图像的骨架提取.docVIP

选用教材 见参考教材 总学时 28 课次 4 第4章 第1-4节 教学目的 及要求 熟悉标量的量化方法，了解图像量化过程 教学重点处理安排 标量的量化方法。 教学难点处理安排 重点讲解简单图像块的量化过程。 教学方式、 方法 多媒体+板书 教学 内容 及时 间分 配 图像的量化方法（2） 70分钟 例题 20分钟 例题、练习题 无 作业、思考题 无 教 案 内 容 备 注 5.图像的骨架提取原理 5.1图像细化 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。一个图像的骨架由一些线和曲线（比较理想的是单像素宽度），骨架可以提供一个图像目标的尺寸和形状信息，因而在数字图像分析中具有重要的地位，图像细化（骨架化）是进行图像识别、线条类图像目标分析的重要手段。 5.2骨架的定义及提取原理 骨架，广义的定义是用一组与原始形状连通性和拓扑结构分布性相一致的完整表达物体形状的曲线集合。骨架的经典定义有两种一种是火烧模型——中轴点即为物体边界点上的火源同时向内燃烧的像雨点。另一种更直观更普遍的定义——即最大圆盘定义，骨架点是所有最大圆盘的圆心的集合，最大圆盘即是完全包含在物体内部并且至少与物体边界相切与两点的圆。 比较普遍的方法是采用目标（Object）中轴（Medial Axis）的概念。中轴线的点（像素点）定义为距离目标边界上两个点等距的那些像素。 按照骨架的定义，我们可以计算得到图像的骨架，如图中我们看到的骨架简化了物体的信息量，但是物体的连通性和拓扑结构信息是完整的。 骨架概念 ?在图像处理中实现这种等距的计算一般有两个途径。 ?? 一是使用距离变换（Distance Transform）的方法（在此不讨论）。 另外一个方法介绍如下： 思路：想象一个图像目标四周被火点燃，燃烧的速度四周保持一致，那么四周由边界向质心方向(向内部中心)燃烧时，相互遇到的那条线，就是中轴线。 以长方形为例，可以想象，分别会有许多内接圆，分别沿着长方形（矩形）的四个角向中心方形移动。 拓扑方法是实现图像骨架化的有利工具，我们可以定义一些图像目标边界上可以删除的像素点，以便最后获得图像目标的骨架。 但是，我们还要求保持图像目标（一般常用于线条类的图像目标）的连通性（Connectivity），还不能改变图像目标的个数，不能改变目标内的空洞个数，也不能改变不同目标的相互关系（位置关系等等），一旦有些像素涉及到改变上述内容的，则一律不能被当作删除的图像像素。 我们可以利用一个3x3模板来检测一个像素是否应该被删除掉。假定3乘3大小的图像中，中心点（黑点）被删除，那么会有如下两种情形： （1）顶端两个像素和右下端两个像素被分离了，这样就会将原来的一个目标（物体）分为两个，不符合细化操作的要求。 （2）(因为如果这九个点只是一个物体的局部)顶端两个像素和右下端两个像素可能是由外部的像素点进行连接的，那么所有像素点（黑点）会形成一个空洞，如果中心点被删除，则会将孔洞消除，又违背了前面提及的细化的规则。 5.3图像骨架提取的程序流程 5.4实验结果： 一个图像的骨架由一些线和曲线（比较理想的是单像素宽度），骨架可以提供一个图像目标的尺寸和形状信息，因而在数字图像分析中具有重要的地位，图像细化（骨架化）是进行图像识别、线条类图像目标分析的重要手段。 附录： clear all; I=imread(kids.tif); subplot(2,2,1); imshow(I); title(原图像); level=graythresh(I); I=im2bw(I,level);subplot(2,2,2);... imshow(I); re=ones(400,318); I=re-I; subplot(2,2,2); imshow(I); title(二值化的图像); bwl=bwmorph(I,skel,Inf); subplot(2,2,3); imshow(bwl); title(骨架提取); bw2=bwmorph(bwl,spur,4); subplot(2,2,4) imshow(bw2) title(消除毛刺后的图像);