戴凌震，荣 晔，史有群

基于欧氏距离及向量内积的骨架提取算法

戴凌震，荣 晔，史有群

对骨架算法进行研究，提出一种骨架提取算法。通过对图像内部像素点进行距离变换得到其最近边界点的位置，将内部像素点到最近边界点的向量定义为边界向量，根据物体内部相邻边界向量的方向，计算每个像素点的内积值和其8邻域的最小内积值，得到的最小内积点，以确定的阈值从最小内积点中选取骨架种子点，再对骨架种子点进行处理，得到连通的骨架。试验证明这种算法能保证骨架具的完整性和连通性，正确反映物体的拓扑结构。

骨架；边界向量；内积；距离变换

0 引言

描述物体形状的重要工具是骨架，它包含物体的拓扑结构和形状特征，是描述物体形状的方式，由骨架所体现的物体轮廓和区域信息，可以方便地进行物体的特征匹配，在计算机图形学、图像检索、图像处理、模式识别和生物医学等领域得到了广泛的应用，物体骨架的概念最早由 Blum 提出[1]。

近年来，骨架提取算法一直是图像处理研究的一个热门课题，许多学者都提出了不同的骨架算法。这些算法大致分为 3 类。第一类是细化和边界扩展算法，文献[2]综述了各种细化算法的实现及应用。火烧模型[3]和波形推进面[4]方法是最常用的细化算法。第二类是基于区域的中轴算法。包括Voronoi图及其应用[5]，数学形态学[6]和最大圆盘[7]等。细化算法和中轴算法都对边界噪声敏感，微小的边界噪声干扰会出现较多的骨架分支，需要对骨架进行剪枝处理，以简化骨架的拓扑结构。……