[发明专利]一种并行细化骨架提取方法

说明书

一种并行细化骨架提取方法，对图像进行骨架提取的并行处理中，各个像素的新值是其相邻像素值的函数，每次迭代所有像素同时处理，并保留形成最终骨架的像素点。本发明提出的并行细化骨架提取方法对二值图像进行骨架提取，效率和精度都较高，本发明方法与传统使用腐蚀获得轮廓的骨架的细化方法相比，实验表明效率和准确度都有明显提升，准确度达到了使用距离变换获得图像骨架的方法，同时速度优于距离变换获得图像骨架的方法。

技术领域

本发明属于计算机机器视觉技术领域，用于对二值图像进行骨架提取，为一种并行细化骨架提取方法。

背景技术

骨架提取即提取轮廓的骨架，用于提取图像中物体的轮廓特征，广泛应用于各种领域，包括模式识别、匹配、物体跟踪等。骨架提取主要包括两种方法，包括使用腐蚀获得轮廓的骨架的细化算法，和使用距离变换获得图像的骨架的算法(DT算法)。

使用腐蚀获得轮廓的骨架的细化算法分为完全并行细化算法，如Gabor Nemeth提出的FP-E0等算法，及分步骤的并行细化算法，如经典的Zhang并行细化算法(简称zhang算法)。DT算法包括DCE算法，和直接进行距离变化通过剪枝获得轮廓骨架。

细化算法和DT算法的结果，从已发表的论文可以看出细化算法提取的骨架比较粗糙，DT算法的结果比较精确。Wei Shen提出的通过距离变换和骨架剪枝提取的结果，骨架较为平滑，且提取的骨架点均在轮廓的中轴。Zhang并行细化算法提取的结果，骨架点较为波折，且zhang算法存在缺点，对斜骨架的提取并不能达到一个像素宽。FP-E1完全并行细化算法，所用时间比Zhang算法减少很多，但其质量较差。

本发明提出一种基于模板匹配的并行细化方法。现有方法均是把zhang并行细化算法拆解为各种具体的情况，针对各种具体情形进行分析，只要满足其中一种条件，就将测试点标记为待删除点，但现有方法未考虑方向问题，采用的模板对像素点的删除操作在各个方向的速率是不同的，导致提取的骨架点不是轮廓的中轴线，精度较低。在本发明中通过将待删除点分方向删除，采用的模板对像素点的在各个方向的删除速率是一致的，从而最终未删除的骨架点在轮廓的中轴，相比于之前的算法，极大提高了精度。

发明内容

本发明要解决的问题是：在骨架提取算法中，传统算法时间效率和精度不能同时满足，作为图像处理的基础算法，应用受到限制。

本发明的技术方案为：一种并行细化骨架提取方法，对图像进行骨架提取的并行处理中，各个像素点的取值更新根据其相邻像素值的函数进行，每次迭代所有像素同时处理，并保留形成最终骨架的像素点，具体包括以下步骤：

1)二值图像中，像素点的取值为0和1，一个像素点周围围绕八个像素点，对待处理的像素点P1：定义A(P1)表示绕像素点P1顺时针方向，像素点取值构成01模式的数量，定义B(P1)表示像素点P1周围非零点的像素点个数，定义C(P1)表示像素点P1周围像素点取值构成11模式的数量；

2)根据A(P1)、B(P1)、C(P1)的取值情况判断P1点是否可以删除：

2.1)如果P1点满足以下任意条件，P1标记为可删除点：

(a)A(P1)＝1∪(B(P1)＝2∩B(P1)＝3∩B(P1)＝4)

(b)A(P1)＝1∪B(P1)＝5∪C(P1)＝1

(c)(A(P1)＝2∪B(P1)＝2)∩(B(P1)＝3∪C(P1)＝1)

(d)(A(P1)＝1∪B(P1)＝5)∩(B(P1)＝6∪P2*P4*P6＝0)

2.2)将2.1)的(d)改为：

(e)(A(P1)＝1∪B(P1)＝5)∩(B(P1)＝6∪P4*P6*P8＝0)