2.1 平滑
通常情况下，地图中存在着大量的高频噪声。地图中不是没有高频信号，但这些高频信号应该存在于不同的要素之间，而不是在同一要素之中。我们不希望看到地图中存在着那么多的“微尘”，希望地图能够变得单一，纯净一些。这种情况下就需要平滑。平滑虽然属于辅助处理，但对最终的效果影响也很大，必须认真对待。
在图形图形处理中，平滑的算法很多，技术也相当成熟，但不同的算法将导致不同的效果，用不好，将适得其反。平滑算法主要分为频域和空域两大类方法。对本应用来说，频域法是那么出乎意料的失败，经过FFT变换，处理再反变换后，原来很干净的地方竟生出了许多的“微尘”。所以我选用了空域中的众数均值法，就是用一个点的邻域中数目最多的那种颜色代替本点的颜色。根据需要，可以选取4邻域，8邻域，12邻域。以12邻域应用较多。邻域面积越大，平滑效果越强，但也不是没有限制，效果强不一定就意味着佳。推广到极限，我们把整幅地图看成一个邻域，平滑之后，整个地图都成一种颜色了，平滑效果最强，可以吗？
我之所以用一个点的邻域中最多数目的那种颜色代替其该点颜色，而不是用邻域中所有颜色的平均值，是因为该平均值可能又是一个新的颜色值，“平滑”之后，颜色值的总数反而增加了。虽然视觉效果变好了，但并不意味着对我下面的处理有好处。这是一种“聚块”式的平滑。这种平滑效果大多数情况下很不错，在后面的结果示例中可以看到这一点。
2.2 腐蚀
腐蚀就是使前景的边界剥去一层。当然一个前提就是道路足够宽，不然的话，就会把道路给剥断掉。一般情况下，道路的宽度是大于2的，剥一层边界之后无损于道路的连通性，但地图中的经纬线一般宽度为1或2，腐蚀一遍后就可以消失了。另外，如前所述，C类文字是一部分落在道路上，另一部分落在背景上，这一部分文字会作为道路的噪声被提取出来。如果文字与道路粘连的部分不是太大，经过腐蚀可以与道路相分离开来，转换为B类文字（知道这样做的好处是什么吗？）。如果道路足够宽，可以多腐蚀几次，效果尤佳。
图2-1 边界模板图
关于如何识别前景的边界，请看图2-1所示的模板图，标记为F的点是一个待处理的前景点，标记为B的点是背景点，标记为X的点是任意点，如果满足这种条件，该前景点就可以作为边界被腐蚀掉了。当然，这个模板只是一个代表，以中分线为轴翻转和中心点为轴旋转后，可以得到其他的7个模板，恕不另画。
有一种情况，如果道路中有很多洞，经过腐蚀后，这些洞就变的更大了，甚而使路断掉。如果这样，在腐蚀之前，就要先把这些洞给填好。当然需要使用者给出一个洞的最大面积，不然会把所有的背景当作洞填成道路的。
2.3 扩展算法
道路提取算法的实质就是相连点的扩展算法，RoadIdent中大量用到这个算法，其实就是人工智能课程所将的搜索算法。这里简单介绍一下：
Step1 准备一个Open表，准备一个Closed表。Open表用来装待扩展的点，Closed表用来装扩展过的点。
Step2 把第一个点装入Open表中。
Step3 从Open表中的头部取出一点做新的扩展。与这个点直接相连的点即为新扩展的点。
这个点投入Closed表中。
新扩展的点如果既不存在于Closed表中，也不存在于Open表中，就追加到Open表的尾部。
Step4 重复Step3，直到Open表为空。Closed表即是所要得的点集。
这个算法还稍微有点意思，其他的算法都没什么可说的，不再赘述。
