python 提取图中头像_医学图像处理案例（十一）——3D骨架提取算法

今天将分享人体三维主动脉血管骨架提取案例。

1、常见3D骨架提取算法

常见的两种图像细化方法有(1)、核滤波器，(2)、决策树。 核滤波器方法是将结构元素应用在图像上，例如迭代地侵蚀物体的表面，直到仅保留骨架为止，该方法通常可以扩展到更高维度上。决策树方法是迭代处理26邻域内中目标和背景体素所有可能的二进制组合，并在每次迭代时找到所有可删除的表面点，虽然该方法仅限于2D和3D，但却比形态滤波器运算速度快。

2、使用ITK函数来实现3D骨架提取算法

ITK的函数中只支持2D骨架提取算法，但有大牛写了基于ITK的3D骨架提取算法，C++源码下载请见原文链接。该函数非常简单，只需要输入二值化的图像即可，输出是3D骨架图像。(如果输入非二值化图像，该函数会默认将非零值设置成1)

该函数既可以在C++中使用，也可以在Python中使用，下面将给出C++和Python使用例子。

C++代码：

#include "itkImage.h"#include "itkImageFileReader.h"#include "itkImageFileWriter.h"#include "itkBinaryThinningImageFilter3D.h"#include "itkTestingMacros.h"#include int itkBinar