平滑迭代骨架提取算法提升图像细化精度

本文主要探讨了一种引入平滑迭代的骨架提取改进算法，针对在ZS细化算法中常见的问题，如二像素宽度斜线结构细化畸变、2×2正方形结构丢失以及冗余像素的存在，以及主流骨架提取算法在处理不平滑轮廓导致的边缘分叉问题。算法在原有的ZS细化基础之上，采用了一种平滑迭代流程，该流程首先对目标图像进行精细化处理，通过迭代更新的方式逐步消除上述问题。 平滑迭代的核心在于每次迭代中，都会对图像进行细致的分析，利用保留模板和删除模板的条件判断，有效地保留了目标图像的骨架信息和拓扑特性。这种方法确保了在细化过程中，即使是最小的二像素宽度斜线和正方形结构也能被准确地保留下来，避免了不必要的信息丢失。此外，通过删除冗余像素，算法提升了整体的效率，细化精度相比于ZS、IEPTA和MZS等传统算法有所提升，提高了0.05%至0.25%。 实验结果表明，随着平滑迭代次数的增加，细化效果进一步增强，不仅减少了边缘分叉，还增强了轮廓的整体平滑度。这种改进算法的优势在于其在保持高质量骨架信息的同时，也优化了图像的细节处理，对于提高计算机视觉和图像处理领域的精确度具有重要意义。 该研究由袁良友、周航、韩丹和许国梁四位作者共同完成，其中袁良友专注于计算机视觉和图像处理领域，他们的硕士和博士研究背景为本文提供了扎实的理论基础。他们合作开发的这一算法已在《计算机工程与应用》网络首发，这标志着他们的成果已进入实际应用阶段，得到了学术界的认可。论文的网络首发遵循了严格的出版规定，确保了内容的创新性、科学性和准确性，同时也符合国家的出版技术标准。 这项工作得到了国家自然科学基金项目的资助，证明了其在科研领域的价值。该改进算法的引入为骨架提取任务提供了一个有效的解决方案，对于提高图像处理的精度和效率具有实际应用前景。