梁博 曾齊紅 劉遠(yuǎn)剛 鄧帆 邵燕林

摘要：針對(duì)露頭影像裂縫特征識(shí)別與矢量化問題，提出基于c++與MATLAB混合編程的裂縫識(shí)別及矢量化方法。調(diào)用MATLAB中的圖像裂縫識(shí)別函數(shù)快速提取露頭裂縫，同時(shí)采用一種改進(jìn)的八鄰域追蹤算法實(shí)現(xiàn)裂縫線狀要素的矢量化。實(shí)驗(yàn)結(jié)果表明，該方法將c++與MATLAB二者優(yōu)勢(shì)互補(bǔ)，兼顧了程序的開發(fā)效率與執(zhí)行效率;改進(jìn)的八鄰域追蹤算法，在追蹤過程中自動(dòng)簡(jiǎn)化線要素，既壓縮了裂縫矢量數(shù)據(jù)的存儲(chǔ)空間，也提高了八鄰域追蹤算法的效率。

關(guān)鍵詞：混合編程;MATLAB;C++;八鄰域追蹤;矢柵轉(zhuǎn)換

中圖分類號(hào)：P208 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-8228（2020）07-72-04

0引言

露頭作為探索地下礦物油藏、反映地質(zhì)運(yùn)動(dòng)的有利憑證，在地質(zhì)研究中起到關(guān)鍵性作用，對(duì)露頭表面裂縫線狀要素進(jìn)行自動(dòng)識(shí)別與矢量化對(duì)露頭數(shù)字模型建立和露頭表面裂縫特征分析具有重要意義。MATLAB憑借其強(qiáng)大的數(shù)值計(jì)算能力被廣泛應(yīng)用于數(shù)字圖像處理、數(shù)值分析、算法開發(fā)等眾多領(lǐng)域，將MATLAB應(yīng)用于露頭表面裂縫識(shí)別，可大大提高開發(fā)效率。其作為一門解釋性編程語言，MATLAB也存在諸多短板，例如代碼執(zhí)行效率低、源代碼保密性較差、界面開發(fā)能力較差等。而c++作為一門面向?qū)ο蟮某绦蛟O(shè)計(jì)語言，執(zhí)行效率較高，程序開發(fā)較為靈活且易于維護(hù)，但與MATLAB相比在圖像處理算法實(shí)現(xiàn)上較為復(fù)雜，若算法涉及大量的工程計(jì)算，僅僅依靠c++進(jìn)行算法開發(fā)顯然要繁瑣許多，不僅降低了開發(fā)效率，而且增加了出錯(cuò)的風(fēng)險(xiǎn)。實(shí)際應(yīng)用中，若能將c++與MATLAB二者優(yōu)勢(shì)互補(bǔ)，將大大提高編程效率，同時(shí)也保證了程序的執(zhí)行效率與靈活性。

針對(duì)以上問題，筆者提出將c++與MATLAB混合編程應(yīng)用于露頭表面線狀要素識(shí)別及矢量化方法的研究。在前期研究工作中，已經(jīng)利用MATLAB開發(fā)了露頭表面裂縫線狀要素識(shí)別與提取算法，本文將具體介紹如何利用c++調(diào)用MATLAB所實(shí)現(xiàn)的算法，提取露頭圖像中的裂縫特征，并利用c++實(shí)現(xiàn)一種改進(jìn)的線狀要素矢量化方法完成裂縫特征的矢量化。

1C++與MATLAB混合編程實(shí)現(xiàn)露頭裂縫識(shí)別

本文采用的露頭裂縫識(shí)別算法，是一個(gè)在MATLAB中封裝好的函數(shù)——Beamlet函數(shù)。研究中，為了實(shí)現(xiàn)露頭裂縫的識(shí)別，采用c++與MATLAB混合編程的方式，將MATLAB中的Beamlet函數(shù)發(fā)布成C++函數(shù)庫，在VS2017集成開發(fā)環(huán)境中，以及OpenCV跨平臺(tái)視覺庫的支持下，通過c++調(diào)Beamlet函數(shù)。

1.1 MATLAB函數(shù)編譯成C++庫文件

（1）開發(fā)環(huán)境

本文所有試驗(yàn)均在windows 10操作系統(tǒng)下完成。c++開發(fā)環(huán)境為Microsoft Visual Smdio 2017，Matlab編程環(huán)境為Matlab 2016b，程序中采用的OpenCV版本為3.2.0。

（2）生成C++函數(shù)庫文件

Matlab編譯器使用mcc命令能將一個(gè)M文件編譯成c++能夠調(diào)用的頭文件及其函數(shù)庫。因此，采用mcc命令將Matlab中的圖像裂縫識(shí)別函數(shù)（Beamlet函數(shù)）編譯成供C++調(diào)用的函數(shù)庫。具體過程包括：①首先在Matlab中準(zhǔn)備裂縫識(shí)別程序，并命名為Beamlet.m，該函數(shù)的功能是對(duì)露頭表面圖像進(jìn)行裂縫線狀要素識(shí)別，識(shí)別結(jié)果以柵格數(shù)據(jù)的形式輸出;②打開MATLAB軟件的命令窗口，輸入mcc命令：mex-setup，在出現(xiàn)的相應(yīng)界面中點(diǎn)擊選項(xiàng)：mex-setupC++;③輸入編譯命令：mcc-W cpplib：Beamlet-Tlink：lib add，其中“Beamlet”表示想要生成庫文件的名稱，點(diǎn)擊確定，開始編譯;④提示編譯成功，即成功將M文件編譯成c++函數(shù)庫，其中Beamlet.h、Beamlet.1ib和Beamlet.dll可供c++程序訪問。

1.2調(diào)用Beamlet算法識(shí)別裂縫

（1）配置C++項(xiàng)目

在VS2017中配置vc++項(xiàng)目，為調(diào)用圖像裂縫線狀要素識(shí)別函數(shù)做準(zhǔn)備。具體過程如下：①在VS2017中創(chuàng)建c++項(xiàng)目;②進(jìn)入項(xiàng)目的屬性頁，配置vc++目錄中的包含目錄與庫目錄，包含目錄：[Matlab安裝目錄]kR2016a＼externkinclude;庫目錄：[Matlab安裝目錄]kR2016a＼extern＼lib＼win64kmicrosoft;③向項(xiàng)目中添Beamlet.h、Beamlet.1ib、Beamlet.dll這3個(gè)文件;④在項(xiàng)目中加載Beamlet.1ib文件，即在項(xiàng)目中需要調(diào)用Beamlet算法的文件頭部添加命令：#pragma comment（lib，”Beamlet.lib”），鏈接Beamlet.1ib庫文件;⑤添加c+斗頭文件，#include，運(yùn)行測(cè)試，完成配置。

（2）調(diào)用Beamlet函數(shù)

下面重點(diǎn)說明在vc++項(xiàng)目中用c++語句調(diào)用MATLAB函數(shù)的具體方法，圖1為c++調(diào)用Beamlet函數(shù)方法流程圖。

流程圖中算法具體步驟如下：

步驟1c++讀取圖像。采用OpenCV中Mat類讀取圖像，存入矩陣。

string path=”E：＼＼data＼＼1.jpg”;

cv：：Mat image=imread（path，1）：

//實(shí)例化Mat對(duì)象image，讀取圖像存入矩陣image

步驟2設(shè)置函數(shù)兩個(gè)輸入?yún)?shù)a，b。double a[1]：double b[1]

//用double類型數(shù)組a、b存放兩個(gè)參數(shù)

步驟3參數(shù)c++類型轉(zhuǎn)化為MATLAB類型。MATLAB函數(shù)均是以矩陣的形式進(jìn)行參數(shù)的輸入，輸出，因此，在調(diào)用函數(shù)時(shí)，需將參數(shù)轉(zhuǎn)換為mwArray類型進(jìn)行傳輸。

步驟9采用cv：：Mat類對(duì)象存儲(chǔ)Beamlet函數(shù)的處理結(jié)果。

步驟1 0函數(shù)處理結(jié)果圖像顯示。

結(jié)果如圖2所示。

2改進(jìn)的八鄰域追蹤矢量化算法

如圖2所示，調(diào)用Beamlet算法識(shí)別的露頭裂縫為一張細(xì)化的二值圖像，圖中裂縫被識(shí)別為寬度為一個(gè)像素的柵格線。在柵格數(shù)據(jù)中采用緊密相連的柵格像元來表示線狀要素，而在矢量數(shù)據(jù)中只需記錄曲線折點(diǎn)的相應(yīng)坐標(biāo)便可以精確的表示線狀要素。為了精確表達(dá)裂縫特征，需要將柵格圖像轉(zhuǎn)為矢量圖形。在柵格轉(zhuǎn)矢量的過程中，若完全保留每個(gè)柵格像元的坐標(biāo)，則會(huì)造成大量的冗余點(diǎn)，這是算法需要避免的。本文借助C++中的雙向隊(duì)列deque來存儲(chǔ)矢量曲線的坐標(biāo)點(diǎn)，采用一種改進(jìn)的八鄰域追蹤算法實(shí)現(xiàn)裂縫柵格圖像的矢量化，同時(shí)盡量壓縮矢量圖形上的定點(diǎn)數(shù)。

2.1八鄰域追蹤算法基本思路

當(dāng)進(jìn)行線狀要素追蹤時(shí)，與當(dāng)前像素點(diǎn)相鄰的像素點(diǎn)則稱作該點(diǎn)的8個(gè)鄰接像素，如圖3所示，設(shè)定種子點(diǎn)P1左上角點(diǎn)為鄰域點(diǎn)1，按順時(shí)針方向?qū)肃徲螯c(diǎn)分別標(biāo)號(hào)為①、②、…、。八鄰域追蹤算法基本思路如下：①在二值圖像中找到一個(gè)裂縫點(diǎn)（圖2中白色像素點(diǎn)）作為追蹤起點(diǎn);②按照八方向搜索機(jī)制檢索相鄰裂縫點(diǎn)，當(dāng)找到相鄰裂縫點(diǎn)時(shí)，記錄下來并將起點(diǎn)從影像中刪除（賦值為背景顏色），然后以該鄰接點(diǎn)為新的起點(diǎn)繼續(xù)搜索;③若起點(diǎn)的八方向均未搜索到裂縫點(diǎn)，則終止本次搜索，并轉(zhuǎn)入①，開始下一條線的追蹤。

2.2線狀要素矢量化實(shí)現(xiàn)

本文采用OpenCV中的Mat類對(duì)象存儲(chǔ)Beamlet函數(shù)處理結(jié)果，即讀取線狀要素柵格圖像并存入矩陣。設(shè)a（i，j）為當(dāng)前柵格像素（i，j）的灰度值，像素點(diǎn)為白色（a（i，j）=255））或黑色（a（i，j）=0），當(dāng)前像素（i，j）的3×3鄰域矩陣如圖3所示。圖中點(diǎn)Pl為追蹤起點(diǎn)，其像素值a（i，J）=255，該點(diǎn)的①號(hào)鄰域點(diǎn)P2的值a（i-1，j-1）=255，說明P2是追蹤線上的下一個(gè)點(diǎn)。

在八鄰域追蹤算法的基礎(chǔ)上，本文提出了一種改進(jìn)，改進(jìn)算法流程見圖4。主要步驟包括：①確定柵格影像追蹤起點(diǎn);②從起點(diǎn)開始向八方向搜索相鄰點(diǎn)，搜索成功時(shí)，將該點(diǎn)賦值為背景色，記錄檢索方向并保存;③判斷此方向與上一點(diǎn)處所保存的方向是否一致，若一致，且此點(diǎn)不為該條線的端點(diǎn)，則舍棄該點(diǎn)繼續(xù)追蹤下一點(diǎn)，否則保留該點(diǎn)，而后將其作為新起點(diǎn);④若新起點(diǎn)的八方向均未檢索成功，表示一條線的搜索已完成，將此線對(duì)象保存;⑤搜索另一線對(duì)象，直到全部遍歷完成。

該算法具有兩個(gè)優(yōu)點(diǎn)：①每次成功搜索到新的鄰接點(diǎn)時(shí)，記錄方向，下一次搜索時(shí)會(huì)率先搜索此方向，這符合普遍規(guī)律下線條的延伸狀態(tài)，大大減少檢索的次數(shù)，提高效率;②只存儲(chǔ)同一條線段的首尾兩點(diǎn)，在保留曲線的特征點(diǎn)（折點(diǎn)）的同時(shí)實(shí)現(xiàn)矢量數(shù)據(jù)壓縮。

最后調(diào)用本文實(shí)現(xiàn)的矢量化算法將Matlab模塊提取的裂縫圖像矢量化，并輸出為Shapefile格式。如圖5所示，為矢量化的裂縫圖形與對(duì)應(yīng)的露頭圖像疊加顯示的效果。

3結(jié)束語

本文提出基于c++與Matlab混合編程的露頭表面裂縫識(shí)別與矢量化方法，給出了實(shí)驗(yàn)方案的總體設(shè)計(jì)、實(shí)驗(yàn)思路詳細(xì)分析、算法設(shè)計(jì)及具體實(shí)現(xiàn)，提供了類似問題完整解決方案。實(shí)驗(yàn)效果表明：借助c++與Matlab混合編程成功調(diào)用Matlab函數(shù)，參數(shù)的輸入與輸出主要依賴C++程序?qū)崿F(xiàn)，后臺(tái)圖像數(shù)據(jù)的處理與運(yùn)算主要由Matlab模塊函數(shù)實(shí)現(xiàn)，充分結(jié)合了c++與Matlab各自的優(yōu)點(diǎn)，兼顧了程序的開發(fā)效率與執(zhí)行效率;通過一種改進(jìn)的八鄰域追蹤算法對(duì)柵格數(shù)據(jù)進(jìn)行矢量化，減少在追蹤過程中的鄰近點(diǎn)搜索次數(shù)，提高算法效率同時(shí)減少了線狀圖形中的冗余頂點(diǎn)，實(shí)現(xiàn)了結(jié)果數(shù)據(jù)的壓縮。