本發(fā)明涉及一種提取圖像主骨架拓?fù)湫畔⒌姆椒把b置。

背景技術(shù)：

1、在圖像處理和計(jì)算機(jī)視覺領(lǐng)域，形狀特征的提取是一個(gè)至關(guān)重要的研究方向。形狀特征不僅可以幫助理解圖像中的物體，還能為后續(xù)的分類、識(shí)別和分析任務(wù)提供有力支持。骨架化技術(shù)是形狀特征提取的關(guān)鍵技術(shù)之一，在多種應(yīng)用場(chǎng)景中得到了廣泛應(yīng)用。具體地說，骨架化技術(shù)是從二值圖像中提取出形狀的中心軸線，這條軸線不僅代表了形狀的主要輪廓，還保留了原始形狀的關(guān)鍵拓?fù)湫畔?，這使得骨架在圖像處理任務(wù)中扮演著重要角色，特別是在形狀分析、特征提取等任務(wù)中尤為重要。

2、骨架化技術(shù)的核心在于通過簡(jiǎn)化圖像的形狀信息，減少數(shù)據(jù)冗余，同時(shí)保留形狀的拓?fù)浣Y(jié)構(gòu)。這種技術(shù)能夠有效地提高圖像處理的效率，特別是在需要處理大量圖像數(shù)據(jù)的場(chǎng)景下，將圖像骨架化能顯著降低計(jì)算復(fù)雜度。此外，骨架化生成的中心軸線還具有較好的不變性，能夠在一定程度上抵抗噪聲和形狀變形的影響，為后續(xù)的圖像分析和識(shí)別提供穩(wěn)定的特征基礎(chǔ)。正因如此，骨架化技術(shù)在醫(yī)療影像分析、物體識(shí)別、機(jī)器人導(dǎo)航等領(lǐng)域得到了廣泛應(yīng)用和深入研究。

技術(shù)實(shí)現(xiàn)思路

1、為了更好的提取圖像主骨架，本發(fā)明實(shí)施例中提供了一種提取圖像主骨架拓?fù)湫畔⒌姆椒把b置。

2、第一方面，本發(fā)明實(shí)施例提供了一種提取圖像主骨架拓?fù)湫畔⒌姆椒ǎ梢园ǎ?/p>

3、基于獲取的目標(biāo)圖像使用預(yù)設(shè)骨架提取算法，提取得到初始骨架圖；

4、基于所述初始骨架圖中的每一骨架點(diǎn)的鄰域，判別得到每一骨架點(diǎn)的類型；所述骨架點(diǎn)的類型包括交叉點(diǎn)、孤立點(diǎn)、端點(diǎn)和內(nèi)點(diǎn)；

5、根據(jù)所述初始骨架圖中的所有所述交叉點(diǎn)，區(qū)分出多個(gè)骨架分支；

6、從所述多個(gè)骨架分支中確定非主干分支；

7、將所述初始骨架圖中的非主干分支刪除，得到更新骨架圖；

8、基于所述預(yù)設(shè)骨架提取算法對(duì)所述更新骨架圖重新進(jìn)行骨架提取，得到新的初始骨架圖，并判別所述新的初始骨架圖中是否存在交叉點(diǎn)：

9、若是，則根據(jù)所述新的初始骨架圖中的所有所述交叉點(diǎn)，重新確定非主干分支，得到新的更新骨架圖，并執(zhí)行上述骨架提取和判別的步驟；

10、若否，則將所述新的初始骨架圖作為主骨架圖；

11、在所述主骨架圖中進(jìn)行定向搜索，得到所述主骨架圖的拓?fù)湫畔ⅰ?/p>

12、本技術(shù)實(shí)施例的一個(gè)或一些可選的實(shí)施方式中，所述基于所述初始骨架圖中的每一骨架點(diǎn)的鄰域，判別得到每一骨架點(diǎn)的類型，包括：

13、針對(duì)所述初始骨架圖中的每一骨架點(diǎn)，采用8鄰域算法，確定所述骨架點(diǎn)的8個(gè)鄰域的值；

14、基于所述骨架點(diǎn)的8個(gè)鄰域的值按照預(yù)設(shè)順序作差，更新所述骨架點(diǎn)的每一鄰域的值；

15、基于所述骨架點(diǎn)的8個(gè)鄰域的值中的正值總數(shù)，確定所述骨架點(diǎn)的類型。

16、本技術(shù)實(shí)施例的一個(gè)或一些可選的實(shí)施方式中，所述基于所述骨架點(diǎn)的8個(gè)鄰域的值按照預(yù)設(shè)順序作差，更新所述骨架點(diǎn)的每一鄰域的值，包括：

17、將所述骨架點(diǎn)的8個(gè)鄰域按照所述預(yù)設(shè)旋轉(zhuǎn)方向排序；

18、針對(duì)所述骨架點(diǎn)的每一鄰域，計(jì)算所述鄰域與下一鄰域的差值；

19、將所述鄰域的值更新為所述鄰域與下一鄰域的差值。

20、本技術(shù)實(shí)施例的一個(gè)或一些可選的實(shí)施方式中，所述基于所述骨架點(diǎn)的8個(gè)鄰域中的正值總數(shù)，確定所述骨架點(diǎn)的類型，包括：

21、若所述骨架點(diǎn)的8個(gè)鄰域的值中的正值總數(shù)為0，則所述骨架點(diǎn)為孤立點(diǎn)；

22、若所述骨架點(diǎn)的8個(gè)鄰域的值中的正值總數(shù)為1，則所述骨架點(diǎn)為端點(diǎn)；

23、若所述骨架點(diǎn)的8個(gè)鄰域的值中的正值總數(shù)為2，則所述骨架點(diǎn)為內(nèi)點(diǎn)；

24、若所述骨架點(diǎn)的8個(gè)鄰域的值中的正值總數(shù)大于等于3，則所述骨架點(diǎn)為交叉點(diǎn)。

25、本技術(shù)實(shí)施例的一個(gè)或一些可選的實(shí)施方式中，在所述基于所述初始骨架圖中的每一骨架點(diǎn)的鄰域，判別得到每一骨架點(diǎn)的類型之后，還包括：

26、刪除所述初始骨架圖中所有孤立點(diǎn)。

27、本技術(shù)實(shí)施例的一個(gè)或一些可選的實(shí)施方式中，所述根據(jù)所述初始骨架圖中的所有所述交叉點(diǎn)，區(qū)分出多個(gè)骨架分支，包括：

28、剔除所述初始骨架圖中的所有交叉點(diǎn)及其鄰域，得到分段骨架圖；

29、檢測(cè)所述分段骨架圖中的多個(gè)連通域，將每一連通域作為一個(gè)骨架分支。

30、本技術(shù)實(shí)施例的一個(gè)或一些可選的實(shí)施方式中，所述從所述多個(gè)骨架分支中確定非主干分支，包括：

31、基于每一所述骨架分支的骨架點(diǎn)總數(shù)，計(jì)算得到分支骨架點(diǎn)均值；

32、基于所述分支骨架點(diǎn)均值確定主干閾值；

33、將骨架點(diǎn)總數(shù)小于所述主干閾值的骨架分支作為非主干分支。

34、第二方面，本發(fā)明實(shí)施例提供了一種提取圖像主骨架拓?fù)湫畔⒌难b置，可以包括：

35、第一提取模塊，用于基于獲取的目標(biāo)圖像使用預(yù)設(shè)骨架提取算法，提取得到初始骨架圖；

36、第一判別模塊，用于基于所述初始骨架圖中的每一骨架點(diǎn)的鄰域，判別得到每一骨架點(diǎn)的類型；所述骨架點(diǎn)的類型包括交叉點(diǎn)、孤立點(diǎn)、端點(diǎn)和內(nèi)點(diǎn)；

37、第二提取模塊，用于根據(jù)所述初始骨架圖中的所有所述交叉點(diǎn)，區(qū)分出多個(gè)骨架分支；

38、第三提取模塊，用于從所述多個(gè)骨架分支中確定非主干分支；

39、第一刪除模塊，用于將所述初始骨架圖中的非主干分支刪除，得到更新骨架圖；

40、第一判斷模塊，用于基于所述更新骨架圖重新執(zhí)行第一提取模塊和第一判別模塊，得到新的初始骨架圖中每一骨架點(diǎn)的類型，判斷新的初始骨架圖中是否存在交叉點(diǎn)：若是，則基于所述新的初始骨架圖，由第二提取模塊、第三提取模塊、第一刪除模塊重新得到新的更新骨架圖，并由第一判斷模塊重新進(jìn)行判斷；若否，將所述新的初始骨架圖作為主骨架圖；

41、第一搜索模塊，用于在所述主骨架圖中進(jìn)行定向搜索，得到所述主骨架圖的拓?fù)湫畔ⅰ?/p>

42、第三方面，本發(fā)明實(shí)施例提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序/指令，該計(jì)算機(jī)程序/指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述的提取圖像主骨架拓?fù)湫畔⒌姆椒ā?/p>

43、第四方面，本發(fā)明實(shí)施例提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序/指令，該計(jì)算機(jī)程序/指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述的提取圖像主骨架拓?fù)湫畔⒌姆椒ā?/p>

44、第五方面，本發(fā)明實(shí)施例提供一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上的計(jì)算機(jī)程序，該處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如上述的提取圖像主骨架拓?fù)湫畔⒌姆椒ā?/p>

45、本發(fā)明實(shí)施例提供的上述技術(shù)方案的有益效果至少包括：

46、本發(fā)明實(shí)施例提供了一種提取圖像主骨架拓?fù)湫畔⒌姆椒?，該方法基于預(yù)設(shè)骨架提取算法提取目標(biāo)圖像的骨架，得到初始骨架圖，并根據(jù)初始骨架圖中每一骨架點(diǎn)的鄰域，找出初始骨架圖中的交叉點(diǎn)，基于交叉點(diǎn)，得到多個(gè)骨架分支，進(jìn)一步確定多個(gè)骨架分支中的非主干分支，將初始骨架圖中的非主干分支刪除，得到更新骨架圖，接下來，基于預(yù)設(shè)骨架提取算法對(duì)更新骨架圖重新進(jìn)行骨架提取，得到新的初始骨架圖，判斷其中是否還存在交叉點(diǎn)：若是，重新確定非主干分支，得到新的更新骨架圖；若否，則將新的初始骨架圖作為主骨架圖，最后基于主骨架圖確定拓?fù)湫畔ⅰＴ摲椒ǖ挠?jì)算復(fù)雜度較低，提取的主骨架圖相較于完整的骨架圖，保留了圖像形狀的主要拓?fù)浣Y(jié)構(gòu)，有效簡(jiǎn)化了數(shù)據(jù)，減少計(jì)算復(fù)雜度，從而提升了數(shù)據(jù)處理速度，更加適用于大型圖像數(shù)據(jù)和實(shí)時(shí)應(yīng)用。同時(shí)，主骨架圖忽略了完整骨架圖中微小的分支和噪聲，專注于捕捉全局形狀信息，使得提取的主骨架圖魯棒性更強(qiáng)，能夠更好地應(yīng)對(duì)數(shù)據(jù)噪聲，在后續(xù)的分類、識(shí)別等任務(wù)中能表現(xiàn)出更高的準(zhǔn)確性和穩(wěn)定性，且能有效降低后續(xù)處理的復(fù)雜度。

47、本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過在所寫的說明書以及附圖中所特別指出的結(jié)構(gòu)來實(shí)現(xiàn)和獲得。

48、下面通過附圖和實(shí)施例，對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。