OpenCV學習(14) 細化算法(2)

      前面一篇教程中，咱們實現了Zhang的快速並行細化算法，從算法原理上，咱們能夠知道，算法是基於像素8鄰域的形狀來決定是否刪除當前像素。還有不少與此算法類似的細化算法，只是判斷的條件不同。在綜述文章， Thinning Methodologies-A Comprehensive Survey中描述了各類細化算法的實現原理，有興趣能夠閱讀一下。

      下面看看圖像細化的定義以及細化算法的分類：

圖像細化（Image Thinning），通常指二值圖像的骨架化（Image Skeletonization） 的一種操做運算。
     所謂的細化就是通過一層層的剝離，從原來的圖中去掉一些點(一般是輪廓上的點)，但仍要保持原來的形狀，直到獲得圖像的骨架。

     骨架，能夠理解爲圖象的中軸，以下面的字母H，白色的線即爲起中軸，該中軸也能夠稱做H的骨架。

好的細化算法必定要知足下面幾個條件：

• 
  收斂性；保證細化後細線的連通性；保持原圖的基本形狀；減小筆畫相交處的畸變；細化結果是原圖像的中心線；
  細化的快速性和迭代次數少。

依據是否使用迭代運算能夠分爲兩類：
非迭代算法：一次即產生骨架，如基於距離變換的方法，遊程編碼細化等。
迭代算法：即重複刪除圖像邊緣知足必定條件的像素，最終獲得單像素寬帶骨架。

迭代方法依據其檢查像素的方法又能夠再分紅兩類：
串行算法：是否刪除像素在每次迭代的執行中是固定順序的，它不只取決於前次迭代的結果，也取決於本次迭代中已處理過像素點分佈狀況。
並行算法:像素點刪除與否與像素值圖像中的順序無關，僅取決於前次迭代的結果。

 

經常使用的迭代算法包括：Hilditch、Pavlidis、Rosenfeld細化算法以及基於索引表查詢的細化算法等等。

 

Hilditch算法使用於二值圖像，該算法是並行串行結合的算法。
Pavlidis算法經過並行和串行混合處理來實現，用位運算進行特定模式的匹配，所得的骨架是8鏈接的，用於0－1二值圖像。
Rosenfeld算法是一種並行細化算法，所得的骨架形態是8－鏈接的，使用於0－1二值圖像。

索引表細化算法：通過預處理後獲得待細化的圖像是0、1二值圖像。像素值爲1的是須要細化的部分，像素值爲0的是背景區域。基於索引表的算法就是依據必定的判斷依據，所作出的一張表，而後根據要細化的點的八個鄰域的狀況查詢，若表中元素是1，若表中元素是1，則刪除該點（改成背景），如果0則保留。由於一個像素的8個鄰域共有256中可能狀況，所以，索引表的大小通常爲256，索引表細化算法速度很快。