[发明专利]一种逐点生长的平面图形骨架提取方法

说明书

本发明提出了一种逐点生长的平面图形骨架提取方法，包括：a)骨架点判别方法：先计算待判别的点沿其8邻域的离散方向导数，找出范围在[‑1,‑0.897]之内的所有方向；如果存在两个或以上的方向，那么对其中任意两个相邻方向围成的分枝进行检测，如果至少有一个真实分枝，就断定待判别的点是骨架点；b)从距离变换值最大的点开始，用步骤a)给出的方法考察当骨架点的8邻域上的每个点，如果有骨架点，则添加到骨架集中，直到骨架集内所有的点全部处理完。本发明提出的逐点生长的平面图形骨架提取方法给出了一个点是骨架点的必要条件——沿其邻域点的8个离散方向导数落在[‑1,‑0.897]的数量不少于2；离散方向导数和分枝检测结合的骨架点判别方法。

技术领域

本发明属于计算机视觉、图像处理和人工智能领域的特征提取、图像理解和识别，涉及数学和计算机科学，可应用于形状表示、分析和识别，应用领域广泛，包括计算机图形学、影视娱乐和医学图像处理等。

背景技术

自从上世纪70年代Blum提出骨架概念以来，如何计算形状的骨架一直是图像处理领域的一个活跃的研究方向，先后提出了不少方法。下面对近期一些高质量的方法做个简要的综述。

2007年，Michel等人[1]提出了一个基于离散等分角和距离变换的骨架生成算法，这个方法容易漏掉形状狭窄区域的骨架。Chang[2]通过脊点检测和连接处理可以快速生成初步骨架，脊点是由离散梯度来确定的，因此该方法对边界噪声比较敏感。2010年，Saeed等人[3] 提出了骨架提取的迭代算法，由于每轮迭代涉及7个顺序阶段，因此它的计算量大。2011年， Shen等人[4]给出了一个判别点是否为骨架点的的重要性衡量指标—弯曲电位比，应用这个指标可以较好地去除伪骨架分枝。2013年，Krinidis等人[5]利用二维经验模式类似分解评估形状边界是否为真分枝，以消除错误的骨架点。这个方法的优点是抗边界噪声能力强，但依赖于输入的初始骨架。2015年，Leborgne等人[6]用拉普拉斯算子检测脊点，结合最大内切圆心，提出了一个骨架提取方法。Guo等人[7]提出了基于中性成本函数的最短路径计算方法，结合脊点检测，给出了一个骨架生成方法。这两个方法的共同缺点是对边界噪声敏感，容易产生假骨架分枝。2016年，Jalba等人[8]提出了一个基于质量传输过程的骨架生成方法，质量沿最短路径从边界流向内部，使用截断阀值从质量密度场中提取骨架。通过设置不同的截断阀值，这个方法可以提取曲面和曲线型骨架。2017年，Serino和Baja[9]建立骨架分枝的结构层次图，而后根据每个分枝对还原图形的贡献赋予重要性，在此基础上给出了一个骨架剪枝策略：不影响骨架复原图形的能力下，尽可能多地剪掉重要性弱的分枝。Cai等人[10]应用Snake 模型中的梯度向量场和拓扑分析提取二值或灰度图像的骨架，该方法对边界噪声敏感，有时会生成不连续的骨架。

综上所述，虽然骨架的提取方法众多，但大多数方法对边界噪声敏感，鲁棒性不强。稳定准确地提取骨架仍是一个挑战性的难题。

发明内容

本发明拟提出一个稳定性好、计算效率高的二维图形的骨架提取方法，具有抗噪声、边界局部变形的能力。

平面图形的骨架是图形的中轴线，等价于图形内部最大圆盘的圆心(CMD)的集合，最大内接圆与图形边界至少有两个接触点。然而，由于数字图形的离散属性，准确意义上的中轴线不一定存在，需要引入离散方法来判定骨架点。为此本发明给出离散方向导数和分枝检测确定骨架点的方法。

本发明提出的逐点生长的平面图形骨架提取方法，包括：

a)骨架点判别方法：先计算待判别的点沿其8邻域的离散方向导数，找出范围在[-1,-0.897] 之内的所有方向；如果存在两个或以上的方向，那么进一步对其中任意两个相邻方向围成的分枝进行检测，如果至少有一个真实分枝，就断定待判别的点是骨架点；

b)从距离变换值最大的点开始，用步骤a)给出的方法考察当骨架点的8邻域上的每个点，如果有骨架点，则添加到骨架集中，直到骨架集内所有的点全部处理完。