【摘要】：依次从每个端点出发，对每条骨架进行跟踪，必然会跟踪到一个节点，每个端点到对应节点之间称为尾支，即为骨架分支。图9.13二值图像初次骨架提取通过骨架提取和删除骨架分支后的图像，可以得到理想的骨架图，为下一步的距离值异常搜索提供了较为理想的图像。图9.14删除骨架分支
通常情况，本身是骨架点且8领域内仅存在一个骨架点的像素为端点，本身是骨架点且8领域内存在两个或更多骨架点的像素为节点。依次从每个端点出发，对每条骨架进行跟踪，必然会跟踪到一个节点（极端情况下，提取出的骨架只是一条线，不存在任何分支，只有两个端点而没有节点），每个端点到对应节点之间称为尾支，即为骨架分支。
要实现骨架分支的剔除，首先通过检测骨架的所有端点和节点，将各分支从骨架中提取出来，但需满足3个条件：保持原始特征的拓扑，即不会断开骨架；连续的，即修剪程度的微小变化只导致骨架的微小变化；局部的，即可从骨架的局部信息去估计该点的显著性。基于上述三种优化条件，本书采用阈值跟踪的算法对骨架进行直接修剪。
处理步骤是：首先设定计算像素个数的初始阈值N；遍历整幅骨架图，找出所有的直线端点，将其保存。依次从每一个端点出发，统计经过的像素值为黑色的像素个数n；若时，没有遇到一个三交叉点，则认为该端点没有多余分支，再从其他端点出发；反之，如果n＜N时，发现存在三交叉点，则原路返回并把原来经过的黑像素点的像素值置为白色。
通常初始阈值N根据研究对象的性质取不同值，本书取N=12，采用多余点删除原则处理后，得到的图像如图9.13所示。多余像素点和多余端枝去除后的骨架图干净利落，为跟踪骨架提供了单像素提取，单方向码的连通曲线，减少了骨架搜索的计算量，提高了缺陷识别的效率。
(www.xing528.com)
图9.13 二值图像初次骨架提取
通过骨架提取和删除骨架分支后的图像，可以得到理想的骨架图（见图9.14），为下一步的距离值异常搜索提供了较为理想的图像。
图9.14 删除骨架分支
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
