[发明专利]单步扫描细化算法

说明书

本发明针对一种细化算法，更具体说，是针对单步扫描的细化算法。

在图像处理、模式识别、特征检测、手写识别、和伪钞识别中，通用细化算法。细化算法的目标，是寻找一个二进制的图像，以获得一个“骨架(skeleton)”，由此可以抽取其特征，可以简化其图像表达方式，或可以节省其存储空间。

一个例子示于图1(a)和1(b)。图1(a)的字符是粗的：每一笔划都有好几个像素宽。图1(b)的字符是细的，宽度为一个像素，但保持图1(a)字符的主要特征，所以它还能被识别是一个“5”(不是一个“2”，“A”，或别的字符)。在图像处理或模式识别时，常常宁可取图1(b)的较细的字符而不是图1(a)的较粗的字符，因为它保持图像的主要特征，占较小的存储器，同时又因笔划宽度基本恒定(一个或两个像素宽)而更易于识别。从图1(a)到图1(b)的变换名为细化处理。

在大多数现实世界的应用中，各种图像远比此例子复杂，因此，细化算法已被研究多年。细化算法的两个基本要求是：1)保留代表原始图像的主要特征，和2)保持其连通性。

大多数常规细化算法的关键步骤，是检测边缘像素，然后逐一剥去边缘像素。这些常规算法需要扫描图像若干次(根据图像的“宽度”)，且对每个像素重复该算法。图2画出这些常规算法是如何工作的。常规细化算法剥去图形的边缘像素。如果图像是宽的，这一剥去过程必须从左上方到右下方重复若干次。因为细化的图形在某些地方仍有两个像素宽，所以图2的结果还可能不被接受。

这种常规方法公开在下面的文章中：Lam L.and Suc C.Y.，“Adynamic shape reserving thinning algorithm，”Signal Processing，1991，22(2)：199-208。此方法的根据是：J.Hilditch，“Linear Skeletonfrom Square Cupboards，”In Machine Intelligence IV.B.Meltzer andD.Michie，Eds.University press，Edinburgh，pp.403-420(1969)。

如上所述，因为对整幅图像扫描一次，则图形中线条宽度每侧减小一个像素，所以整幅图像的重复扫描次数约为W/2，这里W是包含在图像中最大线条的宽度。这个过程画在图3A-3D上。在这种情形下，为了线条的细化，要求扫描点P的次数为： P = Sx W 2 ]]>

这里S是整幅图形内扫描点的数目(I×J)；

W/2是扫描整幅图像的重复次数；和

W是整幅图像中最大线条宽度。

即使在图像中只有一个区域有粗的线条或一个实心的黑色区域，也要求该算法为这样一个区域而重复扫描整幅图像，为此要求大量的处理时间。

第二类常规方法包括从内侧像素到边沿像素的处理像素方式，以便找出中心像素。这种第二类技术包括最大的正方形(MS)和最大的圆形(MC)两种技术，例如在下面的论文中有说明：Abairid M.R.，Martin G.and Suen C.Y.，“Tracing Center-lines of Digital PatternsUsing Maximal-Square and Maximal-Circle Algorithm，”Conf.OnVersion Interface′90，Nova Scotia，1990，76-79。因为对每一个像素都必须进行相同的识别，所以这种第二类常规技术并不节省处理时间。

第三类常规方法包括对每一扫描线搜索每个分支的中心像素，连接这些中心像素，以便获得图像的骨架。这种第三类方法常常不能保持图像的连通性。

本发明针对一种细化算法，更具体说，是针对非迭代的细化算法，它对靠近骨架像素的不同像素，分配不同的权重，并除去不可能的像素。本发明既不需要对某一像素进行迭代，也不需要对每一个像素都检测；因此，减少了处理所需要的时间。本发明还可以结合某种填充算法使用。对各种不同的二进制图形的实验结果表明，本发明与其他常规算法相比，是一种高速的技术，且可以获得良好的骨架形状。

图1A和1B画出普通的字符。