相邻感知（二邻域感知器，轮廓爬虫）

先看对比图，第一张图是轮廓线间太离散，

第二张图，使用二邻域插值后，离散轮廓基本已经连接起来了，我给这个技术起了个名字，相邻感知，如果你知道草履虫，草履虫全身长满纵行排列的纤毛，这些纤毛有感知周围事物的能力，如果上面的每一个离散的轮廓线是有感知的草履虫，那么这些离散的轮廓就能连起来。一样东西能有感知能力，是多么神奇的事情！

以前，我们常用的技术是，用8邻域去找轮廓，找斑（blob），以中心为主的九宫格，3*3的模板用了不计多少。

其实，这个技术也没什么创新，扩展了九宫格，关键是他有了感知能力，这却是非凡的。我们常用的如下：

    int[] xNum = new int[] { 1, 1, 0, -1, -1, -1, 0, 1 };
    int[] yNum = new int[] { 0, 1, 1, 1, 0, -1, -1, -1 };

我们扩展后是这样的：

  int[] xNum = new int[] { -2, -1, 0, 1, 2, 2, 2, 2,2,1,0,-1,-2,-2,-2,-2 };
            int[] yNum = new int[] { -2, -2, -2, -2, -2, -1, 0, 1,2,2,2,2,2,1,0,-1 };

当我们有了一些离散的轮廓短线，我们让这个二邻域感知器，顺着轮廓短线的每个像素爬虫般，探测外围16个点，如果有感知，即标记出来，并且把断开的点插入，插入点一定是上面八邻域其中一个，比如，感知到(-2，2)点，断开了，要连起来，必须插入的点是(-2/2,2/2),如果是自己轮廓短线的点，掠过，遍历完短线，继续下一个轮廓短线，这样整图处理完，相当多的轮廓短线就变得连续了。

这种处理，很多离散的特征就可以连成一个完整的特征，很方便找斑点（blob）的工作。

下面是c#示范代码：

 int[] xNum = new int[] { -2, -1, 0, 1, 2, 2, 2, 2,2,1,0,-1,-2,-2,-2,-2 };
      int[] yNum = new int[] { -2, -2, -2, -2, -2, -1, 0, 1,2,2,2,2,2,1,0,-1 };
            List<Point> jilu = new List<Point>();
            int yy = 0, xx = 0;

            for (int x = 0; x < 离散短线.Count; x++)
            {
                List<Point> 实验 = 离散短线[x];//   List<List<Point>>
                for (int i = 0; i < 实验.Count; i++)
                    for (int j = 0; j < 16; j++)//一周二邻域内
                    {
                        xx = 实验[i].X + xNum[j];
                        yy = 实验[i].Y + yNum[j];
                        int nn = yy * 图像宽度 + xx;
                        int grayValue = outimgN[nn];
                        //如果感知到不在短线上，又在二邻域范围内，记录并插值
                        if (!点在序列中(new Point(xx, yy), 实验) && grayValue == 0)//白底黑斑
                        {
                            if (jilu.Count == 0)
                            {
                                jilu.Add(new Point(xx, yy));//植入中间空缺的点在outimgN202210131636

                                int 插入点位置 = (实验[i].Y + (int)(yNum[j] / 2f)) * 图像宽度 + 实验[i].X + (int)(xNum[j] / 2f);
                                outimgN[插入点位置] = 0;//白底黑斑
                            }
                            else
                            {
                                if (jilu[jilu.Count - 1].X != xx && jilu[jilu.Count - 1].Y != yy)
                                {
                                    jilu.Add(new Point(xx, yy));//有重复记录的情况,很少，影响不大
                                    int 插入点位置 = (实验[i].Y + (int)(yNum[j] / 2f)) * 图像宽度 + 实验[i].X + (int)(xNum[j] / 2f);
                                    outimgN[插入点位置] = 0;//白底黑斑
                                }
                            }
                     

                        }
                    }
            }