CN100382078C - 图形比较装置及方法 - Google Patents

Abstract

在细化输入图像之后，提取图元。首先，提取粗图元，然后根据贪婪方法在合并-拆分处理中将粗图元变成图元。根据图元和图元之间的空间关系，生成描述该图形的内容和结构的属性图。使用改进的德劳内三角和属性集产生该属性图。对于每个互相比较的查询图形和比较图形产生具有该属性集的属性图，由此进行图形比较。

Description

图形比较装置及方法

技术领域

本发明涉及一种用于比较图形(drawing)的装置及方法。

背景技术

随着IT技术及日常生活中的数字化表现(representation)的发展，图形的有效管理及获取是有待解决的重要问题。根据统计数据，在20世纪90年代初，仅在美国和加拿大图形的数量就达到35亿，并且每年新增加大约2600个图形。每年为了发行而整理、复制、存取及准备图形的成本已超过10亿美元。最进，有许多人已经开始研究图形电子管理，具体通过从硬拷贝图形自动生成及识别DAC文件，以提高效率并降低维护成本。特别在这种方法中，与查询图形相似的图形被自动从数据库中提取出来。通过比较图形的内容来进行图形的获取。

基于内容的图形比较在应用上带来有价值的效果。当工程师设计一种新型产品时，一般参考许多先前的图形。然而，为了搜索相关的图形，要搜索每一个文件。因此，这是一种时间和劳动密集的技术。为了解决这个问题，提出了一种将文本作为辅助方法的获取方法。即在每个图形上标注注释文本，用作获取中的关键词。然而，这种方法要求给许多图形编制文本的繁重的步骤，并且文本不能充分代表图形的内容。因此，这种方法不能输出可接受的获取准确性。如果能够发展一种自动比较及获取技术，设计者的工作效率则能够显著提高，同时在很大程度上减少设计和维护成本。

最近，一些人热衷于研究基于内容的图形比较，并且已经提出一些有效的方法。

由S.泰波恩(S.Tabbone)在F-标识(signature)中提出的一种公开的方法是比较图形的图元(参考非专利文献1)。在这种方法中，互相比较从图形中提取的图元之后获取图形，并且不能进行局部检测或比较。因此其应用受到限制。

另一种公开的方法是使用文本和图形结构信息的组合来获得含有特征部分的图形。参考专利文献1。在这种方法中，输入用于获取的文本，并且比较该文本与存储在模型数据库中的几何模型，并且最终基于文本和模型的形状获取图形。因此，这种方法主要取决于文本的获取模式，并且主要用于装配工程图形。

[非专利文献1]“使用角度标识信息匹配绘图中的图形符号”(Matching of graphical symbols in line-drawing images using angular signatureinformation)S.Tabbone，L.Wendling，K.Tombre等著，文献分析和识别国际期刊，第6卷，第一版，2003年6月(International Journal of Document Analysisand Recognition，Volume 6，issue 1，June 2003)

[专利文献1]USP NO.5,845,288

如上所述，基于图形的内容比较图形的传统方法存在不足，并且需要一种更完善的基于图形内容的图形比较装置或方法。

发明内容

本发明的目的为提供一种图形比较装置，其能够通过直接比较图形中包含的形状而输出检索结果。

本发明的图形比较装置比较存储在数据库中的比较图形与查询图形，并且该图形比较装置包括：一图元(primitive)提取单元，用于将输入图形分解为图元，所述图元为比较图形与查询图形的组成部分(component)；一属性图生成单元，用于生成描述关于在比较图形与查询图形中所描述的图元以及图元之间的空间分布的信息的属性图；以及一属性图比较单元，用于通过比较从比较图形和查询图形获得的属性图来获得比较图形和查询图形之间的对应关系。

本发明的图形比较方法比较存储在数据库中的比较图形与查询图形，并且该方法包括：图元提取步骤，将输入图形分解为图元，该图元为比较图形与查询图形的组成部分；属性图生成步骤，产生描述关于在比较图形与查询图形中所描述的图元以及图元之间的空间分布的信息的属性图；及属性图比较步骤，通过比较从比较图形和查询图形获得的属性图来获得比较图形和查询图形之间的对应关系。

根据本发明，由于直接比较图形中包含的形状(shape)，能够实现具有高精度及高可靠性的图形比较装置和方法。

根据本发明，能够直接比较图形中的形状，并且在一次图形检索过程中，能够以高精度将一幅图形与数据库中的大量图形比较。特别地，可基于图形中的形状和内容进行在传统技术中不能充分实现的部分检索。

附图说明

图1示出了根据本发明的实施例基于内容的图形比较装置的结构；

图2示出了根据本发明的实施例图元提取单元的结构；

图3A和图3B示出了图形中彼此相交的两条曲线及根据本发明的实施例的图形分解单元的处理结果。

图4A和4B为根据本发明的实施例合并处理的流程图；

图5为根据本发明的实施例中粗图元的合并处理的示意图；

图6A和6B为从表示为取样点的图元中生成属性图的示意图；

图7A至7C为显示根据本发明的实施例生成属性图的示意图；

图8A至8C为根据本发明的实施例提取属性的示意图；

图9A和9B为当说明本发明的一个实施例时，所参考的查询图形和比较图形；

图10A和10B示出了根据本发明实施例的查询图形的拆分结果和比较图形的拆分结果；

图11A和11B示出了根据本发明实施例的查询图形的图元提取结果和比较图形的图元提取结果；

图12A和12B示出了根据本发明实施例的查询图形产生的属性图和比较图形生成的属性图；

图13示出了根据本发明的实施例说明中的比较结果；及

图14示出了当通过程序实现根据本发明的实施例的图形比较装置时，对于信息处理装置要求的硬件环境。

具体实施方式

根据本发明的实施例，输入到图形比较装置的数据是诸如BMP、JIF等标准图像数据格式的图形，例如通过扫描图形的硬拷贝，拍摄一幅画面，及直接从CAD文件绘图中转换数据来获得。对于根据本发明实施例的比较装置，对于输入的图形数据格式有进一步的要求(condition)。下述为一个没有注释文本的二进制图像(image)。然而，任何的图形含有许多的注释文本，用于解释部件的大小及工艺。此外，一般通过扫描或使用相机获取到的图像数据不是二进制图像。根据输入条件，通过扫描或拍摄得到的图片获得的图像首先使用二进制化(binarization)装置被转换成二进制图像，然后通过文本-图形拆分装置拆分二进制图像中的注释文本，并且除去该注释文本，这样进行了预处理。

根据本发明的图形比较装置从输入图像中提取形成图形的图元，从上述图元产生属性图，并且最后比较属性图，由此获得两幅图形之间的对应关系。特别地，根据本发明实施例的图形比较装置包括一图元提取单元，用于接收二进制图像，并且将图形分解成如直线、曲线、椭圆等的图元；一属性图生成单元，用于使用由图元提取单元提取的图元以改进德劳内(Delaunay)方法产生属性图，并为其定义一属性值；及一属性图比较单元，用于计算由属性图生成单元产生的两幅属性图之间的对应关系并输出图形比较结果。

此外，在根据本发明实施例的图形比较装置中，图元提取单元包括图形细化单元，用于接收二进制图像并将图形中的所有粗线转换为1象素宽的线；图形分解单元，用于使用细化了的图形的节点将图形分解成一组粗图元(rough primitives)；及合并-拆分单元，用于在合并-拆分处理中，通过重组图形分解单元输出的粗图元形成有意义的图元。

根据本发明的实施例，合并-拆分单元重组图形分解单元输出的粗图元，并根据下面的标准形成有意义的图元。也就是，当在一特定节点附近有粗图元，在所有靠近该节点的粗图元中，在端点处具有相同切线方向的图元基于贪婪算法(greedy strategy)被合并。

此外，在根据本发明实施例的图形比较装置中，属性图生成单元以改进德劳内方法产生属性图。特别地，图形比较装置使用多个点均等地取样每个图元提取单元输出的图元，并使用取样点产生德劳内三角。最后，合并通过产生德劳内三角形成的节点，由此产生属性图。

根据本发明的实施例，属性图生成单元通过使用多个取样点表示一个图元而产生属性图，从而使属性图不会丢失附加信息。对于长图元，这个图元是否连接到靠近它的一个图元是通过确定另一个图元是否位于一个端点或靠近一个中间点来确定。由此产生的属性图更清楚地显示了图元的空间分布。

此外，在根据本发明实施例的图形比较装置中，属性图生成单元以一属性集表示图元之间的空间关系，上述属性集包括相对角、相对长度、相对位置、相对距离和相对最短距离。

在上述处理之后，图形被转换成属性图。该图不仅存储关于图形的图元的信息，而且存储图元之间的空间分布。因此，它充分表达了图形的内容。因此，图形获取实现了属性图之间对应关系的计算，这可通过现有的图形比较装置来进行。

图1是根据本发明实施例的图形比较装置的结构框图。

根据本发明实施例的图形比较装置包括下面三个单元。

(1)图元提取单元10

(2)属性图生成单元11

(3)属性图比较单元12

1.通常，图形由例如直线、曲线等一些基本要素组合而构成，从而它们能够表达目标物体的形状、结构和大小。图元提取单元10设计为重新产生直线和曲线，也就是来自输入图形的图元。

图2为显示图元提取单元的结构的框图。

如图2所述，图元提取单元10包括三部分，即(1)图形细化单元13，用于在细化处理中将所有的线条转换成1象素宽的线，(2)图形分解单元14，用于基于细化了的图形的节点将图形分解成一组粗图元，及(3)合并-拆分单元15，用于组合来自图形分解单元14的粗图元，以产生平滑、有意义的图元。

1.1图形细化单元13

图形细化单元以公知的细化处理将所有的粗线转换成1象素宽的线。参考Anil K.Jain的“数字图形处理基础(Fundamentals of digital imageprocessing)”，第382-383页，Prentice-Hall，NJ，1989。

1.2图形分解单元14

包含在图形中的直线和曲线的组合一般很复杂。即直线和曲线彼此交叉。因此，从图形中产生有意义的图元。即直线和曲线的产生要求实际识别图形及分析图形中节点的功能。

在图形细化单元13的处理之后，图形的所有直线和曲线被转换成一象素宽的线，由此易于获得节点信息。图形分解单元14使用这些节点和线的端点将图形分解成粗图元。

图形分解单元14的处理步骤包括：

1)计算每个象素的8个连续相邻点的数目，及

2)连接8个连续的相邻点，并且连接到两个相邻象素，由此产生粗图元。

图3显示了分解一幅图像的过程。

图3A显示了由两条交叉曲线形成的图形。黑色和灰色点表示没有相邻点的象素，并且白色圆圈表示具有两个和更多相邻点的象素。图3B显示图形分解单元的处理结果，由两个交叉曲线获得四个粗图元。在图3B中1至4是标号。

1.3合并-拆分单元15

在图形分解单元14的处理之后，图形中所示的曲线可被分成多个粗图元。实际上在图3B中，两条曲线被分成四个粗图元。合并-拆分单元15以切线方向和空间距离合并粗图元，并产生有意义的图元。基本的标准为产生的图元为最可能平滑的曲线。如图4A所示，合并-拆分单元15包括两部分，即合并单元16和拆分单元17。

1.3.1合并单元16

合并处理是指合并从图形分解单元14输出的粗图元。当给定一个粗图元，在合并过程中检查靠近该目标图元的粗图元，以确定是否满足必要的条件。如果满足条件，那么根据贪婪方法合并这两个图元。

图4b为合并处理的流程图。

合并处理必须满足下列条件。

1)合并处理必须仅在粗图元的端点处进行。

2)排他性。允许这种合并最多一次。由此，在一个粗图元上最多进行两次合并处理。

3)非线性性。仅当在两个粗图元的端点处切线方向几乎匹配时，他们才能在两个端点处合并。

4)空间间距(spatial gap)。仅当两个粗图元的端点之间的距离足够短时，他们才能合并。

通常，在一个粗图元的附近具有多个粗图元。他们均是有可能被合并的候选者。根据上述规则，可减小粗图元候选的范围，并且基于贪婪方法进一步选择适当的合并候选的范围。

在所有粗图元上依次进行合并处理，并且处理每个粗图元的两个端点。假设ci是一个将被处理的粗图元，合并处理步骤包括下列步骤。

(1)接收由图形分解单元14输出的粗图元作为输入，选择一个粗图元，选择ci的任一端点，并表示为a(步骤S10)。

(2)排他性检查。检查ci是否在点a处已经合并过了(步骤S11)。如果是，那么控制被转到步骤(7)。否则控制被转到下一步。

(3)通过空间间距使缩小候选的范围。检查其他由图形分解单元14输出的粗图元，并且记录满足下述条件的粗图元和各自的端点(步骤S12和S13)。

i.在这个端点处，该粗图元靠近ci的端点a。

ii.该粗图元的这个端点处的切线方向与ci的端点的切线方向匹配。

iii.在该粗图元的这个端点处，不进行合并处理。

假设选定的候选集合为cim，m＝1，…，M。dim，m＝1，…，M是对应该粗图元的端点和ci的端点之间在切线方向上的差异。

在步骤S14中确定候选集合的大小是否为1。如果不是1，控制转到S18。如果大小为1，那么控制被转到S15。

(4)计算dim的最小值。di＝min{dim，m＝1，...，M}

(5)设置允许值，并且进一步缩小候选集合的范围(步骤S15)。cim＝{cim|dim＜di+允许值}，在此cim表示新的候选集合。

(6)即，当cim的大小为1时，即当在集合cim中仅有一个元素时，由ci表示。假设当前的粗图元为ci，并且在(3)至(5)中的对应端点处计算ci的候选集合(在(3)中记录)。如果ci的候选集合仅含有粗图元ci，并且对应ci的端点为a，那么对应ci的端点与ci的端点a合并(步骤S16和S17)。

(7)ci的另一个端点是b，并且如同端点a重复步骤(2)至(6)。

(8)确定是否已经对集合的所有粗图元进行了处理(步骤S18)。如果没有，下一个图元设置为当前图元，并且控制返回到步骤(1)。否则，控制转到(9)。

(9)确定是合并处理是否已经完成(步骤S19)。如果没有，则程序终止。否则，重复步骤(1)至(8)，并且对所有粗图元进行处理。

如图5和图6所示，在图形分解单元14的处理之后，获得粗图元。通过参考图5，说明在粗图元的一个端点(图5所示的黑点)处进行的合并处理。假设由黑点表示的端点处满足空间间距规则。在这些点处曲线c1至c6的切线方向为-1.3，-1.6，-1.05，-1.1，0.2及0.3。在图5中，他们由箭头表示。

·首先，选择粗图元c1，并且假定共同线性规则的切线方向上的差的阈值为π/3。从上述步骤(3)，确定c1的候选集合为{c2，c3}，并且在相应的切线方向上差为0.3和0.25。从图5所示的箭头方向，c1和c4之间在切线方向上的差为1.3-1.1＝0.2。然而，假设在这个端点处连接两个粗图元以形成一个图元，箭头的一个方向就会被反转，并且c1和c4之间在切线方向上的实际差为π-0.2＝2.94。

·从上述步骤(4)，可获得切线方向上的最小差0.25。

·允许的值设置为0.15。在步骤(5)中，新的候选集合没有改变，并且表示为{c2，c3}。

基于上述步骤(6)，在(7)中处理c1的另一个端点。然而，在这个实例中，仅考虑一个端点。由此，控制直接转到(8)。对于下一个处理，选择下面的粗图元c2。

·基于上述(3)至(5)，获得c2的最终候选集合，即{c1}。

·进行(6)。从上述计算中获得c1的候选集合。然而，其大小不是1。由此，控制转到(8)，并且选择下一个粗图元c3。

·从(3)获得c3的候选集合，即{c1，c4}，并且相应的切线方向差为0.25和0.05。

·从(4)，最小的切线方向差为0.05。

·设置允许值为0.15。从(5)，c3的候选集合变为{c4}。

·进行(6)。计算c4的候选集合，即{c3}。这满足了合并条件。由此，在相应的端点(图5中所示的黑点)处合并c3和c4。

·以相似的步骤，合并粗图元c5和c6。

·因此，完成了第一次处理，并且控制转到(9)。由于进行了合并处理，因此开始了第二次处理。

·选择粗图元c1。由于在前面的迭代处理中合并了c3，在(3)中获得的c1的候选集合变为{c2}。类似地，c2的候选集合为{c1}。从(6)，合并该两个粗图元。

因此，合并了所有的粗图元，从而结束合并处理。

1.3.2拆分单元17

在合并处理之后，由图形分解单元14获得的粗图元被重新聚集，并且根据共同线性规则，合并了空间上彼此接近的粗图元。然而，在上述处理中，对于粗图元没有对平滑度进行补偿。即一些粗图元的能显示为锐角曲线(acute curve)。拆分处理根据可能的曲线点将粗图元分成平滑的图元。

下面描述拆分处理的步骤。

(1)计算合并了的粗图元的每一点处的曲率。可采用传统方法来实现。参考J.Matas，Z.Shao，J.Kittler的“通过中值过滤差对曲率和切线方向的估计(Estimation of curvature and tangent direction by median filtereddifferencing)”，图像分析和处理第八届国际会议，San Remo，1995年9月。

(2)从图元的曲率检测最大值。

(3)在(2)中获得的最大值的点处，将图元分成平滑图元。

2.属性图生成单元11

在图元提取单元10的处理之后，图形被分解成一组图元。属性图生成单元11将图元和他们之间的关系描述到属性图。属性图生成单元由两部分形成。

(1)以改进的德劳内三角形方法，产生属性图的框架。即在属性图中图元被表示为节点，并且图元之间的邻接关系被表示为边。

(2)提取属性，特别是计算属性图的节点和边的属性，并且定量地表达图元和他们的空间关系。

2.1产生属性图框架的过程

在图形中，长图元经常在与其中点与端点不同的点处与其他图元靠近。因此，生成的属性图必须表示所有的连接。然而，在一些传统方法中，在属性图的产生期间，仅采用诸如中点的一点来表示一个图元。由此，可能遗漏一些连接。

为了解决上述问题，根据本发明的实施例，按以下步骤中生成属性图框架。

1.图元取样。在多个点处均等地对图元取样。然后，记录相应于每个取样点的位置处的初始图元。

2.生成德劳内图。通过输入所有的取样点，根据德劳内三角形的分布(tessellation)产生属性图框架。在该图中，每个取样点由一个节点表示，并且在属性图中一个连接由一条边来表示。

对于用于实现德劳内三角形的分布的方法，参考Joseph O’Rourke，所著的“C语言计算几何(computational geometry in C)”，第5章，第155-192页，剑桥大学出版社。

3.图的简化。在步骤2获得的图中，来自相同图元的取样点被合并成一个节点，并且相应的边也被合并，由此实现简化。通过将一个图元的多个取样点合并成一个节点，而连接至每个取样点的边也被合并，同时保持连接。由此，其表现为到一个节点的连接。

在根据本发明的实施例的属性图产生方法中，由不同位置的多个取样点表示一个图元，并且保持了关于图元的展开信息(developed information)，产生的图更加可靠。

图6为通过将一个图元表达为一个点(中点)获得的传统的属性图。图6A中所示的灰色方框表示图元的取样点，并且图6B示出了通过德劳内三角形细分方法使用这些取样点获得的属性图。如图6A所示，图元7空间相邻于图元1至6，并且图元6和5与图元7干涉。因此，它与图元8不相邻。然而在图6B所示的使用一个取样点产生的属性图中，遗漏了图元7和图元1至3之间的连接，并且错误地增加了到图元8的连接。

图7示出了在根据本发明的实施例的属性图框架产生方法中获得的结果。图7A示出了取样结果，即用多个取样点表示一个图元。图7B示出了一个属性图框架，其表示以德劳内三角细分方法从取样点获得的属性图框架，而三角的每个顶点对应图7A所示的一个取样点。在简化图之后，获得图7C所示的最终属性图框架。根据本发明的实施例的属性图产生方法比传统方法明显增强了产生的属性图的可靠性。

2.2提取属性

通过生成属性图，图形中的图元由属性图中的节点表示，并且图元间的空间关系表示为属性图的边。然而，属性图框架没有定量描述空间关系和图元的特征。

在本发明的一个实施例中，使用了具有方向性的属性集合，来描述两个直线图元之间的空间关系。

如图8所示，假定直线AB和CD是分离的图元。AB是待处理的图元，而CD是相邻于AB的图元，从AB到CD的具有方向性的属性集显示：

·AB和CD之间的相对角度。如图8A所示，该角度定义为α。

·相对长度，其为通过除以AB的长度而获得的CD的长度。

·相对位置，其为这两个图元之间的节点或潜在(latent)节点的位置。

如图8A和8B所示，当两个图元或CD的延长线的节点在AB上，则

若OA比OB短，相对位置＝|OA|/|OB|，若OB比OA短，相对位置＝|OB|/|OA|，O表示一个节点，而|  |表示一条线的长度。

如图8C所示，当节点位于图元AB的外侧时，

若潜在节点靠近端点A，相对位置＝|OA|/|OB|，若潜在节点靠近端点B，相对位置＝|OB|/|OA|。

·相对距离。首先计算这两个图元的中点之间的距离。为了获得相对距离的值，该距离除以AB的长度。

·最短相对距离。计算这些两个图元之间的最短距离，通过最短距离除以AB的长度，获得最短相对距离。

上述属性集描述两个直线图元之间的空间距离。然而，从图形中提取的图元不是直线的情况并不少见。为了描述不是直线的图元之间的空间相互关系，由直线近似曲线。然后，描述相互关系。

为属性图的边提供上述处理中提取的属性，以进行属性图的比较。

3、属性图比较单元12

在图元提取单元10和属性图比较单元12处理之后，查询图形和比较图形被转化成属性的表达格式。图形比较就被简化成属性图的比较。属性图比较单元12基于图形的内容获得查询图形和比较图形之间的对应关系。利用该比较结果，在搜索文件的过程中，从数据库中自动获取与查询图形最相近似的图形。

一些现有的方法可用于比较属性图。参考A.J.Stoddart，K.Brunnstrom，的“使用平均域理论的自由形式表面的匹配(Free-form surface matching usingmean field theory)”，英国加工视觉会议，Edinburgh，UK，1996；或S.Z.Li，H.wang，K.L.Chan的“能量最小化和宽松标识(Energy minimization andrelaxation labeling)”，数学图像与视觉杂志，第7卷，第149-161页，1997年。

图9至13示出了根据本发明的实施例通过基于内容的图形比较装置比较图形的实际流程。

图9A和9B分别示出了一幅查询图形和一幅比较图形。图9A的图形表示机器轴承的一部分。图9B示出了整个轴承。图10A和10B分别示出了查询图形和比较图形的粗图元。图11A和11B分别示出了查询图形和比较图形的图元。图12A和12B分别是对应查询图形和比较图形的附图。图13示出了比较结果的一个实例。

图9A和9B示出了输入的查询图形和比较图形。显然查询图形的右部与比较图形彼此类似。

首先，图形细化单元13对输入的查询图形和比较图形进行细化处理，并且通过图形分解单元14提取粗图元。图10A和10B示出了获得的结果。

其次，合并-拆分单元15重组来自查询图形和比较图形的粗图元，以提取有意义的图元。图11A和11B示出了结果。在图11A中，为易于理解，一个提取的图元被指定一个标号。由此，完成图元提取单元10的整个处理。

再次，属性图生成单元11使用由图元提取单元10提取的查询图形和比较图形的图元生成相应于查询图形和比较图形的属性图，如图12A和12B所示。图12B中所示的结构的粗体部分与图12A中所示的结构非常相似。由图形提取单元获得的属性集没有在附图中示出。

最后，属性图比较单元12计算相应于查询图形和比较图形的属性图之间的对应关系，并获得如图13所示的结果。图13示出了由属性图比较单元12确定的与查询图形匹配的部分。

图14示出了当通过程序实现根据本发明的实施例的图形比较装置时，用于执行程序的信息处理装置所需的硬件环境。

信息处理装置具有CPU 20，其为算术单元并执行程序。CPU 20通过总线21连接到RAM 22、ROM 23、通信接口24、存储设备27、读取设备28及输入一输出设备30。存储设备27存储程序，该程序在被复制到RAM 22时，由CPU 20执行。ROM 23存储BIOS等，用于信息处理装置进行基本操作。存储设备27存储包含很多图形的数据库。数据库并不总是存储在存储设备27中，而是可存储在例如信息供应器26的存储设备中，该信息供应器26经过连接到通信接口24的网络25(通信接口24)连接到图14中所示的信息处理装置。读取设备28是用于从便携式存储介质29读取数据的装置。当在便携式存储介质29中存储程序时，则程序安装在图14所示的信息处理装置中并由CPU 20执行。输入一输出设备30包括键盘、鼠标、垫、显示器等，用于执行该程序的信息处理装置的用户通过输入查询图形并确认图形的比较结果来使用。

Claims (10)

1.一图形比较装置，其用于对一查询图形与存储在数据库中的一比较图形进行比较，该图形比较装置包括：

一图元提取单元，将一输入图形分解成图元，所述图元为该查询图形和该比较图形的组成部分；

一属性图生成单元，生成属性图，该属性图描述关于在该查询图形和该比较图形中所描述的所述图元以及所述图元之间的空间分布的信息；

一属性图比较单元，通过比较为该比较图形和该查询图形获得的属性图来获得该比较图形和该查询图形之间的对应关系。

2.根据权利要求1所述的装置，其中

所述图元提取单元包括：

一细化单元，将图形中绘制的线条细化成预定宽度的线条；

一图形分解单元，将细化的图形分解成组成部分，并产生粗图元，其为初步图元；以及

一合并一拆分单元，合并和拆分该粗图元，使得所产生的图元为最可能平滑的曲线，并生成最终的图元。

3.根据权利要求2所述的装置，其中

当在两个粗图元的端点处切线方向几乎匹配时，所述合并一拆分单元以贪婪方法在端点处合并所述粗图元，所述粗图元是从该细化的图像的分解步骤中获得的。

4.根据权利要求1所述的装置，其中

所述属性图生成单元通过以下步骤来生成图：使用多个取样点取样每个图元，并且以表示空间关系的边连接多个图元的多个取样点；所述属性图生成单元还通过将多个取样点合并成一个节点，并将连接到每个取样点的边合并，来简化该生成的图，从而将一个图元指定到一个节点。

5.根据权利要求1所述的装置，其中

由所述属性图生成单元生成的所述属性图至少具有作为图元间的属性值的一相对角度、一相对长度、一节点、一相对距离及一最短相对距离。

6.一种用于对一查询图形与存储在数据库中的一比较图形进行比较的图形比较方法，包括：

将输入的一图形分解成图元，该图元为该查询图形和该比较图形的组成部分；

生成一属性图，该属性图描述关于在该查询图形和该比较图形中所描述的所述图元以及所述图元之间的空间分布有关的信息；

通过比较为该比较图形和该查询图形获得的属性图，来获得该比较图形和该查询图形之间的对应关系。

7.根据权利要求6所述的方法，其中

所述分解步骤包括：

将绘制在该图形中的线条细化成预定宽度的线条；

将细化的图像分解成组成部分，并产生粗图元，其为初步图元；以及

根据预定标准合并及拆分该粗图元，使得所产生的图元为最可能平滑的曲线，并生成最终的图元。

8.根据权利要求7所述的方法，其中

当在两个粗图元的端点处切线方向几乎匹配时，所述合并-拆分步骤以贪婪方法在端点处合并所述粗图元，所述粗图元是从该细化的图像的分解步骤中获得的。

9.根据权利要求6所述的方法，其中

所述属性图生成步骤通过以下步骤来生成图：使用多个取样点取样每个图元，并且以表示空间关系的边连接多个图元的多个取样点；所述属性图生成步骤还通过将多个取样点合并成一个节点，并将连接到每个取样点的边合并，来简化该生成的图，从而将一个图元指定到一个节点。

10.根据权利要求6所述的方法，其中

在所述属性图生成步骤中生成的所述属性图至少具有作为图元间的属性值的一相对角度、一相对长度、一节点、一相对距离及一最短相对距离。

Images