文献综述
【摘要】 绘制矢量化图形的过程包括图像二值化、去噪、平滑、细化、矢量化和矢量化输出。本文通过在数学形态学去噪特性的基础上，运用深度学习的方法进行矢量化。直线、圆弧和圆是图形中用于图像识别和矢量化的三个基本图像元素在识别直线的过程中，霍夫变换需要大量的计算，并且识别直线的精度不够。笔者利用前人的研究成果，通过分析圆并结合圆弧的几何特性，分析直线以及直线的几何特征，利用霍夫变换与机器学习的方法来设计一个将图纸进行矢量化，最后，通过在Auto CAD系统中按照DXF文件格式记录矢量化结果，并实现矢量化输出的过程。
【关键词】工程图纸 矢量化 霍夫变换 噪声处理
1工程图纸矢量化的一般流程
首先用扫描仪对工程图纸扫描得到扫描图像，将该图像进行二值化，对二值图像进行去噪、膨胀、修补、腐蚀等预处理，然后进行矢量化处理，得到图形的矢量化文件，最后进行优化处理。其中矢量化处理一般包括对直线、圆弧、曲线、符号和文字的矢量化。
2噪声处理
由于工程图纸上的污迹、线型的粗细不均匀以及原工程图纸的误差和扫描过程中存在各种干扰因素，加上工程图纸由于长期的存放导致材料变形、磨损、折皱等，会使扫描后的图像存在许多孤立点、孔洞、毛刺、断线和线条边缘凸凹不平等噪声干扰，噪声恶化了图像质量，给矢量化带来困难，因此有必要对扫描得到的图像进行滤波处理。 简单的滤波方法是利用数学形态学的断开和闭合运算，交替作用于目标图像，达到消除孤立点，修复部分断线的目的。文献[2]给出了几种基于阈值的滤波方法，阈值滤波方法对图像进行滤波时，对每个像素点不加区别都施加同样的运算，因此它们对某一种噪声的滤波效果较好，而对其它类别的噪声滤除作用不明显，且容易对图像的细微结构如线条边缘、转角造成模糊，带来图像分辨率的下降，降低了滤波器在实际应用中的效率，因此有必要针对不同的情况，综合应用这些滤波方法，寻找好的滤波方法，能够自适应地消除不同的噪声干扰，利于后面的工作。
3霍夫变换
在图像处理中，对直线的识别和定位就显得十分重要。同时，工程上对直线物体或图标进行模式识别和定位是一个常见的问题。所以寻求一种快速的直线检测方法非常重要。霍夫变换是一种用来在边缘增强处理后的图像中，提取边缘特征的简便而有效的方法，它能够提取直线、圆、椭圆、二次曲线甚至是任意形状的边缘。霍夫变换在计算机视觉、军事防御、办公自动化等领域都得到了普遍的关注和广泛的应用。其基本思想是将原图像变换到参数空间，用大多数边界点满足某种参数形式来描述图像中的线，通过设置累加器进行累积，求得峰值对应的点所需要的信息。霍夫变换以其对局部缺损的不敏感，对随机噪声的鲁棒性以及适于并行处理等优良特性，备受图像处理、模式识别和计算机视觉领域学者的青睐。霍夫变换的突出优点就是可以将图像中较为困难的全局检测问题转换为参数空间中相对容易解决的局部峰值检测问题。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
