基于MATLAB的骨架提取算法的研究实现(16)

2.1.2提取物体骨架的基本要求

研究者普遍认可的提取骨架的标准有五个：其一，提取骨架的连通性问题；其二，提取骨架枝的单像素问题；其三，提取骨架逼近物体的“中轴”问题；其四，边界噪声对物体骨架的影响问题；其五，提取骨架方法的效率的问题。

2.2 经典的物体骨架提取算法

以上诸多的优点，引起学者广泛的研究。人们己经提出的骨架提取方法，大致分为两类：一类处理的对象是离散域中的物体模型(如位图等)。通过对像素的操作得到骨架，但结果不可避免的受到离散化对精度的影响，此类方法得到的骨架一般用于图形的匹配和相似性度量；另一类处理基于连续域模型的对象，如多边形模型，使用严格的数学方法求解骨架的数值解，结果精度高。但此类方法适用范围窄，对于复杂三维物体，计算过程十分复杂，难以保证其稳定性。此类方法往往用于几何建模和物体重建。

本文研究的范围是离散域图像识别。在离散域下，提取骨架的方法大致分为细化骨架提取算法、距离变换骨架提取算法、Voronoi图骨架化算法、偏微分方程骨架化算法以及形态学骨架提取算法五类

2.2.1细化骨架提取算法

拓扑细化的方法在解决细节性较多、形状多为线状长条状等这些规则性强的结构的物体形状方面效果较好，例如电路图、字体，医学图像等。如图2-1(a)所示，细化能准确提取汉字的骨架。算法的中心思想是在保持拓扑结构不变性的条件约束下，不断地剥离表层的像素，直到最后剩余的骨架。这类方法通过制定大量的约束条件，判断像素的去留问，往往执行效率较低。此类方法得到的骨架可保证连通性和单像素性，但对边界噪声非常敏感，不能得到简化的整体形状重要的的拓扑结构，容易产生不必要的分支，且造成骨架点的位置不准确。如图2-1(b)所示，边界的小噪声产生了很多多余的骨架枝，并且骨架的位置不是准确地靠近物体的中心。