文档图像主要由文字辅以图案、符号构成,它一般由传统纸质文档经过扫描得到,在文档数字化存储、数字图书馆建设等方面应用广泛。另一方面,数字化的文档极可能在诸如手机、高清电视、电脑等各种不同分辨率的显示终端呈现。人们既希望高质量地保存图像又期望获得高压缩率以节省存储空间、减少对传输带宽的需求。因此,必须解决数据的存储、传输和显示问题。设计一种可缩放的,精简的文档图像存储格式具有重要意义。　　 向量图是以数学曲线形式存储的,在数据量上大为减少,同时在缩放时不会因为插值导致图像质量降低。从扫描仪直接获取的文档图像是以位图形式存在的,因此需要一种文档图像向量化方法来将位图图像转换为向量图格式。二值图像向量化在过去已经得到广泛的研究和应用,最近,彩色图像向量化也得到越来越多研究者的关注。本文对图像向量化方法进行综合回顾,提出可以按照向量化处理对象的不同将现有图像向量化方法分为一维信号向量化和二维信号向量化。即,分为仅仅关注图像中对象的轮廓形状等一维信号的向量化方法和既关注轮廓形状特征又考虑内部颜色、纹理特征等二维信号的向量化方法。本文考查的文档图像向量化属于一维信号向量化,其典型处理步骤包括图像预处理、轮廓提取、尖点检测和轮廓拟合。　　 现有一维信号向量化方法在轮廓提取上多采用基于像素的方法,这种方法难以准确表示单像素轮廓和自相交轮廓,而这些又是文档图像中经常出现的情形。本文在考查了基于Freeman链码的轮廓提取之后,提出一种精确轮廓提取算法,可以准确表示单像素轮廓和自相交轮廓。　　 尖点检测是图像处理、计算机视觉等领域广泛研究的课题,在图像向量化中有重要作用。基于轮廓的尖点检测算法大多通过计算轮廓曲线上各点的曲率或者其它度量方式来获得尖点,但都难以保证尖点的准确性。对于文档图像这种同一页面可能存在多种字符尺寸的情形,这些方法检测字符尖点通常存在漏检和误检问题,最终导致低质量的曲线拟合结果。本文充分利用英文字符的先验信息,提出一种基于规则的尖点检测和曲线拟合方法,对字符的尖点进行准确检测,进而获得高质量的拟合结果。　　 本文的主要贡献在于:提出一种轮廓的精确提取和表示方法,解决了单像素和自相交的字符轮廓给曲线拟合带来的困扰;提出一种基于规则的尖点检测和曲线拟合方法,利用英文字符的先验信息,提高了最终拟合结果的质量;提出一种文档图像向量化的实现框架,充分考虑文档图像的特点,结合基于规则的尖点检测和曲线拟合以及默认的尖点检测与曲线拟合来完成文档图像向量化,获得高质量向量化结果。