| 摘要: | 物體的骨架(Skeleton)提供許多重要的結構及幾 何特徵,因此將物體細線化(Thinning)成為只有一個 像素(Pixel)寬度的骨架在影像處理以及圖形辨識 的研究領域中是一個非常重要的研究課題.細線 化的應用非常廣泛,比如文字識別,指紋辨認,物體 辨識等.尤其在文字識別的應用中,細線化結果的 好壞往往會影響到辨識的結果.除此之外,細線化 亦具有資料壓縮的功能,可以將多餘的資料去除 掉.在本研究計畫中,我們將提出一個新的細線化方 法,利用周界向量比對(Contour Vector Matching)來達成 骨架化(Skeletonization)之結果.首先,先找出物體的 周界(Contour),然後將物體之周界影像向量化( Vectorization),接著將成對的周界向量配對(Pairing),再將配對後之周界向量骨架化,最後填補成對周 界向量骨架化後所產生的缺縫(Gap).如此一來,便 可達到細線化的效果.我們利用一個簡單的例子( 如圖一所示)來說明本方法一步步之細線化過程.和傳統的細線化方法比較起來,我們的新方法有 以下的優點:ぇ速度快,因為傳統方法是一層層地 剝去周界點.え所需之記憶體小,因為我們是產生 向量化的骨架而傳統方法是產生細線化之影像. ぉ無雜訊及失真,因為傳統方法由於細線化去點之本質會產生相當大的雜訊及失真(比如四叉點 變成三叉點以及大小外形失真),我們則是利用向 量配對產生骨架所以無此缺點. ; 研究期間 8202 ~ 8301 |
