[发明专利]一种图像细化方法及系统

说明书

本发明提供了一种图像细化方法及系统。该方法及系统通过先排序分组，再排序划分子域，从而将前景像素划分在不同的子域中。用串行方法依次对不同组进行细化操作，用并行方法对处于同一子域内的像素进行细化操作。本发明的方法及系统能够在保证细化结果的旋转不敏感性的同时，使得细化结果兼顾保持原图像的连通性和严格单像素宽的特性，从而能够适用于模式识别和目标匹配方面。

技术领域

本发明涉及图像处理领域，特别是涉及一种图像细化方法及系统。

背景技术

自1967年学者Blum提出了图像“中轴”的概念，目前已报导的关于图像骨架的提取算法或图像细化算法已经超过一千种。然而，在已经出现的相关细化算法中，每个细化算法各有其优缺点和应用局限。由于不同类方法各有优缺点，目前还没有任何一种算法能完美地适用于任意应用场合。

在图像表示和识别中，算法所得结果具备良好的旋转不变性对提高准确性和效率具有重要意义。因此，如何获得旋转不变的图像骨架是一个很有价值的研究课题。大多数文献都提到了图像骨架具有旋转不变性的重要性，但目前该问题并没有得到完美解决。早在1992年，Louisa Lam和Ching Y.Suen等综述了多类骨架提取算法和它们的性能，认为所有已报导算法都无法获得完全旋转不变(complete invariance under rotation)的骨架。2005年，Peter I.Rockett推断，任何骨架提取算法都不可能是真正意义上的旋转不变(truly rotation-invariant)。最主要原因是在旋转状态下，由2元素宽线条细化到单元素宽线条时必然存在着不确定性，使得保留元素发生变化。需要说明的是，真正意义旋转不变性要求骨架同时具备严格旋转不变、单元素宽和保持拓扑结构这三个方面的特性。Lam和Rockett考虑的是在90度倍角下的真正意义旋转不变性。一种骨架提取算法或细化(Thin)算法如果能够满足如下恒等式：

Thin[Rotate(I,N×90°)]≡Rotate[Thin(I),N×90°]

其中I为任意图像，N为任意整数，Rotate为旋转函数，那么该算法获得的图像骨架具备90度倍角下的严格旋转不变。Rockett认为要获得真正意义的旋转不变性图像骨架，必须先识别目标的姿态，而提取骨架的主要目的是识别目标，这就形成了悖论。此后，Rockett悖论似乎束缚了人们的思维，让人们接受了只有允许骨架保留二元素宽度，或者破坏原图的拓扑结构，才能够设计出90度倍角下严格旋转不变的骨架提取算法。多年来，人们对于如何实现Lam和Rockett提出的真正意义旋转不变性图像细化方法并没有给出解决方案。

在非90度倍角的旋转下，由于四舍五入和插值的影响，基于正交网格的图像不可避免地发生形貌变化，因此提取得到的骨架只能是非严格旋转不变的。因此，对于涉及任意角度旋转的应用场合，图像细化算法应当具备优良的旋转不敏感性。但到目前为止，已报道的各类细化算法要么旋转敏感性太大，要么不能同时保证连通性和单像素宽特性。

发明内容

基于此，有必要提供一种图像细化方法及系统，不能能够保证细化结果的旋转不敏感性，还能兼顾保持图像连通性和单像素宽特性。

为实现上述目的，本发明提供了如下方案：

一种图像细化方法，包括：

获取待细化的目标二值图像；

计算所述目标二值图像的中心坐标；

根据所述中心坐标计算所有前景像素的向心方向参量；所述向心方向参量的计算公式如下：

其中，S_centri(p)为像素p的向心方向参量，α为常数，D_PC(p)为像素p到所述中心坐标的距离，p＝1表示像素p为前景像素，p＝0表示像素p为背景像素；