图象的骨架提取算法

最新推荐文章于 2025-06-20 10:12:52 发布

原创

最新推荐文章于 2025-06-20 10:12:52 发布 · 1.3k 阅读

1 ·

CC 4.0 BY-SA版权

本文介绍了图像骨架提取的原理和算法，通过迭代细化过程去除边界点，确保骨架的连续性和不中断。算法包括两个主要步骤，涉及不同边界点条件的判断，以减少计算量并保留关键形状信息。算法在车牌字符的实例中展示了效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

分享一下我老师大神的人工智能教程。零基础！通俗易懂！风趣幽默！还带黄段子！希望你也加入到我们人工智能的队伍中来！https://blog.youkuaiyun.com/jiangjunshow

把一个平面区域简化成图（ graph ）是一种重要的结构形状表示法。利用细化技术以得到区域的骨架是常用的方法。中轴变换（ medial axis transform,MAT ）是一种用来确定物体骨架的细化技术。具有边界 B 的区域 R 的 MAT 是如下确定的。对每个 R 中的点 P ，我们在 B 中搜寻与它最近的点。如果对 P 能找到多于一个这样的点（即有 2 个或以上的 B 中的点与 P 同时最近），就可认为 P 属于 R 的中线或骨架，或者说 P 是 1 个骨架点。理论上讲，每个骨架点保持了其与边界距离最小的性质，所以如果用以每个骨架点为中心的圆的集合（利用适当的量度），就可以恢复出原始的区域来。具体就是以每个骨架点为圆心，以前述最小距离为半径作圆周。它们的包络就构成了区域的边界，填充圆周就得到区域。或者以每个骨架点为圆心，以所有小于和等于最小距离的长度为半径作圆，这些圆的并集就覆盖了整个区域。

由上述讨论可知，骨架是用1个点与1个点集的最小距离来定义的，可写成：

其中距离量度可以是欧氏的、城区的、或棋盘的。因为最近距离取决于所用的距离量度，所以MAT的结果也和所用的距离量度有关。

图6.1给出一些区域和它们的用欧氏距离算出的骨架。由图(a)和图(b)可知，对较细长的物体其骨架常能提供较多的形状信息，而对较粗短的物体则骨架提供的信息较少。注意，有时用骨架表示区域受噪声的影响较大，例如比较图(c)和图(d)，其中图(d)中的区域与图(c)中区域只有一点儿差别（可认为由噪声产生），但两者的骨架相差很大。