[发明专利]一种快速骨骼化二值数字图像中图形的方法

说明书

技术领域

本发明属于一种对二值数字图像中图形进行细化从而得到其骨骼的图像处理方法，特别涉及一种快速骨骼化二值数字图像中图形的方法。

背景技术

国内外类似的骨骼化方法常用于光学字符识别(Optical CharacterRecognition，OCR)和一些基于图像形状的图像处理算法，例如霍夫变换(HoughTransformation,HT)图像算法，因此用于获取图形骨骼的细化算法具有重要的工业应用价值和学术理论意义。

二值图像中图形骨骼的概念早在1967年由Blum首次提出，骨骼是指在由前景像素所组成的区域中，与区域局部边界相切的，最大内切圆的圆心的集合，参见H.Blum,“A transformation for extracting new descriptors of shape”,Modelsfor the Perception of Speech and Visual Form,pp.362-380,1967。经过多年发展，涌现出两类细化算法，即基于距离函数和非距离函数的细化算法。基于距离函数的算法是一种传统的细化算法，而非距离函数算法相对而言是较新的算法，例如基于神经网络（详见R.Krishnapuram,F.Chen,“Implementation of parallelthinning algorithms using recurrent neural networks”,IEEE Trans.Neural Netw.,vol.4,no.1,pp.142-147,Jan.1993.），小波（详见Y.Y.Tang,X.G.You,“Skeletonizationof ribbon-like shapes based on a new wavelet function”,IEEE Trans.Pattern Anal.Mach.Intell.,vol.25,no.9,pp.1118-1133,Sep.2003.）和曲率流（详见A.Imiya,M.Saito,“Thinning by curvature flow”,Journal of Visual Communication and ImageRepresentation,vol.17,no.1,pp.27-41,Feb.2006.）的细化算法。非距离函数算法主要应用于对三维二值图像中三维图形的骨骼化处理，对二维图像而言，这些算法过于复杂且运算量较大，参见W.Wong,F.Y.Shih,T.Su,“Thinning algorithmsbased on quadtree and octree representations”,Information Sciences,vol.176,no.10,pp.1379–1394,May.2006。因此，在二维二值图像中，传统的基于距离函数的细化算法仍然是一种获取图形骨骼的高效方法。

基于距离函数的细化算法大致可分为基于光栅扫描和基于中轴的算法，参见S.Bag,G.Harit,“An improved contour-based thinning method for characterimages”,Pattern Recognition Letters,vol.32,no.11,pp.1836-1842,Oct.2011。在1981年,Davies提出了一种基于光栅扫描的经典细化算法，详见E.R.Davies,Machine Vision:Theory，Algorithms,Practicalities,3rd ed.CA:Morgan Kaufmann,2005。与现代细化算法不同，这种算法除了二维矩阵之外，并没有使用额外的、复杂的数据结构来辅助算法，也没有使用用于给出距离函数计算值的查询表，所以该算法结构简单，易于分析和实现，但其细化效果随图形复杂度的增加而衰减。近年来，相继有基于光栅扫描的细化算法问世，其中Wong于2006年提出了一种能给出复杂图形有效骨骼的细化算法，详见W.Wong,F.Y.Shih,T.Su,“Thinning algorithms based on quadtree and octree representations”,InformationSciences,vol.176,no.10,pp.1379-1394,May.2006。这种算法采用了四叉树和八叉树的复杂数据结构，预计算了距离函数的值并存储在查询表中，这使得该算法以耗费较多计算资源的较大代价换取了给出复杂图形骨骼的结果。

发明内容

本发明所解决的技术问题主要有以下两点：