基于MATLAB的骨架提取算法的研究实现(7)

1 绪论

1.1研究背景与意义

随着扫描技术和计算机图形学的发展以及计算机性能的提高，模型己成为继声音、图像和视频之后的第四种多媒体数据类型。对模型的使用与研究在娱乐、医学、机械工程、计算机仿真和虚拟现实，工业应用等领域得到了认间，日益发达的互联网技术为人们对三维模型的共享和处理提供 了条件，这些都导致对维模型应用需求的增长。但是三维模型的信息量很大，同时三维模型的描述方法多样，如点集合表示法、多边形网格表示法和体素表示法等，这也使得三维模型在许多应用中发生占用存储空间过大、运行计算负载过重 、达不到时计算的情形。所以需要一种"紧凑的 " 表示方式来尽可能完整，全面地表示描述三维模型的结构特征信息等。其中最常用一种简 化的表示方式就是使用一维曲线 ，一般称为中心线或者线性骨架。利用物体的骨架来捕述对象是一种既能强调物体的结构特征，也能提高内存使用率与数据压缩率的好方法。骨架作为计算机图形学、计算几何学、点集拓扑学和图论等跨学科专业的研究内容，有丰富的理论支撑和很多成熟的数学工具可以利用。自从Blum[1]的开创性研究以来 ，数十年来研究者们从不同的角度研究了骨架的各个侧面，并且将它应用到越来越广泛的领域之中。这些领悟几乎涉及到计算机视觉和图像理解领域的方方面面。

骨架是原始图形的一种压缩表示 ，与原始图形保持了相同 的拓扑结构， 并且存在于图形的对称轴上，能够同时反映图形的拓 扑与形状信息，减少原始 图形的冗余信息，是在二维或三维空间里描述物体基本拓扑的有力抽象化手段。三维模型的骨架是该物体的直观图或中心线的表示。应用中它可以代替原三维模型参与许多运算，从而大大减少计算开销，可广泛用于医学可视 化、模式识别、计算机动画等领域。近年来，随着体可视化技术的发展以及体图形学的出现，使得三维骨架提取成为了一个研究热点。

在过去的二十年里，科研工作者在三维骨架提取领域已经开发了很多的算法，并且新的算法也正在不断出现。2006年美国Rutgers大学的Cornea等人详尽综述了三维线性骨架提取的应用与研究，并在网站上公开了部分算法的源代码供大家使用。可以说这极大方便了研究者，但Cornea提供的源代码读取数据格式不统一，同时缺乏可视化显示，非常不便于重复使用。为避免重复使用，非常有必要充分利用各种已有算法，开发二维、三维骨架提取平台。