一种提取图像主骨架拓扑信息的方法及装置与流程

本发明涉及一种提取图像主骨架拓扑信息的方法及装置。

背景技术：

1、在图像处理和计算机视觉领域，形状特征的提取是一个至关重要的研究方向。形状特征不仅可以帮助理解图像中的物体，还能为后续的分类、识别和分析任务提供有力支持。骨架化技术是形状特征提取的关键技术之一，在多种应用场景中得到了广泛应用。具体地说，骨架化技术是从二值图像中提取出形状的中心轴线，这条轴线不仅代表了形状的主要轮廓，还保留了原始形状的关键拓扑信息，这使得骨架在图像处理任务中扮演着重要角色，特别是在形状分析、特征提取等任务中尤为重要。

2、骨架化技术的核心在于通过简化图像的形状信息，减少数据冗余，同时保留形状的拓扑结构。这种技术能够有效地提高图像处理的效率，特别是在需要处理大量图像数据的场景下，将图像骨架化能显著降低计算复杂度。此外，骨架化生成的中心轴线还具有较好的不变性，能够在一定程度上抵抗噪声和形状变形的影响，为后续的图像分析和识别提供稳定的特征基础。正因如此，骨架化技术在医疗影像分析、物体识别、机器人导航等领域得到了广泛应用和深入研究。

技术实现思路

1、为了更好的提取图像主骨架，本发明实施例中提供了一种提取图像主骨架拓扑信息的方法及装置。

2、第一方面，本发明实施例提供了一种提取图像主骨架拓扑信息的方法，可以包括：

3、基于获取的目标图像使用预设骨架提取算法，提取得到初始骨架图；

4、基于所述初始骨架图中的每一骨架点的邻域，判别得到每一骨架点的类型；所述骨架点的类型包括交叉点、孤立点、端点和内点；

5、根据所述初始骨架图中的所有所述交叉点，区分出多个骨架分支；

6、从所述多个骨架分支中确定非主干分支；

7、将所述初始骨架图中的非主干分支删除，得到更新骨架图；

8、基于所述预设骨架提取算法对所述更新骨架图重新进行骨架提取，得到新的初始骨架图，并判别所述新的初始骨架图中是否存在交叉点：

9、若是，则根据所述新的初始骨架图中的所有所述交叉点，重新确定非主干分支，得到新的更新骨架图，并执行上述骨架提取和判别的步骤；

10、若否，则将所述新的初始骨架图作为主骨架图；

11、在所述主骨架图中进行定向搜索，得到所述主骨架图的拓扑信息。

12、本技术实施例的一个或一些可选的实施方式中，所述基于所述初始骨架图中的每一骨架点的邻域，判别得到每一骨架点的类型，包括：

13、针对所述初始骨架图中的每一骨架点，采用8邻域算法，确定所述骨架点的8个邻域的值；

14、基于所述骨架点的8个邻域的值按照预设顺序作差，更新所述骨架点的每一邻域的值；

15、基于所述骨架点的8个邻域的值中的正值总数，确定所述骨架点的类型。

16、本技术实施例的一个或一些可选的实施方式中，所述基于所述骨架点的8个邻域的值按照预设顺序作差，更新所述骨架点的每一邻域的值，包括：

17、将所述骨架点的8个邻域按照所述预设旋转方向排序；

18、针对所述骨架点的每一邻域，计算所述邻域与下一邻域的差值；

19、将所述邻域的值更新为所述邻域与下一邻域的差值。

20、本技术实施例的一个或一些可选的实施方式中，所述基于所述骨架点的8个邻域中的正值总数，确定所述骨架点的类型，包括：

21、若所述骨架点的8个邻域的值中的正值总数为0，则所述骨架点为孤立点；

22、若所述骨架点的8个邻域的值中的正值总数为1，则所述骨架点为端点；

23、若所述骨架点的8个邻域的值中的正值总数为2，则所述骨架点为内点；

24、若所述骨架点的8个邻域的值中的正值总数大于等于3，则所述骨架点为交叉点。

25、本技术实施例的一个或一些可选的实施方式中，在所述基于所述初始骨架图中的每一骨架点的邻域，判别得到每一骨架点的类型之后，还包括：

26、删除所述初始骨架图中所有孤立点。

27、本技术实施例的一个或一些可选的实施方式中，所述根据所述初始骨架图中的所有所述交叉点，区分出多个骨架分支，包括：

28、剔除所述初始骨架图中的所有交叉点及其邻域，得到分段骨架图；

29、检测所述分段骨架图中的多个连通域，将每一连通域作为一个骨架分支。

30、本技术实施例的一个或一些可选的实施方式中，所述从所述多个骨架分支中确定非主干分支，包括：

31、基于每一所述骨架分支的骨架点总数，计算得到分支骨架点均值；

32、基于所述分支骨架点均值确定主干阈值；

33、将骨架点总数小于所述主干阈值的骨架分支作为非主干分支。

34、第二方面，本发明实施例提供了一种提取图像主骨架拓扑信息的装置，可以包括：

35、第一提取模块，用于基于获取的目标图像使用预设骨架提取算法，提取得到初始骨架图；

36、第一判别模块，用于基于所述初始骨架图中的每一骨架点的邻域，判别得到每一骨架点的类型；所述骨架点的类型包括交叉点、孤立点、端点和内点；

37、第二提取模块，用于根据所述初始骨架图中的所有所述交叉点，区分出多个骨架分支；

38、第三提取模块，用于从所述多个骨架分支中确定非主干分支；

39、第一删除模块，用于将所述初始骨架图中的非主干分支删除，得到更新骨架图；

40、第一判断模块，用于基于所述更新骨架图重新执行第一提取模块和第一判别模块，得到新的初始骨架图中每一骨架点的类型，判断新的初始骨架图中是否存在交叉点：若是，则基于所述新的初始骨架图，由第二提取模块、第三提取模块、第一删除模块重新得到新的更新骨架图，并由第一判断模块重新进行判断；若否，将所述新的初始骨架图作为主骨架图；

41、第一搜索模块，用于在所述主骨架图中进行定向搜索，得到所述主骨架图的拓扑信息。

42、第三方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现如上述的提取图像主骨架拓扑信息的方法。

43、第四方面，本发明实施例提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现如上述的提取图像主骨架拓扑信息的方法。

44、第五方面，本发明实施例提供一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，该处理器执行所述计算机程序时实现如上述的提取图像主骨架拓扑信息的方法。

45、本发明实施例提供的上述技术方案的有益效果至少包括：

46、本发明实施例提供了一种提取图像主骨架拓扑信息的方法，该方法基于预设骨架提取算法提取目标图像的骨架，得到初始骨架图，并根据初始骨架图中每一骨架点的邻域，找出初始骨架图中的交叉点，基于交叉点，得到多个骨架分支，进一步确定多个骨架分支中的非主干分支，将初始骨架图中的非主干分支删除，得到更新骨架图，接下来，基于预设骨架提取算法对更新骨架图重新进行骨架提取，得到新的初始骨架图，判断其中是否还存在交叉点：若是，重新确定非主干分支，得到新的更新骨架图；若否，则将新的初始骨架图作为主骨架图，最后基于主骨架图确定拓扑信息。该方法的计算复杂度较低，提取的主骨架图相较于完整的骨架图，保留了图像形状的主要拓扑结构，有效简化了数据，减少计算复杂度，从而提升了数据处理速度，更加适用于大型图像数据和实时应用。同时，主骨架图忽略了完整骨架图中微小的分支和噪声，专注于捕捉全局形状信息，使得提取的主骨架图鲁棒性更强，能够更好地应对数据噪声，在后续的分类、识别等任务中能表现出更高的准确性和稳定性，且能有效降低后续处理的复杂度。

47、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

48、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。