基于MATLAB的骨架提取算法的研究实现(15)

2 物体骨架提取方法研究

2.1 骨架提取的基本概念

2.1.1物体骨架与物体边界/轮廓的关系

骨架提取方法属于骨架应用于图像处理领域的基础研究阶段，领先于其它相关研究，该部分突破性研究成果对此领域的发展具有巨大的作用。

骨架是基于物体形状特征的简化对象描述方式，得到理想的物体骨架具有重要的意义。简洁准确的骨架能够突出物体的整体结构，反映物体的边界形状，其二简洁的特征,简化了其后期的描述和度量的困难,为物体的形状特征匹配实现带来方便。再者，骨架提取研究一个重要的目标是将图像提炼成反映其本质的简化表示，可以在保持重要的拓扑和几何结构特征的情况下清除这样那样因素引起的轮廓失真影响，在识别技术上可以引导出一种终点、结点和各子部分连接关系的特征描述方式，从而实现一种应用模糊理论于图像识别领域的智能识别算法。因此是图像识别领域研究的重点，是计算机视觉、人工智能、图像处理等领域的关键技术和研究的热点之一。 在数字图像处理领域，边界与轮廓没有本质区别，是图像的一种特征。它是由图像的部分边缘点连接起来的集合图形，用来表示图像中某一目标的形状。

物体骨架是物体边界或轮廓的一种简化形状表示方式，可以充分描述物体的形状和实现物体的识别。

骨架作为物体形状的一种表示方式，与采用轮廓描述形状相比，拥有许多优点。譬如，骨架可以表述出物体的整体结构特征，很多物体仅仅从结构上就可以很容易的区分，这点基于轮廓的形状描述是不能清晰表达的。骨架可以通过最大圆半径和骨架枝信息关联物体的轮廓形状特征，很容易的实现物体形状的保存和重建。因为骨架能够描述物体的整体特征，这使得骨架可以处理那些轮廓不准确的物体的识别问题。另外，骨架可以描述一些结构复杂的物体。如物体内部含有空洞等形状的;这些基于形状的轮廓描述是根本不能解决的。其它的优点诸如图像压缩比例大,可以实现多尺度选择等非常多，这里不再一一赘述。