[发明专利]二值化图像抗噪声提取骨架的方法及系统

说明书

本发明属于图像骨架化技术领域，具体公开了一种二值化图像抗噪声提取骨架的方法及系统，该方法利用二值图像的前景像素，计算每个前景像素在其搜索域中的向量之和，得到其初始位移矢量，进行主成分分析，对初始位移矢量进行优化，沿优化后的位移矢量移动每个像素点，并根据移动点的集合重新绘制图像，重复步骤，直到满足终止条件时停止，得到原始骨架，对原始骨架进行细化，删除不改变图连通性的非必要像素点，得到最终的骨架。采用本技术方案，收集更多的局部信息，使提取的骨架更加平滑，而且对噪声具有很强的鲁棒性。

技术领域

本发明属于图像骨架化技术领域，涉及一种二值化图像抗噪声提取骨架的方法及系统。

背景技术

骨架化是将二值图像上的前景区域减少为骨架残余的过程，它在很大程度上保持了原始区域的连通性，从而提供了一种实用和紧凑的图像对象表示方式。提取的骨架可以作为一种有用的形状描述工具，也是一种著名的图像分析和形状识别的预处理方法。

现有技术中有许多在二维空间中获取骨骼的算法，可以将它们分类如下:

基于细化的骨架化方法:以直观的方式对形状进行剥离，得到一组单像素宽度的连通点，保持了形状的拓扑结构。即细化是一种旨在以并行或顺序的方式删除非终结简单点的操作，这些算法的主要优点是保留了形状拓扑。

基于距离图的骨架化方法:目标是识别距离图上的关键点，其中每个像素都用值标记与最接近的背景像素的距离。不同的距离映射近似或精确计算欧几里得距离。例如，倒角(通过局部掩模逼近欧几里得距离)，平方欧几里得距距离，带符号的欧几里得距离和蜂窝(基于六边形网格)。

而现有技术基于固定4邻域和8邻域的算法，只能考虑相当局部的信息，特别是当噪声接近边界时，局部信息的丢失将导致生成的骨架质量严重退化，算法鲁棒性不足。

发明内容

本发明的目的在于提供一种二值化图像抗噪声提取骨架的方法及系统，以解决算法鲁棒性不足的问题。

为了达到上述目的，本发明的基础方案为：一种二值化图像抗噪声提取骨架的方法，包括如下步骤：

S1，获取二值图像的前景像素，计算每个前景像素在其搜索域中的向量之和，得到其初始位移矢量；

S2，进行主成分分析，对初始位移矢量进行优化；

S3，沿优化后的位移矢量移动每个像素点，并根据移动点的集合重新绘制图像；

S4，重复步骤S1-S3，直到满足终止条件时停止，得到原始骨架；

S5，对原始骨架进行细化，删除不改变图连通性的非必要像素点，得到最终的骨架。

本基础方案的工作原理和有益效果在于：本方案计算每个前景像素在其搜索域中的向量之和，得到其初始运动方向，然后对之前计算的向量进行优化。沿着优化后的位移矢量移动每个像素点，并根据移动点的集合重新绘制图像。直到满足终止条件，进行后处理，得到最终的骨架。这样基于最近邻的抗噪声骨架化算法，收集了更多的局部信息，使提取的骨架不仅更加平滑，而且对噪声具有很强的鲁棒性。

进一步，得到初始位移矢量的方法如下：

设二值图像S用大小为m×n的矩阵P表示；

给定一组前景像素，通过计算每个样本像素周围向量的和，得到初始位移向量u_i为:

其中，i为待计算样本像素标识，j为i的邻域内样本像素标识，x_i为待计算样本像素坐标，x_j为邻域内样本像素坐标，k_i为i的自适应的邻域内所含像素点个数；N_i,k是样本像素x_i的k近邻的集合。