1、形態(tài)分析和描述是計算機視覺研究中重要方法。在圖像處理中,骨架包含了物體形態(tài)的重要信息,是形態(tài)描述的重要表示,在形態(tài)分析和模式識別中已經(jīng)得到了廣泛的應用。在異形纖維識別的研究中,為了對不同類型的異形纖維進行區(qū)分,需要提取各纖維的骨架信息。通過細化算法進行骨架提取,在保證區(qū)域連通性的情況下,逐個剝離物體的邊界點,最后得到的保留點組成了物體骨架。但是,細化計算是一個迭代過程,計算量大。而且,通過細化算法得到的骨架點位置精度差。距離變換是計算機

2、圖像處理中的一個基本算法,用于計算圖像中各元素之間的距離。近年來,快速距離算法的提出,使得基于距離圖的形態(tài)骨架化應用成為可能。
　　針對細化算法存在的缺陷,本文提出一種基于距離變換利用最小覆蓋集獲取纖維骨架的算法。
　　首先,對二值圖像進行快速距離變換;然后根據(jù)距離變換結果,分析各元素與其鄰域之間的關系,計算二值圖像中物體的局部中心點集;再結合物體邊緣點建立相關矩陣,對矩陣進行行列變換,獲得物體的最小覆蓋集,即骨架中心點。在

3、生成的骨架中心點中存在孤立點,所以需要進行孤立點連接處理。在骨架中心點中選取距離值最小的點,以此點開始利用“陡峭爬山”算法,沿距離值變化梯度最大方向連接各中心點,最后生成連通的骨架線。由于數(shù)值圖像的離散性,當物體邊界通常會出現(xiàn)多余的分枝,為了方便后續(xù)的骨架匹配與識別,本文對骨架細小分枝進行了適當修剪和優(yōu)化,生成最終的纖維骨架線。在對細化算法和距離骨架實驗結果進行比較后可以看出,距離骨架能夠更好地保存物體的拓撲結構。
　　本文提出的

4、骨架提取算法應用于異形纖維識別系統(tǒng)中,與基于細化算法生成的識別結果進行比較。發(fā)現(xiàn)針對啞鈴形、中空形和W形纖維的正確識別率基本相近,而針對三葉形、十字形和星形纖維,基于距離骨架算法的纖維識別率存在明顯優(yōu)勢?；诒疚乃惴ㄗR別的異形纖維的總體正確識別率為95.4％,比基于細化算法的纖維正確識別率高20%。因此,本文算法適用異形纖維識別系統(tǒng)。作為本文工作開展的教育部基礎研究項目“纖維的計算機圖像自動識別和紡織品成分分析系統(tǒng)”,已于2007年12