基于MATLAB的骨架提取算法的研究实现(6)

南昌航空大学科技学院学士学位论文

如图2-3所示，基于Level Sets 的AFFM算法结果含带面的情况。

图2-3基于Level Sets的AFFM算法无法消除二维骨架带面的情况

2.2.5形态学骨架提取算法

数学形态学的骨架化方法。是一门建立在数学图论基础上的学科，是几何形态学分析和描述的有力数学工具。它的基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。用数学形态学处理图像可以简化图像数据，除去不相干的结构，保持它们基本的形状特性，并且有天然的并行实现的结构优点。

但是利用数学形态学理论提取物体骨架，存在一些问题：一是得到的骨架是非连通的；二是容易受边界噪声的影响。把目前形态学的骨架提取方法研究范围从二值图像推广到灰度图像、彩色图像、三维图像，可以提高骨架包含信息量，从而提高后期识别统计概率。另外提高提取效率，得到实时处理的效果成为今后的发展方向。

2.3当前骨架提取算法面临的重点和难点

骨架是物体的“中轴”，体现的是物体的整体拓扑结构和形状。然而，现有的骨架提取算法都未能很好的体现这一思想，不能有效处理骨架的噪声问题。这样提取的骨架含有很多的噪声，出现一些主次不分!结构混乱的现象，影响对物体的真实形状和连接关系的正确判断，严重的甚至会出现对物体错误的认识。无论是拓扑细化还是基于距离场的骨架算法，都面临这样的问题，如图2-4所示。