转载链接:http://www.cnblogs.com/mikewolf2002/p/3327183.html
本章我们学习一下Hilditch算法的基本原理,从网上找资料的时候,竟然发现两个有很大差别的算法描述,而且都叫Hilditch算法。不知道那一个才是正宗的,两个算法实现的效果接近,第一种算法更好一些。
第一种算法描述参考paper和代码:
Linear Skeletons from Square Cupboards
Speedup Method for Real-Time Thinning Algorithm
http://cis.k.hosei.ac.jp/~wakahara/Hilditch.c
第二种算法描述参考资料:
http://cgm.cs.mcgill.ca/~godfried/teaching/projects97/azar/skeleton.html#algorithm
下面我们分别看一下这两种算法描述:
一、第一种算法描述
假设当前被处理的像素为p0,我们使用下图所示的8邻域表示方式。
我们处理的为二值图像,背景为黑色,值为0,要细化的前景物体像素值为255。
对于Hilditch算法来说,它并不是一个完全的并行算法,而是串行并行相结合。当前像素是否是能够删除的骨架点,不仅是由它周围的8邻域决定,而且和前面像素的判定结果有关。一个像素判定为可以删除,我们并不直接删除它,而是在目地图像中设置像素值为GRAY=128,这个信息可能会影响之后其它像素的判定。
当图像一次扫描迭代完成后,我们把所有置为GRAY的像素设置为0,从而删除它。
算法的描述如下。
迭代扫描当前图像
对于当前像素点,扫描它的8邻域,如果邻域的像素值为255,则b[i]=1(i=0…8),像素值为128(GRAY,表示该像素点在前面的循环中被标记为删除),b[i]=-1,如果像素值为0,则b[i]=0。
下面会根据b[i]的值进行6个条件判断,如果条件满足,则会标记该像素值为GRAY(128)。
1. b[0]=1,即当前像素必须为前景点。
2. 1-abs(b1) + 1 – abs(b3) + 1 – abs(b5) + 1 – abs(b7) >= 1,该条件表示当前像素为边界点,即东西南北四个点至少有一个b[i]=0。
3. abs(b1)+…+abs(b8)>=2, 该条件表示不能删除端点,即p0点周围只有一个点为1或-1的情况。
4. 统计b1到b8等于1的数量,该数量值必须大于1,该条件表示不能删除端点。、
5. 连通性检测,使用下面的公式:首先根据当前像素周围3*3域的值,记录d[9]数组,如果b[i]等于0,则d[i]=0, 否则d[i]=1,最后计算 d1-d1*d2*d3+d3-d3*d4*d5+d5-d5*d6*d7+d7-d7*d8*d1是否为1,为1则满足连通性,可以删除。
6.最后一个条件保证当轮廓是2个像素宽时,只删除一边。统计sum的值,当值为8时候,可以删除。
sum = 0;
for (i = 1; i <= 8; i++)
{
if (b[i] != -1)