图像细化

图像细化

  (2012-06-19 21:20:13)

转载▼

标签：  二值图像   算法   细化   邻域   骨架   杂谈

分类： 数字图像处理

细化

图像细化（Image Thinning），一般指二值图像的骨架化（Image Skeletonization）的一种操作运算。

所谓的细化就是经过一层层的剥离，从原来的图中去掉一些点，但仍要保持原来的形状，直到得到图像的骨架。骨架，可以理解为图象的中轴。

好的细化算法一定要满足：

• 收敛性；
• 保证细化后细线的连通性
• 保持原图的基本形状
• 减少笔画相交处的畸变
• 细化结果是原图像的中心线
• 细化的快速性和迭代次数少

依据是否使用迭代运算可以分为两类：

• 非迭代算法
  • 一次即产生骨架，如基于距离变换的方法。游程长度编码细化等。

• 迭代算法

即重复删除图像边缘满足一定条件的像素，最终得到单像素宽带骨架。

迭代方法依据其检查像素的方法又可以再分成

• 串行算法

是否删除像素在每次迭代的执行中是固定顺序的，它不仅取决于前次迭代的结果，也取决于本次迭代中已处理过像素点分布情况.

• 并行算法

像素点删除与否与像素值图像中的顺序无关，仅取决于前次迭代的结果

细化算法:

• Burning Algorithm

使用迭代的方法去除图像的边界, 可使用扫描线法来获取边界

• Zhang并行快速细化算法

模板:

p3 p2 p9

p4 p1 p8

p5 p6 p7

（其中p1为黑点，如果以下四个条件同时满足，则删除p1，即令p1=0）

1. Z0(p1)=1 // 中心为黑点

2. 2<=NZ(p1)<=6 // Nz为八邻域中黑点的数目

3. p2*p4*p8=0 或者 Z0(p2)!=1 // 避免图像被打断( 其反条件时不可删)

4. p2*p4*p6=0 或者 Z0(p4)!=1

对图像中的每一个点重复这一步骤，直到所有的点都不可删除为止。

判断一个点是否能去掉, 要根据它的八个相邻点的情况来判断。(中间的点)

(1)不能删，因为它是个内部点，我们要求的是骨架，如果连内部点也删了，骨架也会被掏空的；

(2)不能删，和(1)是同样的道理；

(3)可以删，这样的点不是骨架；

(4)不能删，因为删掉后，原来相连的部分断开了；

(5)可以删，这样的点不是骨架；

(6)不能删，因为它是直线的端点，如果这样的点删了，那么最后整个直线也被删了，剩不下什么；

总结：

(1)内部点不能删除；

(2)孤立点不能删除；

(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可以删除。

• Hilditch、Pavlidis、Rosenfeld细化算法

这类算法则是在程序中直接运算，根据运算结果来判定是否可以删除点的算法，差别在于不同算法的判定条件不同。

Hilditch算法使用于二值图像，比较普通，是一般的算法；

Pavlidis算法通过并行和串行混合处理来实现，用位运算进行特定模式的匹配，所得的骨架是8连接的，使用于0－1二值图像；

Rosenfeld算法是一种并行细化算法，所得的骨架形态是8－连接的，使用于0－1二值图像。

(后两种算法的效果要更好一些，但是处理某些图像时效果一般，第一种算法使用性强些。)

• 索引表细化算法

经过预处理后得到待细化的图像是0、1二值图像。像素值为1的是需要细化的部分，像素值为0的是背景区域。基于索引表的算法就是依据一定的判断依据，所做出的一张表，然后根据魔鬼要细化的点的八个邻域的情况查询，若表中元素是1，若表中元素是1，则删除该点（改为背景），若是0则保留。因为一个像素的8个邻域共有256中可能情况，因此，索引表的大小一般为256。

查找表为二值图像处理提供了简洁而有效的方法。考虑一个像素的３乘３邻域。由于在这个邻域范围有９个像素，每个像素有两个状态（二值图像，取０，１），那么整个邻域不同状态的总数量为２^9=512 .这样，我们可以相对不同的情况（５１２种），来安排对应的输出值，而这５１２种可能是事先预知的，给每一个单元（一共９个单元）分别安排不同的权值，

１　８　 6４

２　１６　１２８

４　３２　２５６

也就是２的不同幂次，０，１，２，３。。。　８次幂

那么，某种状态数值就是加权值的和。

比如，

下面一种邻域组合：

０　１　０

１　１　０

０　０　１

它的值＝２＋８＋１６＋２５６＝２８２

这样的话，我们通过一个数值，就可以表达一种３乘３邻域的一种空间分布状态。