。但仅计算一点的梯度方向作为脊线方向显然是不可靠的。这里以当前点P k 为中心,选择一个大小为2W +1的窗,利用窗中所有点的梯度的综合信息,通过式(2)计算方向,这里的是垂直于局部脊线的方向。
θ=12
tan -1
∑w
i =1∑w
j =12G
x
(i,j )G y (i,j )
∑w i =1
∑w
j =1
[G
2x
(i,j )-G 2y (i,j )]
(2)
式(2)是依据最小均方准则推导出的,这里不作进一步
说明,文献[5]的附录中对此有详细介绍。这里W 的选择应小于血管半径,G x 和G y 分别为x 和y 方向的梯度。
值得注意的是,脊线的实际方向有两种选择θ+π
2
或
θ-π2
,这时可利用以下两条规则作判断:(1)起始方向由起始点和结束点共同决定。
(2)中间跟踪过程依据方向的连续性来作选择,即在θ+π2和θ-π2中选最接近上一次跟踪方向的那一个作为
当前的方向。1.4 停止条件
当前点足够接近结束点时,就认为已经到达了结束点,设P k 为当前点,P end 为结束点,D ()为距离算子,则在满足式(3)的条件下跟踪停止:
D (P K ,P end )≤ε
(3)这里ε=d /2。可以看出,交互式给定的起止点主要起两个作用,一是确定起始方向,二是计算结束条件。当到达结束点后,用直线把检测到的所有点连接起来,由于点之间的距离相当小,所以直线上的点不会在血管外。然后经过简单的平滑滤波处理就可以达到一条光滑的血管中心线。需要指出的是,前面的叙述中为了强调某种含义同时使用了中心线和脊线两个概念,它们实际是相同的。
2 实验结果与分析
为了验证本文提出的血管中心线提取算法的鲁棒性和结
果的可重复性,分别进行了以下两组测试实验。
实验1 选用了71张不同质量的血管造影图像,按图像质量将它们分成3个等级:Poor 、Mediu m 、Good,数量分别是
30,30,11。再通过加不同程度的噪声来考查算法对噪声的敏
感性,所加噪声为高斯白噪声,均值为0,方差分别为:0.01、
0.02、0.03。表1记录了在不同情况下算法执行成功的次数
和占图像总数的比率。图4给出了一个执行结果。
表1
I m age class/ite m σ2=0σ2=0.01σ2=0.02
σ2=0.03
Poor (30)
2419115Medium (30)27282019Good (
11)1110109Total (71)62574133Percent (%)
87.3
80.30
57.75
46.48
从表1中可以看出,在没有叠加噪声的情况下,不同质量图像算法执行的平均成功率达到了87%,对普通质量和较好质量的图像成功率都在90%以上。而微弱的噪声对结果的影响并不大,说明了算法对不同质量的图像具有一定的适应性,对噪声的鲁棒性较强。
图4 执行结果
图5 不同起始点的9条中心线
实验2 在本文方法中,提取到的中心线取决于起始点和结束点的选择。从前面的说明可知,结束点主要用来控制算法的中止条件,对结果影响并不大,因而结果主要取决于起始点的选择。这里让起始点在一个小的区域内变化,通过考查输出结果的变化情况来了解算法的可重复性。这里在某个区域内选用下面9个点作为起始点:(x +i,y +i )(i =-3,0,3;j =
-3,0,3)。图5在同一幅图像中显示了9条提取到的中心线,
可以看到,除了在起始处有比较大的区别外,中间部分9条线基本重合在了一起,这证明了算法结果的可重复性。
3 结语
从实验结果看,本文方法对质量比较差的图像执行的效果还不够好。在应用中,对交互式指定的起止点,虽然不要求一定要在中心,但尽量靠近中心可以增加执行的成功率。另
(下转第384页)
1836月高飞等:一种基于脊线跟踪的冠状动脉中心线提取方法
单元节点内分别插入三块嵌入式工业控制计算机卡和使用两条总线进行网络传输。测试条件:监控对象相同,分别监控相同的列车运行设备;运行环境相同,模拟列车运行环境,增加较强的电磁和振动等外部干扰。运行时间相同,共计测试运行10个月。测试结果如表1所示。从表中可以看出,采用本方法可以极大的提高列车网络监控系统的可靠性
。
图4 列车网络监控系统可靠性试验环境
表1 系统故障和失效测试结果表
实效类型第一组
第二组
第三组
第四组
节点内故障(次)
282720通信失效(次)191171网关失效(次)
8
1
9
4 结语
列车网络监控系统的基本任务是保证行车安全和提高运
输效率。列车网络监控设备出现故障时,会降低运输效率,甚至可能造成重大的人员伤亡和财产损失事故。本文分析了能够提高列车网络监控系统可靠性的TC N (W T B /MVB )总线的两模冗余模式以及处理单元的三模冗余软硬件方法,并在此基础上设计了基于TC N (W T B /MVB )总线的系统体系结构。最后采用全局级和局部级两级调度技术及其相应的调度算法保证了所有不同性质的列车网络监控任务都能得到真正实时、可靠执行。参考文献:
[1] I EC 6137521[S].Electric Rail w ay Equi pment 2Train Bus Part I :Train
Communicati on Net w ork,1999.
[2] ADTRANZ .MVBC01Multifuncti on Vehicle Bus Contr oller Data Sheet
[Z].S witzerland:AD tranz,1999.
[3] SCH I FERS C,HANS G .I EC 6137521and U I C 5562internati onalstan 2
dard for train communicati on [A ].Vehicular Technol ogy Conference Pr oceedings 2000[C ].2000.
[4] EDWARDS S,LAVAG O L,LEE EA.Design of e mbedded system s:
for mal models,validati on,and synthesis [A ].Pr oceedings of the I EEE[C ],1997,85(3):366-390.
[5] KI RRMANN H.The I EC true communicati on net w ork [A ].16th con 2
ference on trans portati on syste m s[C ].1996.
[6] G M I CHELL R,G UPT A K .Hardware /s oft w are co 2design of e mbedded
syste m s[J ].Pr oceedings of the I EEE,1997,85(3):349-365.[7] BATE L,L I U S .Real 2ti m e e mbedded syste m s[J ].Computing &Pr o 2
gra mm ing,1999,(2):21-25.
[8] KI M YJ.The p resent state of technol ogy devel opment in high s peed
trains[A ].KI EE summer conference[C ].1998.
[9] ADT RANZ .Contr ol and co mmunicati on syste m technical descri pti on[Z].
S witzerland:adtranz,1999.
[10]F AN Z M ,T ONG L,L I U D,et al .A New Multi 2port Me morier with
Gl obal Share and Feebleness Conflict Access [A ].E DSSC ′03[C ].2003.
(上接第381页)
外,对中间有交叠的血管(被其他血管干扰),算法容易失败。对有分叉的血管还无法处理。因此,在未来的工作中会从两方面来改进本算法:(1)加强图像的预处理,尽可能改善原始图像的质量;(2)在跟踪过程中增加其他信息,以使跟踪的过程更可靠。这一方面可以通过增加交互来实现,另一方面可以寻求其他的特征来辅助中心线的跟踪过程。参考文献:
[1] S UBHASI S C,SHANK AR C .Detecti on of bl ood vessels in retinal
i m ages using t w o 2di m ensi onal matched filters [J ].I EEE on Transac 2ti onsMedical I m aging,1989,8(3):263-269.
[2] 许智,郁道银,谢洪波,等.心血管造影图像中的心血管提取
[J ].中国生物医学工程学报,2003,22(1):6-11.
[3] F LEAG LE SR,JOHNS ON MR.Aut omated analysis of cor onary ar 2
terial mor phol ogy in cineangi ogra m s:geometric and physi ol ogic vali 2
dati on in humans [J ].I EEE on Transacti ons Medical I m aging,
1989,8(4):387-400.
[4] JANSSEN JP,K ON I N G G .A novel app r oach for the detecti on of
pathlines in X 2Ray angi ogra m s:the wavefr ont p r opagati on algorithm
[J ].I nternati onal Journal of Cardi ovascular I m aging,2002,18(6):317-324.
[5] MA I O D,MALT ON I D.D irect gray 2scale m inutiae detecti on in fin 2
ger p rints [J ].I EEE Transacti on on Pattern Analysis and Machine I n 2telligence,1997,19(1):27-40.
[6] VAN DER Z W ET P MJ,VON LAND CD.An on 2line syste m f or the
quantitative analysis of cor onary arterial seg ments [A ].Computers in Cardi ol ogy 1989[C ].Los A la m it os:I EEE Computer Society Press,1990.157-161.
[7] S UN Y .Aut omated identificati on of vessel cont ours in cor onary arte 2
ri ogra m s by an adap tive tracking algorithm [J ].I EEE on Transacti ons
Medical I m aging,1989,8(1):78-88.
483 计算机应用2007年
A r c G I S方法-利用到路面提取道路中心线的方法利用到路面提取道路中心线的方法在利用GIS制图时，需要经常跟数据打交道。很多初级的制图人员都存在一种惯性思路，以为数据精度越高，出图的效果就越好。这是错误的观点。假如现在需要制作1:1w的地图，但手头上却只有1:500的地形图，数据精度虽然很高，但却无法在小比例尺下显示出来。回到主题上，1:500的数据，大多数道路都是以面状显示。由于其精度高，有些数据甚至是不带线道路图层的，而在1w的地图下，道路以线状表达才是符合要求的。所以，这就需要涉及到地图制图的一个常规工作—地图缩编。本文主要介绍如何从到路面直接提取出道路中心线，从而辅助小比例尺地图的制作。 由于面状数据一般都是不规则的，所以很难从其提取中心线，一般的GIS软件也没提供直接提取的工具。ArcGIS里面虽然也有一些工具可以辅助一下处理，例如在制图工具箱里面有一个提取中心线的工具，但这个工具的作用是通过道路边线（双线）提取中心线。也有人说ArcGIS里面同样是提供面转线工具，先用工具转一道再提取不就行了吗？可是问题来了，面转线工具传出来的数据是封闭线，而不是道路边线，提取中心线工具依然是不可用，除非在每个路面图形打断两端的封闭，不然无法进行提取，恰好打断工作又是非常的巨大。因此，该方法还是不可用。 为了解决这个问题，那就是ArcScan扩展模块。提到ArcScan扩展，很多专业人员第一时间反应是这只是个栅格矢量化工具，跟当前讨论的中心线提取似乎没有任何关系。只要深入了解ArcScan扩展的具体细节，我们不难发现其自动矢量化里面可以提取面要素和中心线，利用这一特性，我们就可以曲线去完成该任务了。 先来说说总体思路：将路面（矢量面数据）转化为栅格数据，因为ArcScan只能对栅格数据进行处理，由于是从矢量转为栅格而非扫描，栅格质量一般会非常好；通过二值化栅格
资源Style2paints：专业的AI漫画线稿自动上色工具 由于档期限制，我们经常会看到动画由于制作时间紧张而出现作画崩坏的情况。来自苏州大学的研究者们提出的Style2paints 或许可以帮助我们缓解这样的情况，这种工具可以使用AI 技术为黑白线稿快速自动上色。在最近推出的版中，研究人员使用了完全无监督的生成对抗网络（GAN）训练方法大幅提高了上色的准确性。Style2paints 的作者表示，该工具在精细度、漫画风格转换等方面超越了目前其他所有工具。 GitHub 链接：lllyasviel/style2paints直接使用：教程视频：我们很高兴发布style2paints 的版，一个强大的动漫绘画工具。在这里，我们会主要介绍它的新特性。 动漫线稿上色 当我们谈到「上色」时，在人工智能语境里这意味着将线稿的风格转换为彩色漫画风格，其重要之处在于： 1. 让我们直接在纯线稿上生成彩色草图。这意味着艺术家们不必再在线稿上加入高亮或阴影。这一部分非常具有挑战性。近期的paintschainer 专注于提升阴影部分的表现，我们给出了自己不同的解决方案，我们对新方法的性能非常有信心。 2.「上色」会将线稿风格迁移为彩色图画。图画和上色的线稿图，其中的区别在于阴影和纹理。在高质量的彩色漫画
中，女性角色的眼睛应该像星光一样闪耀，脸颊泛红，皮肤细腻，我们尽最大的努力来提升这些部分——而不仅仅专注于填充颜色。 最大贡献 1. 最高准确度 Stylepaints2 的开发者表示其推出的工具有着准确率最高的色彩提示笔，这种被称为「神经提示笔（neural hint pen）」的工具结合了颜色选择器和简单的钢笔工具。艺术家可以选择颜色并在线稿的任何部位加入颜色提示。绝大多数业内最佳的神经网络上色工具都有类似的工具。纵观目前的所有动漫上色工具（Paintschainer Tanpopo、Satsuki、Canna、Deepcolor、AutoPainter（存疑）），Stylepaints2 的笔工具拥有最高的准确度。在最具挑战性的情况下，艺术家甚至能在1024×2048 分辨率的图画上使用3×3 的提示笔控制13×13 区域的颜色。对于更大的区块，3×3 像素点的提示甚至可以控制半张画幅的颜色。这是一个非常具有挑战性的设计，这也意味着该工具是面向专业用途的（与此同时，其他上色方法的提示笔工具更倾向于嘈杂的提示，对于准确性把握不佳）。 2. 最自然的风格 当提到「自然」的时候，我们的意思是在训练过程中不加入任何人工制定的规则，如果你熟悉pix2pix 或
收稿日期:2006-11-26;修订日期:2007-07-06 基金项目:新世纪优秀人才支持计划资助项目(NCET 20420948) 作者简介:高飞(1968-),男,山东昌乐人,副教授,博士,主要研究方向:智能信息处理、图像图形学; 高新波(1972-),男,山东莱芜人,教授,博士,主要研究方向:智能信息处理、图像工程、视频信号处理. 文章编号:1001-9081(2007)S1-0380-02 一种基于脊线跟踪的冠状动脉中心线提取方法 高 飞1 ,高新波 2 (1.深圳大学信息工程学院,广东深圳518060;2.西安电子科技大学电子工程学院,陕西西安710071)(nels on_gao2010@yahoo .com;nels ongao2010@g mail .com ) 摘 要:冠脉血管中心线的提取是血管造影图像定量分析中的关键步骤。基于脊线跟踪法,提出了一种血管中心线自动提取方法。通过交互式地指定一个起始点和一个终止点,该算法能够自动获取两点间的血管中心线。实验结果表明了该方法的鲁棒性和可重复性。 关键词:中心线提取;定量冠脉分析;脊线跟踪中图分类号:TP391.41 文献标识码:A 0 引言 冠脉血管造影是临床诊断的重要手段。对冠脉血管进行 定量分析具有重要的实际意义。与传统定性诊断方法相比,它克服了医生判断的主观随意性,提供了更为客观准确的诊断依据。血管轮廓线和中心线的自动提取是血管定量分析的前提。在血管造影图像中,血管的提取可以采用基于区域或边缘的图像分割技术。文献[1]中指出血管的剖面灰度分布呈近似高斯型,因此利用二维高斯模板来提取血管,但该方法比较耗时。文献[2]中利用一维旋转高斯模板代替了二维高斯模板,降低了算法的复杂度。不过,从精确分析的角度看,在血管分析中准确提取血管边缘是更好的选择。在现有的许多血管轮廓提取算法中,血管中心线的检测是最为关键和困难的一步。最简单的方法是手工描绘[3],但该方法费时费力且可重复性差,所以逐渐为人机交互的半自动方法所取代。在这些交互式方法中,操作者只需指明待分析血管段的起始点和结束点,就可以自动获得两点间的中心线[4,6]。不过,现有的中心线提取算法大都基于动态规划方法的,搜索时间较长,难以满足临床上实时性的要求。因此急需研究实时性能好的血管中心线提取算法。 既然血管剖面呈近似高斯分布,那么可以将血管的中心线看作脊线。中心线提取问题就转化为脊线的检测。受文献[5]中指纹特征点提取的脊线跟踪法的启发,本文提出了一种基于脊线跟踪的血管中心线提取方法,在实际应用中也取得了比较好的效果。需要指出的是,这里所说的中心线并不是严格的血管的对称轴线,只要求它位于血管内部且与血管走向一致即可,文献[4]中对此有详细说明。 1 血管中心线提取算法 1.1 图像预处理 血管造影图像质量因拍摄条件的不同而参差不齐,一般都有较强的噪声干扰。既然本文方法主要依据的是血管的脊线特征,因此,首先需要降低噪声对脊线特征的破坏。这里采用二维高斯模板来平滑噪声,模板大小一般应大于所选血管段的最大直径。图1显示了滤波的效果:图1(a )是沿血管一个剖面(垂直中心线方向)的灰度分布曲线,可以看到它近似 的反高斯形状;图1(b )是相应位置的梯度强度;图1(c )(d )为对应的平滑处理结果,可以看到,虽然处理后目标与背景的对比度降低了,但目标灰度和梯度的真实结构得到了加强,这有利于后面准确的计算局部脊线方向 。 图1 预处理结果显示 1.2 中心线跟踪 跟踪过程可以分为两步:局部脊线方向计算和中心线上点的更新。局部脊线方向计算方法将在1.3节中详述,这里假设已经得到了这个方向。为了叙述方便,以下将正在处理的点称为当前点。如图2所示,P k -1是当前点,在P k -1处计算 得局部脊线方向为θk -1,由P k -1沿θk -1前进d 个像素到达P ′k ,通过点的更新操作更新到P k ,此时P k 成为当前点。重复以上过程直到停止条件满足。在P ′k 点的更新操作中利用了匹配滤波方法:在P ′k 点得到局部脊线的估计方向θ′k ,以P ′k 为中心,在θ′k +π 2 的方向上获得剖面灰度分布曲线g ′(i )(i =1,…,2l +1)。设f (k )(k =-m ,…,m )为一维高斯 滤波模板,长度为2m +1,满足 ∑k f (k ) =1。通过下式来得到 更新的灰度分布g (i )(i =1,…,2l +1): ∑m v =-m f (v ) g ′ (i +v ),i =m +1,…,2l -m g ′(i ), 其他 (1) 取g (i )的局部极小值点作为更新点P k (如图2所示)。其中,参数l 、m 、d 可以经验地选择,l 应至少大于最大血管直 第27卷2007年6月 计算机应用 Computer App licati ons Vol .27June 2007
(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910261024.5 (22)申请日 2019.04.02 (71)申请人 南通大学 地址 226019 江苏省南通市啬园路9号 (72)发明人 赵佳皓 李凯凯 朱俊国 裴彬辉 黄奕晟 华亮 商亮亮 罗来武 吴劲松 卢聂诚 袁畅 于文渊 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/136(2017.01) G06T 7/187(2017.01) G06T 7/194(2017.01) G06T 7/66(2017.01) (54)发明名称一种提取焊缝中心线的方法(57)摘要本发明涉及一种提取焊缝中心线的方法，包括：获取焊缝的原始图像；对所述原始图像进行同态滤波，获得削弱光照影响的灰度图像；对所述灰度图像进行局部阈值二值化处理得到二值图像；对局部阈值二值化处理后的二值图像进行形态学操作；将处理后的二值图像进行连通域处理，提取最大连通域，得仅保留焊缝的二值图像；使用距离变换函数将二值图像变换为凸显出焊缝中心线的灰度图像；对处理得到的灰度图像进行局部阈值二值化处理，得到保留焊缝中心线的二值图像；对处理得到的保留焊缝中心线的二值图像进行形态学处理和连通域处理，提取焊缝中心线。本发明公开的提取焊缝中心线的方法提取准确度高，而且对焊接环境要求不高， 应用广泛。权利要求书1页 说明书4页 附图9页CN 110021017 A 2019.07.16 C N 110021017 A
权 利 要 求 书1/1页CN 110021017 A 1.一种提取焊缝中心线的方法，其特征在于，包括以下步骤： S1.获取焊缝的原始图像； S2.对所述原始图像进行同态滤波，获得削弱光照影响的灰度图像； S3.对所述灰度图像进行局部阈值二值化处理得到二值图像； S4.对局部阈值二值化处理后的二值图像进行形态学操作； S5.将处理后的二值图像进行连通域处理，提取最大连通域，得到仅保留焊缝的二值图像； S6.使用距离变换函数将步骤S5处理得到的二值图像变换为凸显出焊缝中心线的灰度图像； S7.对步骤S6处理得到的灰度图像进行局部阈值二值化处理，得到保留焊缝中心线的二值图像； S8.对步骤S7处理得到的保留焊缝中心线的二值图像进行形态学处理和连通域处理，提取焊缝中心线。 2.根据权利要求1所述的提取焊缝中心线的方法，其特征在于，对所述灰度图像进行局部阈值二值化处理得到二值图像，具体包括：对所述灰度图像中的每个像素点进行处理，得到二值图像；其中，二值图像中像素值为1的点属于前景区域，所述前景区域对应焊缝位置，二值图像中像素值为0的点属于背景区域。 3.根据权利要求1所述的提取焊缝中心线的方法，其特征在于，对局部阈值二值化处理后的二值图像进行形态学操作，具体为：通过开操作断开不同连通区域之间的弱小的连接，使噪声形成孤立的小区域，再通过设定面积阈值去除噪声，得到降噪图像；对所述降噪图像通过闭操作闭合图像缺损。 4.根据权利要求1所述的提取焊缝中心线的方法，其特征在于，步骤S6中所述距离变换函数为bwdist函数，所采用的公式为： b2＝bwdist(～b1) 上式中，b1对应二值化焊缝图像矩阵，b2对应变换得到的凸显出焊缝中心线的灰度图像矩阵。 5.根据权利要求1所述的提取焊缝中心线的方法，其特征在于，对保留焊缝中心线的二值图像进行形态学处理和连通域处理，提取焊缝中心线，具体包括：对保留焊缝中心线的二值化图像进行闭操作，得到消除内部孔洞的二值图像；对闭操作处理后的二值图像求最大连通域并保留最大连通域，得到略粗的二值化焊缝图像；对略粗的二值化焊缝图像进行细化操作得到所提取的焊缝中心线。 2
如何勾画漫画线稿，怎么学习漫画 那些许许多多被填满的画稿和绘图本，成就了我们的旅途，直至到达漫长画卷的彼端。画卷中的每一页都是我们人生旅途中的一步，倘若我们没有偏离航道，希望你也能跟随我们的脚步，和我们一起踏上旅途。 首先首先抓型的时候你要勇敢的画，不要害怕它复杂的线条，要把你绘画的物体简单化，要学会整体概括，在一步步把它具体化。上色的时候不可太着急的填涂颜色，应一步一步的分析画面用色，一遍一遍的叠加刻画出细节，这样才能达到完整的效果。 武汉插画人cg学院的漫画课程中就数字漫画线稿这么课程，详细介绍了漫画常用的软件介绍以及使用方法，数字漫画线条的处理方式，不同线条效果的表现技法！ 武汉插画人cg学院在漫画教学的过程中记得要把东西画清楚，练出精致的线稿，把事物表达清楚。上色，了解色彩的原理知道如何配色表现。线稿+上色，深刻理解结构画出事物体积感和空间感。慢慢舍弃线稿，心中有物，更随心所欲的画画。 线稿在日式动漫CG中的作用特别重要，尤其是在限制色彩数量的情况下，线条担负着塑造形象的重任。可以这么说，画好线稿，你就成功了一半。线稿一般可以画在A4纸上，方便扫描。开始先用铅笔打底稿，确定画面布局，然后用漫画用的描线笔勾画出清晰的线条。没有条件的话，也可以用笔划细一点的钢笔勾线，譬如我。勾线时注意线条尽量流畅，粗细统一，少出错笔，更不要留下没有闭合的线（这对以后的上色很重要）。勾好线后就用橡皮仔细把底稿的铅笔线擦干净，这样线稿就可以了。纸上画线稿多花一分时间，你在以后的步骤中就可能少花二至三分时间。 我们制定了一个计划，我们会沿着计划的路线行动。但是很快便会意识到，我们会在某天踏上别的路线，随之而来的故事让我们向意想不到的地方。那将是意外的惊喜。
漫画人物手部绘画方法 首先我们来看一下张开的手部线稿的剖析：我们需要做的第一步就是预测人体手掌可以撑开的最大限度，我们画出来的手部漫画的线稿尽量不要脱离了现实的手部能力，仔细的看一下画好的手部线稿的线条部分，尤其是大拇指的部分。 大家仔细的看一下画好的手部漫画的线稿，这里是侧面向后弯曲的手部漫画线稿，呈现出来的形象是简单的线条组成的手部，没有过多的进行手部纹路以及手部皮肤的细节的绘画，线条的分部主要是在手部的关节的部分，漫画的线稿一般讲究线条着落在重点部分，对于细节的部分刻画没有过多的要求。
用最简单的线条画出漫画的形象，这里的手部漫画同样的用线条表明手部的重要部分，没有过分的刻画出手部的细节，简单明了的线条形成点面具到的现象，用线条刻画出关键的部分，由关键的部分组成了最形象的手部漫画形象，这也是漫画绘制中最具有特色的一个部分。
握拳的手部漫画线稿： 我们接下来看一下握拳的手部漫画线稿的部分，握拳的手部线稿的画法与撑开的手部漫画的线稿一样，同样的都是不过多的刻画细节部分，只是用最简单的线条画出握拳手部的整体轮廓，再用线条细画关键的部分，整体的握拳的手部漫画就可以很完美的画出来了。
握拳的手部漫画与撑开的手部漫画都是漫画中比较经典的手势，撑开的手掌和握拳的手掌都紧密的联系着手腕，手腕和手部关节部分的线条要细画。 在进行握拳手部漫画的线稿绘制的时候需要注意的有以下两点： 一是要把握好握拳手部漫画的手指的弯曲度，二是要特别注意把握好整个握拳手部绘制的立体感。
我们再仔细的来看一下手部的具体画法： 首先我们需要选择适合绘画的手部漫画形象，对于漫画绘制的新手来说选择稍微简单的手势进行手部漫画的绘制是比较好的，大致的可以将手掌分成三个部分来画，仔细的看一下下面的漫画图文教程，
冠状动脉中心线提取 2018.12.5 1简介 1.1步骤和实现方式 本次任务是从冠状动脉增强图像提取血管中心线。步骤和实现方式大致如下： ?图像二值化：读入.mha格式CT图像，阈值处理； ?空洞填充 ?图像细化：类似腐蚀，取最大内切球心的集合 ?端点分叉点检测：考虑26邻域内像素个数，卷积实现 ?断裂分支重连：寻找连接点，条件判断，Dijkstra最小代价连接 ?构建中心线：在分叉点集基础上追踪，数组存储在Cell中 1.2运行说明 coronary_refine.m是主要的运行函数。其他函数和脚本：branchReconnect输入细化后的图像和权重（原始CT volume的像素值为可能性），其中调用了三维的Dijkstra函数；directConnect脚本很简短地实现在三维图像中两点连直线，但因为用了最短路径所以没有采用；其余函数都是由比较冗长的小功能封装成的。两张图片运行时间小于一分钟。 2实现方法 2.1阈值 为了不让阈值化后丢失的成分过多，对后续分支重连的步骤造成困难，这里选择了较小的阈值0.1*原图最大值(2^16)。这也导致最后结果中分支会显得比0.5的阈值下丰富很多，但算法能够原图(mha)保证最终中心线和真实血管走向的一致性。 2.2空洞填充 一开始使用的是imfill函数，通过查看源代码可见这个函数调用了imcomplement和imreconstruct对二值图像进行填充。imfill对三维图像的处理速度较慢，最终使用形态学库函数bwmorph3中的fill功能进行处理。
图1:Skeleton of a rectangle defined in terms of bi-tangent circles. 2.3图像细化 程序中调用了bwskel来实现。Thinning在文献中有两种最为常见的方法，一种被称为“Onion peeling”1，顾名思义用不断的腐蚀操作来一层一层地剥开血管，难点是设置一定的条件来保证原有拓扑结构。这个方法也是bwskel的参考文献中使用的方法。2还有一种细化方法也和腐蚀有些类似，基本思路是求连通域内部的内切圆心（三维为球心）集合，如图一。 2.4基于卷积的端点分叉点检测 虽然形态学库函数中同样有branch和endpoint的功能，但这两个功能的feature都导致它们并不适合直接使用。比如bwmorph3中branch会返回所有分叉点以及分叉点各自的相邻点。面对如此古怪的feature，不如构造简单的卷积核来求端点分叉点。 ?分叉点检测 首先考虑3*3*3全1的卷积核。在二值、细化图像非分叉部分，其响应应该为3。如果将响应大于3的视为分叉，其结果中会有很多处于真正的分叉点附近、实际却为原图空白部分的点被误判成分叉。原因就是分叉附近往往点较为密集，空白点的26邻域内也容易出现多个1，导致超出阈值。解决方法很简单，要让卷积能区分出原中心线上的点和空白格，只要在kernel的中心加大权重，这样空白格的响应和值为1的点差距会变得很大，从而被排除在外。代码如下（因为convolution包含padding，最终结果还需删除padding部分）： 1A Sequential3D Thinning Algorithm and Its Medical Applications 2Ta-Chih Lee,Rangasami L.Kashyap and Chong-Nam Chu Building skeleton models via3-D medial surface/axis thinning algorithms. Computer Vision,Graphics,and Image Processing,56(6):462-478,1994.
如果绘画技术还达不到凭空想象出人物的表情和动作的时候，建议最好的方法是从临摹开始。各种绘画大家的作品都可以用来临摹，尤其是要注意大师们所用的色彩和构图方法，以及对人物表情、肢体动作的描绘。 这是非常有用且有效的训练手段。毕竟所谓的“熟读唐诗三百首，不会作诗也会吟”，临摹多了，某些固定的、常用的表情动作以及角度，都会得心应手很多。 其次就是要多描摹真实照片。毕竟所谓的生动，就是把假的画成像真的。关键的就是所谓的“真的”。 真的动作是怎么样的，真的眼神是什么样的，那还是要去看“真的”人物是怎么做出来的。 而如果是想要画写实主义的漫画人物，比如像平凡、陈淑芬、正子公也、甚至张旺之类的插画大师的作品，那么照着照片画是非常有必要的。 因为那可以极大地锻炼你的人物比例、身体构造、衣物材质等方面的水平。 而这其中，人体比例是重中之重。如果比例不对，细节上再怎么出色，也是一个失败的作品。当然，如果你说的是小新、小丸子、加菲猫之类的动漫人物，请自动忽略这一条。 （但其实这种漫画人物也是要用到比例的，只不过不是那么重要罢了） 人体比例实在是非常的重要（我好像已经强调过了？）。如果你对此没有什么信心的话，建议还是从基础学起。 多看一些正规美术教材，至少要看两个部分，一、透视原理，二、人体比例。 这两者是所有好的作品的基础，是根本，是土壤，是骨骼，是红烧肉里面的肉，是钱包里的钱。 其实这两个东西学起来也不是很难，一个小时，或者更短，你就能全部理解了。 但是，关键在于熟练地运用，以及毫无差错地绘制出来。 这个就没有别的办法可想了，只有多看，多练习。达芬奇画鸡蛋的故事知道吧？人家都这么练了，咱们也不是天才，自然就要更努力。 ——当然，如果不是想做那种超级大师的话，也不必天天去练画鸡蛋。 ——多画几个苹果青椒什么的也就可以了。 人体是自然界最复杂的机械结构。抱歉，忘了这句话是谁说的了。 但是很有道理。人所能做出的动作，几乎达到了无法计算的数量。所以在熟悉了人体比例之后，就要开始锻炼画人物的动作。 一般来说，脸部的动作不是很多，当然，金·凯瑞这种能做出一百多种表情的货色不在普通范畴之内。 所以主要需要锻炼的是全身的动作。 这个也是需要多观察和多练习。观察走路是什么样子的，走路时候打电话又是什么样子的，走路时候一边打电话一边喝咖啡一边还看身边美女一边脚下还绊到一块石头就要摔跤的刹那是什么样子的…… （其实把以上的这句描述能准确地画出来，就是一幅很有情趣的漫画了） 当然，一般来说是没那么凑巧正好能看到这么一个景象的，但是我们的大脑可以想象。 把一些基本动作都熟练了之后，也就能组合出各种复杂的动作来。 至于脸部的表情，可以多照镜子，多自己摆摆姿势和各种表情。
（1）这个问题不是以前已经解决了吗？ 我觉得目前有两个方法较好的解决。 第一个方法：面转线-如果线是封闭的用FME的DistanceSnipper函数可将线剪掉一小断-可以考虑对线适当的平滑（可选）-加密线上节点-用CollapseDualLinesToCenterline工具提取。 因为CollapseDualLinesToCenterline工具提取线中线时，算法是根据线上节点来提取的，加密节点后效果明显变好。 第二个方法：直接用FME的CenterLineReplacer函数生成面的中线。 见贴：https://www.doczj.com/doc/1417469848.html,/ESRI/ ... p;extra=&page=1 （2） [已解决] 如何快速断开多条线？（提取中心线问题） 本帖最后由 mgfwhy 于 2009-10-12 11:27 编辑 见贴： https://www.doczj.com/doc/1417469848.html,/ESRI/viewthread.php?tid=40029&highlight=%D6%D0%D0%C4%CF%DF 缘兄提到将线断开。可是如果有多条线的话，一一去断开也是一项非常的工程。 请问有快速将一层内线断开的方法吧？ 此外断开的位置对提取结果是否有影响？断开处开口的大小是否有影响？ （3）我得先确定机器里是否有FME （4）安装ArcGIS的时候，如果是完整安装会有Extension这项，装好之后，在安装目录下会有这几项 D:\Program Files\ArcGIS\Data Interoperability Extension\workbench.exe D:\Program Files\ArcGIS\Data Interoperability Extension\fme.exe D:\Program Files\ArcGIS\Data Interoperability Extension\fmeview.exe 第一个是FME的workbench，第三个是fmeview，你可以去找找看，双击打开试试。（可以修改一下盘符，然后把地址贴到开始\运行窗口下确定） 这里的fmeview是可以脱离ArcGIS环境打开的，workbench不行。 ArcGIS嵌入了FME的这两个模块来扩充数据处理能力，但是需要ArcGIS环境。这时候不需要额外安装FME即可在Arctoolbox里新建spatial etl tool（根据向导一步步打开之后是FME Workbench） 另外，Arctoolbox下的data interoperability tools，类似于FME universal translator，支持多种格式的地理数据
最近研究了COMICSTUDIO，功能确实很齐全，可是各种面板感觉太繁杂了，还是界面简洁的PS和SAI更适合我。我觉得画出来的效果也不比CS差多少，手续更简单多了。简要介绍一下一页漫画从草稿到成稿的步骤。使用软件PHOTOSHOP CS2+EASY PAIT TOOL SAI，设备W ACOM INTUOS4 1、先在PS中新建一个300DPI，A4尺寸的文件，背景色白。新建一个图层命名为“FRAME”（框线）。然后分格，具体做法是做出矩形和多边形选区，描边6px。 2、把文件在sai里打开，在frame图层下面新建图层rough（草稿） 然后~就开始画草稿呗
草稿就画到可以在上面描线的程度就可以了。 看一下图层的设置。 因为等一下要在草稿图层上面，也就是FRAME图层里描线，所以把草稿的透明度降低，让它变淡一些。
再看一下画笔的设置： 勾线主要用“笔”因为弹性较大，勾线的感觉灵活，有点类似G笔的感觉。 笔头用最硬的那个，最小直径0 这样有笔锋~ 铅笔也用同样的设置。 就用这两种笔尖就可以了。 混色水分等等一律设0，漫画的线条就是要黑黑的~不要拖泥带水 3、开始描线！画长线时手放松，轮廓线要用力画
画完人物画背景，先把人物以外的区域用魔棒选中（蓝色的部分喔），新建一个画背景的图层
然后点击图层面板上的小太阳，给背景图层添加一个蒙板（这样就不会画到刚才的蓝色以外的区域 蒙板是CG作业最重要和最有用的功能之一，灵活运用一定会很方便~
背景的线条不要比人物粗。这是画着玩的比较粗糙，商业稿件是不可以这么对付的~ -----------------经过一番殊死搏斗----------------------------------------------------------------- 勾线完成啦~！（累死） 4、这样还不能叫做漫画，必须要添加上网点、后期效果和文字，于是回到PS~ 添加对话框。因为这一页的对话全都是独白，所以使用了比较特殊的独白专用对话框对照草稿的位置粘贴~ 对话框有漏到格子外面的部分，选择格子以外的区域，按DELETE！世界清静了~
漫画人物画法技巧 女性的眼睛先画一条向上弯的曲线,曲线最高处的线条要画得略微粗些。这里画的是脸部右边的眼睛，因此曲线左端要比右端高（日式的大眼睛眼角有些下垂）。其实这个还没成型眼睛的顶端是稍带些棱角。 接下来，画眼睛的下半部分。为了确定其位置,我们从上眼线的边缘开始向下轻轻画两条斜线作为辅助线。辅助线的倾斜程度决定眼睛会有多大多宽。通过辅助线画出下眼线，眼角稍微向下往右倾斜一些,右下角的线条要画得略粗些。 在眼睛里面画一个长的椭圆形。也有些漫画人物的虹膜是个大的圆形,这里把它画成细长的椭圆形，可以把形状调宽些。椭圆形上部将被上眼线所遮盖，上部几 乎都要被眼框边缘掩盖。
下一步,画出眼珠高光的轮廓线。通常漫画人物的眼睛会有一些阴影。漫画中女孩一般也都具有明显的阴影和光泽。确立你画中选择的光源，并且在整个画面中都是始终不变的。举例来说，如果在一张画中光线是从左边照射的,那么画面其余部分的高光区也必须源于左边,否则光线所产生的明暗关系就不协调了。画两个长椭圆形:大的椭圆形在眼珠的左上部(与虹膜的边缘重叠),很小的那个在眼睛的另一边。 接着,在高光的下面画上瞳孔。高亮区一般位于上端，千万别把瞳孔画到高光下面了。再画出睫毛，我们所画的这个眼睛，睫毛是从眼睛右上部长出的连续的穗状物。睫毛要顺着眼睛的曲线来画,看起来才会像是由眼上长出的。 选一支大的画笔，用纯黑色在整个画面上涂抹。所勾的边线将会变成它应有的黑色。 现在开始画另一种风格的眼睛。先画一条细长的曲线。左边应该比右边低，而且线左边的转折处要锐利一点。 为了便于定义眼睛的底边,从眼睛的边缘开始轻轻画两条对角交叉线作为辅助线。此处的辅助线没那样垂直。辅助线越趋于水平线,眼睛将会越小。但是也别画得太过于平直。
10.16638/https://www.doczj.com/doc/1417469848.html,ki.1671-7988.2019.01.015 基于单目视觉的车道边缘检测及中心线提取 算法研究 孙悦 （长安大学汽车学院，陕西西安710064） 摘要：车道线检测是无人车环境感知模块的重要组成部分。为实现对智能小车循迹过程中的精准控制，文章提出了一种新的车道中心线的提取算法。首先对图像进行处理，根据光照条件不同进行分类，之后用霍夫变换特征提取方法来检测车道线；根据图像中车道线的几何关系以非拟合的方式得到正确的车道中心线。所提出的方法在规定地图中可以完成完整的车道保持，尤其在弯道中保持良好。实践证明，该智能小车的车道中心线提取准确、稳定、计算速度快。 关键词：图像处理；智能小车；霍夫变换；车道中心线 中图分类号：U461.4 文献标识码：A 文章编号：1671-7988(2019)01-47-03 The overall design of medium-sized trucks based on Python Sun Yue ( Chang'an University, Shanxi Xi'an 710064 ) Abstract:Lane line detection is an important part of the unmanned vehicle environment awareness module. In order to achieve precise control of the tracking process, this paper proposes a new lane center line extraction algorithm. Firstly, the image is processed, classified according to different lighting conditions, and then the Hough transform feature extraction method is used to detect the lane line; the correct lane center line is obtained in a non-fitting manner according to the geome -tric relationship of the lane lines in the image. The proposed method can complete a complete lane keeping in a prescribed map, especially in a corner. Practice has proved that the lane center line of the smart car is accurate, stable and fast. Keywords: Image Processing; Smart car; Hough transform; Lane centerline CLC NO.: U461.4 Document Code: A Article ID: 1671-7988(2019)01-47-03 前言 近些年，随着雷达、摄像头、传感器的升级换代，各种智能驾驶辅助技术成了汽车行业前瞻研究的热点课题：自动跟车、车道保持、自动泊车等，但智能驾驶算法实车验证成本大，硬件设备复杂，企业前瞻研究和高校科研都基于单片机或树莓派的智能小车进行方法验证。 车道中心线的位置主要用于估计车辆位置，作为车道保持算法的输入。目前，国内外研究人员提出了多种基于摄像头的车道线识别和车道中心线提取方法。曹旭光[1]在非结构化道路识别中，用估计中值截距法和最小二乘法进行车道线拟合；Marc Revilloud[2]等通过对车道线进行标记来改善车道的检测和估算算法，在置信度图中使用车道估计的轮廓得到车道标记的面积；Yue Wang[3]等提出基于B-Snake的车道检测和跟踪算法，能够描述更宽范围的车道结构。但当车道线 作者简介：孙悦（1995-），女，硕士研究生，就读于长安大学汽车 学院。 47
photoshop手把手教你把任意图片处理成线稿 对于上色家或者漫画爱好来说,线稿无疑是很重要的. 同学们大多都是爱好者, 很多同学并不具备自己绘制线稿的能力或者时间. 但是PS的技术却可以让我们轻易的制作出各种线稿. 这个方法也不记得是哪学来的了,虽然还是有点瑕疵 ,呵呵, 高手就帮补完吧 . 下面请同学们认真听课. 这里我将会给同学们介绍图片处理成线稿的方法, 以及漫画上色选区的一点小敲门 . 首先,我们先打开一张图片. 图例: 打开图片之后, 我们先把图像处理成黑白. 点击菜单栏:图像-调整-黑白 快捷键:Alt+Shitf+Ctrl+B
现在我们把这个图层复制一个 . 点击菜单栏:图层-复制图层-确定. 快捷键:Ctrl+J 大家可以看左下角的图层面板. 对复制出来的图层执行"反向"处理. 点击菜单栏: 图像 - 调整 - 反向. 快捷键:Ctrl+I 这样就类似与底片的效果了.
再接着, 修改已经反向的图层的图层属性, 改为颜色减淡. 请看图. 现在就是白白的一片了, 之后的那一步是很重要的, 因为他直接决定了线稿的精细度. 现在执行"高斯模糊". 点击菜单栏: 滤镜 - 模糊 - 高斯模糊. 由于设置的参数不一样 ,所以我们得到的效果也是不一样的.
这一副参数为4像素 我选择了2.7像素
线稿就这样制成了 . 不过仍然会有一点麻麻的黑点在上边 . 我们可以用橡皮擦出 . 我上色的方法不是把线稿图层设置为正片叠底, 当然这个有时候也很有用. 我首先会把线稿和背景分离开, 然后在用橡皮擦出线稿图层的污渍,杂点 . 题外话, 杂点总是会存在的. 所以我们才需要PS来处理. 现在我来教大家分离线稿和比较轻松就能得到选区方法. 在确定好线稿之后 , 我们拼合图层. 方法有不少, 点击菜单栏: 图层 - 向下合并, 合并可见图层都可以.
A r c G I S方法利用到路面提取道路中心线的方 法 集团企业公司编码：（LL3698-KKI1269-TM2483-LUI12689-ITT289-
A r c G I S方法-利用到路面提取道路中心线的方法利用到路面提取道路中心线的方法在利用GIS制图时，需要经常跟数据打交道。很多初级的制图人员都存在一种惯性思路，以为数据精度越高，出图的效果就越好。这是错误的观点。假如现在需要制作1:1w的地图，但手头上却只有1:500的地形图，数据精度虽然很高，但却无法在小比例尺下显示出来。回到主题上，1:500的数据，大多数道路都是以面状显示。由于其精度高，有些数据甚至是不带线道路图层的，而在1w的地图下，道路以线状表达才是符合要求的。所以，这就需要涉及到地图制图的一个常规工作—地图缩编。 本文主要介绍如何从到路面直接提取出道路中心线，从而辅助小比例尺地图的制作。 由于面状数据一般都是不规则的，所以很难从其提取中心线，一般的GIS 软件也没提供直接提取的工具。ArcGIS里面虽然也有一些工具可以辅助一下处理，例如在制图工具箱里面有一个提取中心线的工具，但这个工具的作用是通过道路边线（双线）提取中心线。也有人说ArcGIS里面同样是提供面转线工具，先用工具转一道再提取不就行了吗？可是问题来了，面转线工具传出来的数据是封闭线，而不是道路边线，提取中心线工具依然是不可用，除非在每个路面图形打断两端的封闭，不然无法进行提取，恰好打断工作又是非常的巨大。因此，该方法还是不可用。 为了解决这个问题，那就是ArcScan扩展模块。提到ArcScan扩展，很多专业人员第一时间反应是这只是个栅格矢量化工具，跟当前讨论的中
手绘起步教程：1. 提取线稿的处理 首先是从扫描开始就需要注意的一些问题。最好使用灰度模式（黑白模式线伤的很厉害），300DPI 或更高来扫描。 如果你的线稿是仔细勾好墨线的，那么按一般情况扫就可以了，但是如果你的线稿是铅笔的话，最好将亮度、对比度、中间阶调等提高10个百分点后再扫描，否则可能会出现难以处理的灰度（其实墨线的画稿这样扫也不错）。 扫描结束后看到的图像应该像上边的例图一样，线条是淡淡的黑色，但白色部分却是很干净的。 在经过画面的清洁之后（就是去除残留的污点等）用色阶工具(CTRL+L)将黑白对比拉开。 如果你的画稿扫描出来像上图那样是淡淡的灰色，那么就之需要将黑色的三角形进行调整就可以了，数字可以控制在140左右；在画面足够干净的情况下可以使用自动色阶(Ctrl+Shift+L)进行调整就可以了。
这时的模式还是灰度，所以在通道窗口内只有一个黑色的通道存在。 点击箭头所指的按钮，选中这个通道内包含的颜色，也就是选中所有黑色像素，其中也包括灰度部分。 刚刚选中的部分实际上是线稿中黑色以外的白色，这个时候需要使用反选命令(Ctrl+Shift+I)将选区颠倒过来。 新建一个图层，给刚才的选区中填上黑色。 这样你就有了一个纯粹的线稿图层，不会再因为周围的白色而在最后处理的过程中留下任何遗憾。
好，现在有了新的线稿层，那么原先背景层上的图像就可以不需要了，这时候可以将那一层删的干干净净然后用来做防止漏色的底色来用。 最后！在背景层和线稿层之间插入一个新的图层，以后的上色工作就在这些新的图层中完成吧！要注意的一点：除非是特殊需要，否则线稿的那一层需要一直保持在最上一层哦。
对于上色家或者漫画爱好来说,线稿无疑是很重要的.爱画吧们的同学们大多都是爱好者,很多同学并不具备自己绘制线稿的能力或者时间.但是PS的技术却可以让我们轻易的制作出各种线稿.这个方法也不记得是哪学来的了,虽然还是有点瑕疵,呵呵,高手就帮补完吧.下面请同学们认真听课.这里我将会给同学们介绍图片处理成线稿的方法,以及漫画上色选区的一点小敲门.首先,我们先打开一张图片.图例: 打开图片之后,我们先把图像处理成黑白.点击菜单栏:图像-调整-黑白
现在我们把这个图层复制一个.点击菜单栏:图层-复制图层-确定.快捷键:Ctrl+J大家可以看左下角的图层面板.
对复制出来的图层执行反向处理.点击菜单栏:图像-调整-反向.快捷键:Ctrl+I这样就类似与底片的效果了.再接着,修改已经反向的图层的图层属性,改为颜色减淡.请看图.
现在就是白白的一片了,之后的那一步是很重要的,因为他直接决定了线稿的精细度.
现在执行高斯模糊.点击菜单栏:滤镜-模糊-高斯模糊.由于设置的参数不一样,所以我们得到的效果也是不一样的. 我选择了2.7像素.
线稿就这样制成了.不过仍然会有一点麻麻的黑点在上边.我们可以用橡皮擦出.我上色的方法不是把线稿图层设置为正片叠底,当然这个有时候也很有用.我首先会把线稿和背景分离开,然后在用橡皮擦出线稿图层的污渍,杂点.题外话,杂点总是会存在的.所以我们才需要PS来处理.现在我来教大家分离线稿和比较轻松就能得到选区方法. 在确定好线稿之后,我们拼合图层.方法有不少,点击菜单栏:图层-向下合并,合并可见图层都可以.
今天才发现有这个区了汗话说本篇不算上色教程所以还是发来这好了希望对还不知道怎么处理线稿的亲有帮助（以前咱也迷茫过一阵）放心不会PS的看了也会懂~XD 前言：喜欢上色的亲是否在为自己画稿线条太黑太突兀不似别的CG里衣服头发脸颊线条颜色区分分明和统一而烦恼呢？今天就来教你这一部让你的CG作品更柔和~ PS：因为提取方法比较灵活各有各的我写的是我觉得好用的当然你有更快捷的方法欢迎分享^^ 例子随便拿了张自己的图作师范（有点不好意思^ ^b） 首先确保你有PHOTO SHOP（废话）所有步骤都在PS里完成（当然如果你是在PT里绘画的画 PT里的图层属性默认是透明的 SO你可以直接锁定线稿的透明层然后选择填充你想要的颜色就行了很方便） 如果你是扫描线稿的也没关系打开你想改的线稿查看通道确保是RGB格式如果不是如图选择→图象→模式→RGB颜色
Ctrl+L呼出调整色阶的对话框（或直接去调整→图象→色阶里选）按图里拉秆左右调节线稿的颜色这部的目的主要是让线稿颜色可以黑白分明起来最好是调到没有中间过度的灰色只有黑白为最好做到哪个地步看个人喜好当然你也可以使用复制多个线稿叠加的方法来增加线稿颜色这一步比较灵活如何处理看你了总之目的还是那句话------------黑白 分明
调节完毕后如果有不干净的地方用橡皮擦修干净修理线稿这2步做好是最关键的做的越精细后期上色越方便反之后期补救很麻烦XD 全部处理完毕后在通道面板里如图所示把第一个RGB拖近第一个圈内（就是做为选区啦）
此时你可以看到自己的线稿外部分已经被选中
然后Ctrl+Shift+I反选或者到选择里进行这时候就是把线稿全部选中了