本文介绍了图像细化的概念，特别是针对二值图像的骨架抽取。细化算法主要分为基于烈火模拟和最大圆盘的方法，其中查表法是一种常用的细化技术。通过建立映射表，判断像素点周围8个点的值来决定是否删除该点，从而得到图像的骨架。此外，文章还提供了Python代码示例，展示如何实现图像细化过程。在实际应用中，需要多次迭代以消除细化过程中的问题，如细化结果不理想时会出现直线变为横线。
1、简介
图像的细化主要是针对二值图而言。
所谓骨架，可以理解为图像的中轴，一个长方形的骨架，是它的长方向上的中轴线。
圆的骨架是它的圆心，直线的骨架是它自身，孤立点的骨架也是自身。
2、骨架的获取
骨架的获取主要有两种方法：
(1)基于烈火模拟
设想在同一时刻，将目标的边缘线都点燃，火的前沿以匀速向内部蔓延，当前沿相交时火焰熄灭，火焰熄灭点的结合就是骨架。
(2)基于最大圆盘
目标的骨架是由目标内所有内切圆盘的圆心组成。
我们来看看典型的圆形的骨架(用粗线表示)。
细化的算法有很多种，但比较常用的算法是查表法。
细化是从原来的图中去掉一些点，但仍要保持原来的形状。
实际上是保持原图的骨架。
判断一个点是否能去掉是以8个相邻点(八连通)的情况来作为判断依据的，具体判断依据为：
1.内部点不能删除
2.鼓励点不能删除
3.直线端点不能删除
4.如果P是边界点，去掉P后，如果连通分量不增加，则P可删除
看看上面那些点，就是3*3矩阵中的中心点：
第一个点不能去除，因为它是内部点
第二个点不能去除，它也是内部点
第三个点不能去除，删除后会使原来相连的部分断开
第四个点可以去除，这个点是骨架
第五个点不可以去除，它是直线的端点
第六个点不可以去除，它是直线的端点
对于所有的这样的点，我们可以做出一张表，来判断这样的点能不能删除
我们对于黑色的像素点，对于它周围的8个点，我们赋予不同的价值，若周围是黑色，我们认为其价值为0，为白色则取九宫格中对应的价值。对于前面那幅图中第一个点，也周围的点都是黑色，所以它的总价值是0，对应于索引表的第一项，前面那幅图中第二点，它周围有三个白色点，它的总价值为1+4+32=37，对应于索引表中第三十八项。
我们用这种方法，把所有点的情况映射到0-255的索引表中
我们扫描原图，对于黑色的像素点，根据周围八点的情况计算它的价值，然后查看索引表中对应项来决定是否要保留这一点。</
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
