【CV】骨架提取

 ###Date: 2018.4.5   清明

============================================================

图像的细化主要是针对二值图而言

所谓骨架，可以理解为图像的中轴，，一个长方形的骨架，是它的长方向上的中轴线，

圆的骨架是它的圆心，直线的骨架是它自身，孤立点的骨架也是自身。

骨架的获取主要有两种方法：

（1）基于烈火模拟

设想在同一时刻，将目标的边缘线都点燃，火的前沿以匀速向内部蔓延，当前沿相交时火焰熄灭，

火焰熄灭点的结合就是骨架。

（2）基于最大圆盘

目标的骨架是由目标内所有内切圆盘的圆心组成

我们来看看典型的图形的骨架（用粗线表示）

细化的算法有很多种，但比较常用的算法是查表法

细化是从原来的图中去掉一些点，但仍要保持原来的形状。

实际上是保持原图的骨架。

判断一个点是否能去掉是以8个相邻点（八连通）的情况来作为判据的，具体判据为：

1，内部点不能删除

2，鼓励点不能删除

3，直线端点不能删除

4，如果P是边界点，去掉P后，如果连通分量不增加，则P可删除

看看上面那些点。

第一个点不能去除，因为它是内部点

第二个点不能去除，它也是内部点

第三个点不能去除，删除后会使原来相连的部分断开

第四个点可以去除，这个点不是骨架

第五个点不可以去除，它是直线的端点

第六个点不可以去除，它是直线的端点

 

对于所有的这样的点，我们可以做出一张表，来判断这样的点能不能删除

我们对于黑色的像素点，对于它周围的8个点，我们赋予不同的价值，

若周围某黑色，我们认为其价值为0，为白色则取九宫格中对应的价值

对于前面那幅图中第一个点，也就是内部点，它周围的点都是黑色，所以他的总价值是0，对应于索引表的第一项

前面那幅图中第二点，它周围有三个白色点，它的总价值为1+4+32=37，对应于索引表中第三十八项

我们用这种方法，把所有点的情况映射到0～255的索引表中

 

我们扫描原图，对于黑色的像素点，根据周围八点的情况计算它的价值，然后查看索引表中对应项来决定是否要保留这一点。

ref：

http://www.cnblogs.com/xianglan/archive/2011/01/01/1923779.html

https://blog.csdn.net/haoji007/article/details/52063389