培训资料细化算法(1).ppt

OPTA细化算法 （1）定义：它是一种典型的基于模板的图像细化算法 （2）核心：通过应用消除和保留两套模板，来达到对图像细化的目的 （3）算法过程： ①对图像中的当前像素点，将其与图1所示的消除模板进行匹配，若满足消除模板中的某一个，则转到步骤②，否则转至步骤③； ②将其与图2的保留模板进行匹配。若满足保留模板中的某一个，则保留该点，转至步骤①；否则删除该点，转至步骤①； ③保留该点，转至步骤①； ④不断重复步骤①，②，③，直至对一张图中所有点扫描完毕，转至步骤⑤； ⑤判断在上一次扫描过程中，有无点被删除（即图像有没有被进一步细化），若有，则转入步骤①，进行下一次扫描；否则细化结束。 图1 OPTA消除模板 图2 OPTA 保留模板 0 0 0 1 1 1 x 1 x 0 1 x 0 1 1 0 1 x x 1 x 1 1 0 x 1 0 x 0 0 1 1 0 x 1 x 0 0 x 0 1 1 x 1 x x 1 0 1 1 0 x 1 0 x 1 x 0 1 1 0 0 x x 1 x 1 1 0 x 0 0 x x x x 0 1 1 0 x x x x x 0 x x 1 x x 1 x x 0 x 最新 OPTA细化算法 OPTA细化算法的优缺点： 优点：能保持原图的拓扑性 缺点：细化后的图像扭曲较大，不仅毛刺较多，不够光滑，而且在三角点处有时不能完全细化 最新 Hilditch的细化算法 （1）定义：它是一种经典的，充分利用连接数的基本串行算法。 （2）步骤： 用图1所示的一个模板，沿着扫描方向移动，逐点考察各像素的邻域状况，在保持条纹连接性不变的情况下，逐层删除条纹上轮廓像素，直到条纹为一个像素的线条。 在此算法中，当被检测的目标像素满足下列所有条件，才可删除像素： ①∑4（p）≤3，即p点的4－邻域至少有一个值为0； ②X（p）=1;边缘点 ③∑8（p）≥1;非端点 P4 P3 P2 P5 P P1 P6 P7 P8 最新 ④p3=1或X（p）3=1; ⑤p5=1或X（p）5=1。 其中：∑4（p）表示p的4个邻域内黑像素的个数，∑8（p）表示p的8邻域内黑像素的个数， X（p）为连接数，X（p）3为假定P3=0时p的连接数，X（p）5=1为假定p5=0时的连接数 Hilditch细化算法的优缺点 优点：细化算法效果好 缺点：运算量大，有一些分支、处理速度慢，在实际应用中难以满足实时处理的要求。 最新 SPTA细化算法 SPTA细化算法一般需要经过数轮相同的检查过程，每一轮都由2次扫描组成，每次扫描检查图像的每个像素。扫描过程可以是逐行的，也可以是逐列的。第一次扫描检查所有的左、右边缘点，如果是非安全点则被标记；第二次扫描检查所有的上、下边缘点，如果是非安全点则被标记。当结束一轮扫描后，没有一点被标记，则删除所有被标记的点，算法结束，否则进入下一轮扫描。 算法： S0=n4(n5+n6+n2+n3)(n0+n1)(n4+n3) S4=n0(n1+n2+n6+n7)(n2+n3)(n6+n5) S2=n6(n7+n0+n4+n5)(n0+n1)(n4+n3) S6=n2(n3+n4+n0+n1)(n4+n5)(n0+n7)其中’‘’=‘ ▔’ 最新 SPTA细化算法步骤 对右边界的点，就是符合图3（a）模板的p点，即n4·p·n0=1的p点，若式（a）为0，则为安全点。布尔表达式中相应像素为黑且未被标记的点的布尔量为1，否则为0. 同理，对左、上、下边界点的表达式分别如上面的式（2）、（3）、（4）。 n3 n2 n1 n4 p n0 n5 n6 n7 最新 SPTA细化算法优缺点 SPTA细化算法 优点：它代表了笔划的中轴线且保持了连续性 缺点：它需要分四次扫描进行，速度较慢，而且SPTA也难于克服45度交叉畸变的问题 最新 zhang快速并行细化法 (1)zhang细化算法的原理 原理--设已知目标点为1，背景点标记为0。定义边界点本身标记为1而其8-连通邻域中至少有一个标记为0的点。 (2)zhang细化算法的具体步骤 （一）考虑以边界点为中心的8-邻域，记中心为点p1,其邻域的8个点顺时针绕中心点分别标记为p2,p3,.......p9,具体如图 首先需要边界点满足： （1）2≤N(p1)≤6; （2）S（p1）=1; 最新 处理干涉图像的细化算法 汇报人：马文书 最新 标题一 细化算法的定义 目录 标题二 常用细化算法的分类 标题三 细化算法的挑选 最新 细化算法的定义 细化：又称骨架化，即在不影响原图像拓扑连接关系的条件下，尽可能用最少的迭代次数，快速准确地将宽度大于一个像素的图形线条转变为一个像素宽线条