企业官网建设流程全解析

• 桌面应用
• 计算机视觉
• 图像处理
• OCR

导读

GRID是 Audiveris OMR 引擎流水线中的关键步骤，其任务是从二值化图像中恢复整张乐谱的系统（systems）与谱表（staves）网格——这是后续所有符号识别、节拍还原工作的空间骨架。本文以官方文档《GRID step》为主体，结合仓库中LinesRetriever、BarsRetriever、GridBuilder等核心源码，系统讲解该步骤的输入输出、Run/Section/LAG 组织、水平长线状物（filament）聚类、谱表垂直投影、峰值图（peak graph）与系统聚合的完整流程，并给出每个环节在图形界面中的可视化验证方法。读完本文，你将理解 Audiveris 是如何从"一堆黑色像素"逐步推断出谱表线、小节线、花括号、方括号以及最终系统网格的。

一、GRID 步骤在流水线中的位置与职责

Audiveris 的 OMR 处理链由一系列步骤组成，GRID紧跟在负责图像缩放的SCALE步骤之后。其唯一目标如官方文档所述：检索出当前 sheet 的所有系统与谱表（"The purpose of the GRID step is to retrieve the systems and staves of the sheet"）。

从源码结构看，这一步的落地实现集中在org.audiveris.omr.sheet.grid包中（grid 包目录），核心编排类是 GridStep.java，其doit()方法依次执行三件事：

1. new GridBuilder(sheet).buildInfo()—— 构建系统网格主体（L96-L97）；
2. new StaffLineCleaner(sheet).process()—— 清理谱表线（L99-L100）；
3. sheet.getStub().getBook().updateScores(...)—— 更新评分（L102-L103）。

而 GridBuilder.java 的类注释明确写道：系统网格的计算"基于水平谱表线与垂直小节线的检索"，实际处理委托给两个伴侣类（companion）：

• LinesRetriever—— 负责检索水平谱表线（createBothLags→retrieveLines→addShortSections→completeLines，见 GridBuilder.buildInfo）；
• BarsRetriever—— 负责检索垂直小节线（barsRetriever.process()，L153）。

也就是说，文档中描述的整个 GRID 处理，本质上是"水平线"与"垂直线"两路信号的双向协作：水平线定谱表框架，垂直线定小节与系统边界。

二、输入与输出

输入

GRID 步骤的输入来自前序步骤，共三项：

• 黑白（二值）图像：由BINARY步骤产生，此后图像只包含黑色（前景）像素与白色背景；
• 最大谱表线厚度：由SCALE步骤给出（scale.getMaxFore()），详见 SCALE 步骤输出；
• 典型 interline 值（谱表线间距），以及可选的小 interline 值（当图像中存在两套不同尺寸的谱表时）。

输出

GRID 步骤结束后，产出以下结构化结果：

• 水平 sections 的 LAG与垂直 sections 的 LAG；
• 按谱表组织的谱表线；
• 整张图像的全局倾斜角（skew）；
• 对每个谱表：小节线（若有）、上下谱表间的垂直连接符（若有）、起始花括号（brace）（若有）、起始方括号（bracket）（若有）；
• 谱表聚合成的系统（system）；
• no-staff 图像（已擦除谱表线的二值图）。

其中 "Section" 与 "LAG"（LinearAdjacencyGraph，线性邻接图）是 Audiveris 的底层像素组装概念，可参考 Pixels assemblies 概念文档：

• Run：同一方向（水平或垂直）上颜色相同的连续像素序列，见 Run 与 RunTable；
• Section：按兼容规则（如 run 长度差上限、run 长度比上限、端部偏移上限等）将同方向相邻黑色 run 传递性连接而成的组装体；
• LAG：同方向 sections 的集合，水平与垂直各一个。

从源码看，这两个 LAG 的建立由 LinesRetriever.createBothLags() 完成：它从二值图像的垂直 RunTable 出发，将长垂直 run 分派到垂直 LAG，其余像素进入水平 RunTable，再进一步按最小 run 长度拆分为"长水平 run"与"短水平 run"两类表。

三、处理流程详解

3.1 过滤 Run 与 Section（建立两个 LAG）

处理的第一步，是将二值图像的所有前景（黑色）像素组织为垂直 run。

随后，引擎基于SCALE步骤提供的最大谱表线厚度，略微放大得出一个判定阈值——放大的目的是容纳可能更厚的加线（ledger lines，即超出五线谱上下的临时短线）。源码中该阈值通过scale.getMaxFore()与stickerThickness常量（比值 1.0）相乘得到，见 LinesRetriever.Parameters 构造函数。

判定逻辑非常直接：

• 任何长于最大谱表线厚度的垂直 run，不可能是谱表线的纯净片段，而必然是某种"交叉对象"（如小节线、符干）的一部分，因此被放入垂直 LAG（longVertTable→buildVerticalLag）；
• 其余所有像素组织为水平 run，归入水平 LAG（buildHorizontalLag）。

进入 LAG 后，相邻 run 按兼容规则聚合成 sections。水平 sections 还会进一步分为短 sections与长 sections，因为长 sections 将主导后续谱表线检测。源码中createBothLags()先只把"长水平 run"填入水平 LAG，短水平 run 暂存于shortHoriTable，待谱表线初步成形后再由addShortSections()补入（L582-L598、addShortSections）。

可视化验证：打开Tools → Constants下拉菜单，勾选布尔常量displayRuns（位于LinesRetriever类中，对应源码 Constants.displayRuns）。即可依次查看以下视图（示例素材为仓库data/examples中的chula.png）：

内容	视图
二值图像
长垂直 sections
短水平 sections
长水平 sections

3.2 长水平线状物（filaments）与全局倾斜

从长水平 sections 集合出发，引擎逐步构建又长又细的 filaments——这些大概率对应谱表线的长片段。源码中对应 retrieveLines() 的主线：

1. 构建初始 filaments：FilamentFactory.retrieveFilaments(hLag.getEntities())（L1493-L1499）；
2. 剔除弯曲的 filaments：purgeCurvedFilaments()用样条（NaturalSpline）计算中点的旋转角，若超过maxFilamentRotation（0.1 弧度）则丢弃（L1149-L1189）；
3. 计算全局斜率：retrieveGlobalSlope()取最长的前 10% filaments（topRatioForSlope = 0.1）求平均斜率，存入Skew对象（L1433-L1455、L1506-L1508）；
4. 剔除斜率偏离的 filaments：purgeSlopedFilaments()比较每个 filament 斜率与全局斜率的差值，超过maxSlopeDiff（0.025 弧度）即丢弃——但对基于单个 section 的短 filament 放宽了阈值，因为其天然接近水平（L1205-L1248）。

接下来，水平 filaments 按垂直方向聚合成簇（cluster），每个簇大概率代表一个谱表。簇内需满足两个约束：

• filaments 间距应符合已知的谱表 interline 值；
• filament 数量必须匹配用户声明的谱表规格：1 线、4 线、5 线或 6 线，由用户在Book 参数下拉菜单中设定。见 Book 参数之 Staves 声明：1 线打击乐谱表、4 线低音 tablature、5 线标准谱表、5 线无音高打击乐谱表、6 线吉他 tablature。

最终，剩余的簇按线数转化为标准谱表（Staff）、一线谱表（OneLineStaff）或tablature。源码 buildStaves() 中可见清晰的类型分派（L266-L270）：5 线 →Staff，1 线 →OneLineStaff，其他（如 4 线、6 线）→Tablature。在转化为谱表之前，purgeClusters()会依据以下规则剔除伪簇（L1032-L1077）：

• 过短：宽度小于minStaffLength（30 个 interline）；
• 过于倾斜：对近乎水平的乐谱，一线簇斜率超过maxOneLineSlope（0.001）即剔除；
• 近乎空洞：真实长度低于最长簇真实长度的minTrueLengthRatio（0.3）倍。

此时每个谱表的左右横坐标界限仅由检测到的线决定，尚不精确，后续会通过垂直投影细化。

3.3 谱表垂直投影（staff vertical projection）

既然引擎已知道每个谱表的顶线与底线，就可以把这两条线之间的所有黑色像素投影到 x 轴上，得到一维投影曲线。对 1 线谱表的特殊情况，官方文档的脚注说明：引擎会改用"以 interline 数为单位的目标小节线高度"来做投影，该高度可通过Book 参数菜单调整（对应 Book 参数中的 Barline height 规格：four、twoThenFour、two、oneThenTwo四种取值）。

投影的可视化前提：先在Tools → Advanced下拉菜单中激活PLOTS主题，然后通过Sheet → Staves plots菜单，或从谱表右键的popup Staff上下文菜单查看：

在该投影曲线上，引擎检测峰值（peaks），它们可能代表：

• 小节线（barlines）；
• 半花括号（half braces）；
• 半方括号（half brackets）；
• 长符干（long stems）等。

峰值内的细长垂直 sections 被用来构建垂直 filaments——注意这些 filaments 可能向上/向下超出谱表的顶/底线。源码中这一系列工作由 StaffProjector.java 与 BarsRetriever.java 协同完成，BarsRetriever类注释明确其职责是"检索垂直小节线、方括号与花括号"（L119-L120）。

可视化验证：在Tools → Constants中勾选displayFilaments布尔常量（定义于 GridBuilder.Constants），界面会显示一个专门的Filaments标签页，同时展示水平与垂直 filaments 的初始素材：

• 水平 filaments 为淡红色；
• 垂直 filaments 为淡蓝色。

内容	视图
初始 Filaments

3.4 峰值图（peak graph）与系统聚合

所有垂直投影中的峰值都被视为sheet 级峰值图（peak graph）的顶点。若某谱表的峰值与下一谱表的峰值在垂直方向上对齐，就在全局峰值图中记录一条边（edge）。随后，每条对齐边都会被检验：两个谱表峰值之间是否存在足够的前景像素，以确认两者之间存在真实连接（例如连接上下谱表的连接符、贯穿的小节线）。

同时，任何超出谱表顶/底边界、又不是连接符的 filament，都不可能成为小节线，因此被丢弃。

基于检测到的连接，引擎现在能够把谱表聚合成系统（system）。这条"峰值→对齐→连接判定"的逻辑在 PeakGraph.java、BarAlignment.java 与 BarConnection.java 中实现；BarsRetriever中定义的StaffPeak.Attribute（THICK、THIN、BRACE_TOP/MIDDLE/BOTTOM、BRACKET_MIDDLE等，见 BarsRetriever.java）则用于刻画每个峰值所代表的符号类型。

3.5 系统内部对齐（system internal alignments）

在每个系统内部，谱表峰值被组织为基于系统的列（system-based columns），处理规则如下：

• 起始列（starting column）：若存在，用于细化系统与谱表的左横坐标；
• 起始列右侧的列：必须覆盖整个系统高度，否则被丢弃；
• 超出系统垂直界限的峰值也被丢弃；
• 花括号部分与方括号部分：在起始列的左侧搜索；左边缘是否存在花括号，决定了谱表是否被聚合成parts（声部组）。

最终，在每个系统的 SIG（符号交互图）中创建以下 Inters（符号实例）：

• 小节线（barlines）；
• 连接符（connectors）；
• 花括号（braces）；
• 方括号（brackets）。

源码中BarsRetriever大量引用BarlineInter、BraceInter、BracketInter、BarConnectorInter等 Inter 类型（见 BarsRetriever.java），并在 SIG 中建立BarConnectionRelation、BarGroupRelation等关系边——这正是"Inters 被创建"的实现落点。

四、GRID 步骤的结果

GRID 步骤结束时，Data标签页已填充系统与谱表的网格，可以分别用**物理模式（Physical）与逻辑模式（Logical）**查看：

模式	视图
Physical
Logical

一个值得注意的工程取舍：GRID 步骤结束时可能残留少量误检的小节线（false barlines）。它们通常会在后续的 REDUCTION 步骤 中被清除——这是 Audiveris 各步骤"渐进式精化"设计哲学的典型体现：宁可先保留候选，由后续步骤结合更多上下文裁决。

no-staff 图像

由于引擎已确切知道哪些水平 sections 组成了谱表线，它可以逻辑上"擦除"这些 sections，从二值图像中生成所谓的no-staff 图像。该图像将供流水线后续多个步骤使用（例如符号识别时避免谱表线干扰）。

可视化方式：通过Sheet → No staff下拉菜单查看，对应源码 GridStep.displayUI() 中的NO_STAFF_TAB标签页（由常量displayNoStaff控制）。

内容	视图
No staff（已擦除谱表线）

五、关键常量速查（源码级）

为便于调优与深入阅读，以下列出LinesRetriever中与 GRID 水平线检测直接相关的核心常量（定义于 LinesRetriever.Constants，单位与默认值均为源码原值）：

这些常量大多在 Parameters 构造函数 中按scale.toPixels(...)换算为像素值，体现了 Audiveris 的**缩放无关（scale-independent）**设计：同一套常量在不同分辨率乐谱下都能自适应。

六、小结

GRID 步骤以三条证据链完成了乐谱网格的复原：

1. 水平证据链：黑色像素 → 水平 run → 水平 sections（长短分流）→ filaments（去弯、去偏斜）→ 簇 → 谱表（标准/一线/tablature）；
2. 垂直证据链：黑色像素 → 垂直 run → 垂直 LAG → 谱表垂直投影峰值 → 垂直 filaments → 峰值图（对齐与连接判定）；
3. 聚合证据链：系统内列对齐 → 起始列细化 → 花括号/方括号搜索 → parts 聚合 → SIG 中创建小节线/连接符/花括号/方括号 Inters。

每一步都配有图形界面中的可视化开关（displayRuns、displayFilaments、PLOTS 主题等）与对应源码实现，便于开发者逐层调试与验证。理解了 GRID，就理解了 Audiveris 如何在像素与音乐语义之间搭起第一座桥梁——后续的符号识别、节拍还原都将在这张网格上展开。

延伸阅读

• SCALE 步骤：interline 与谱表线厚度的测量
• Run、Section、LAG 与 Filament 概念详解
• SIG（符号交互图）概念
• Book 参数：谱表规格与缩放参数设置
• 核心实现：LinesRetriever.java
• 核心实现：GridBuilder.java
• 核心实现：BarsRetriever.java
• 核心实现：GridStep.java

• 桌面应用
• 计算机视觉
• 图像处理
• OCR