基于MATLAB的骨架提取算法的研究实现(11)

细化的过程比较复杂，从而需要给出大量的删除条件或者特殊的规则，以避免在细化过程中造成不连通的现象。而且，细化法只是考虑局部连通关系，无法对图形特征进行全局的把握，使它对噪声特别敏感，含有大量噪声的边界常常会导致许多点被误认为端节点。

1.2.3基于距离变换的方法

基于距离变换的方法是利用物体的连通性，对局部领域进行距离变换赋值，从而抽取出物体的骨架点。物体内的每一点的DT（Distance Transform）值被定义为这个点到边界点的最小距离。由于骨架点相对于物体的边界而言应当处于中心的位置，而从理论上讲 ，最接近于物体中心的点应该具有最大的 DT 值。因此，DT值就能为骨架点的确定提供有用的信息。

距离度量（Distance Metric）是衡量图像中两点间距离的方法，目前，有很多种距离规则可以用于计算距离变换值。例如两点 间的欧式距离就可以提供足够的信息来判断该点是否位于中心。但是在实际计算中，两点间的欧式距离为：

其中，和分别为两点的笛卡尔坐标，其计算代价是非常高的，如此精确的距离计算也是不必要的，在一些文献中，使用Manbattan距离或者Cbess-board距离来加快计算。根据体图形学的理论，在三维空间中，物体是以离散网格的形式采样的。因此可以用加权距离规则来近似欧式距离。这种规则被定义为 a-b-c 形式例，其中a为面相邻元之间的局部距离，b为边相邻元之间的局部距离，c 为点相邻之间的局部距离。

依据距离的参照据，提取骨架的距离场可分为两类：到源点的距离场，记为DFS（Distance Field from Source）,一般在模型表面上选取一个源点，然后计算模型表面上或内部的所有点到该源点的距离，得到的距离场即为DFS；到模型边界的距离场，记为DFB（Distance Field from Boundary），对于模型内部的某一点，计算该点到模型边界的最短距离，得到的距离场即为DFB。基于这两种距离场的骨架提取方法 分别称为DFS方法和DFB方法。距离场方法，一般需要先将模型离散为规则数据场的体素表达，再进行骨架提取的工作。

在这些方法中，它们大多使用 Dijkstra算法来构造距离场或者进行骨架节点的搜索。Dijkstra算法事先构造某特定权值来度量图中路径的长度，然后从图的某指