经纬线，一般是贯穿整幅图的实线，两者可以精确表示出某个确定地点在地图上相应的位置。等温线（即是连接相同温度的线）一般由虚线绘制，在该这条线上用一个整数标注其温度值（单位：℃）。降水分布图，主要反映具体某一地区的降水分布情况的图。等高线（即是连接相同高度的线）一般由实线绘制，它的数值也一般是用一个整数（单位：米）来表示。在某个高空观测点上，上方的数字表示该点的温度（单位℃），下方的数字表示温度和露点之间的差。箭头羽毛的方向则表示实时的风向。

2。2 等值线图的处理 

2。2。1 二值化

二值化的图像，即是指只具有两个灰度值的图像。可以用0来表示白色像素或称为背景像素，用1表示黑色像素或称为前景像素。一般图像都是具有多个灰度级数的，即是常见的彩色图像。等温线图也不是严格意义上的二值图像。如何选取合适的全局阈值，将等值线图处理成二值图像，即图像的二值化，是本章节研究问题的关键。

   2。2。2 等值线图数据的预处理

   气象图一般具有非常多的冗余信息，比如各种海岸线，地球的经纬线以及其他形式的数据，符号等等。这些信息经常会影响对数据的提取工作。因而将这些冗余信息去除，将会是进行本课题的第一步，也是非常重要的一步。

在这里，主要运用全局阈值法对图像进行处理，得到初步的处理结果。

全局阈值法也就是对图像整体采用一个阈值，设选取的阈值T，表示图像像素的灰度值，则该方法可表示如下：

     然而如何确定一幅图像的全局阈值又成为了图像处理的关键。

全局阈值实现二值化方法中一般使用的是最大类间方差法（OTSU）。其原理是基于统计学知识，通过计算出灰度分布的类间方差来说明图像特征，方差值越小，说明构成图像的两部分之间的相似度越大。最大类间方差具体可以描述如下：

假设图像每个灰度级的概率为，若某一阈值T将图像各像素遵循灰度级分成两类和，和类像素的概率和灰度均值可表示为为 、和、

其中图像的总平均灰度值为：

在这里，可以这样定义类间方差为：

                      （2-3）

从最小灰度值0到相应的最大灰度值K-1，需要遍历所有能得到的灰度值，使类间方差取到相应最大值的灰度值即为所需要的最佳阈值T。

  具体实验结果如下图2。3所示，该图像的全局阈值为7。

图2。2 二值化后的气象图论文网

2。3 图像的数据提取

   这部分的图像后续处理工作主要由学姐完成，具体步骤如下所示;

（1）利用相关的底图匹配去除了固定的海岸线，经纬线等信息。

（2）利用结构元素的膨胀与腐蚀运算去除了图像中的文字信息，相关的符号以及其他的噪声。

（3）通过对以上图像的细化处理，去除毛刺等噪声。

（4）运用特征点提取的方法对等值线进行数据压缩，完成相应的矢量化

经过以上的相关步骤，提取出有用的实验数据，用于后续的编程及算法应用中。

3。图像数据的处理—Delaunay三角网

  3。1凸四边形

   　如果det(A,B,P)<0,则有向边AB从P点可见，记为Ｐ．Ｒ．ＡＢ，反之则记为Ｐ．Ｌ．ＡＢ。如果ｄｅｔ（Ａ，Ｂ，Ｐ）＝０，则记为Ｐ．Ｏ．ＡＢ。其中Ａ＝（ｘ１，ｙ１），Ｂ＝（ｘ２，ｙ２），Ｐ＝（ｘ，ｙ）。