【正文】 特殊應(yīng)用 是有用的 ， 而掃描方向大約 是垂直方向的主要對(duì)象組件 . 參考文獻(xiàn) [ 1 ] C. Arcelli, L. Cordella, S. Levialdi ：并行細(xì)化二元圖片 （ 149 ,1975） 。m+ 1) = 0 mi(l) = int((oi(l) ? ei(l)=2)+ oi(l) 所連接的元件在連續(xù) 中點(diǎn)所有 行構(gòu)成了一個(gè)臨界點(diǎn)骨架的形象 ，這種方法的 計(jì)算 是 精確的 。 臨界點(diǎn)算法 最簡(jiǎn)單的一類，這些算法決定的中點(diǎn)子連接組件在標(biāo)準(zhǔn)掃描，以便每一行。 j ）在各個(gè)崗位上的 t_與非零值。 T__(i。 T_(i。 j 。 j ） ）有一個(gè)價(jià)值在 T等于 T（ i。（ i。 j ? 1 ） + 1,if I（ i。 i_ （ i。轉(zhuǎn)型包括兩個(gè)步驟。 這個(gè)想法提交的一個(gè)組成部分，數(shù)字圖像作為一個(gè)距離骨架的基礎(chǔ)上，計(jì)算一個(gè) 距離各點(diǎn) 在一個(gè)連通子米 _ C至補(bǔ)子。 為實(shí)際目的是易于對(duì)數(shù)字圖像中使用的臨近操作的（所謂的本地操作 ） 。 q 2 C是有關(guān) n_ i_有一個(gè)序列點(diǎn)， p = p0。 26是和對(duì)稱對(duì)一的形象， n_ （ p ）條像素位置 p包括 P和其 _ 相鄰像素的位置。最后，兩個(gè)像素的三維位置 P和 Q在網(wǎng)格中的細(xì)胞模型被稱為 2 毗鄰 i_ p 6 = Q和他們分享至少有一個(gè)面對(duì)的（這是一個(gè) 2細(xì)胞） 。范圍二進(jìn)制的形象是 f0 ，我們只使用在此報(bào)告的二進(jìn)制圖像 。這些并行算法通常是測(cè)試實(shí)施 8 連通性，以確保在 目標(biāo)連接和內(nèi)部數(shù)據(jù)沒有改變 。數(shù)字曲線的道路是一條在 P=p0 。 第三類是 算子 的特點(diǎn)是迭代細(xì)化。cient. The results are subsets of pixels of the original objects, and these subsets are not necessarily connected. They can form \noisy branches when object ponents are nearly parallel to image rows. They may be useful for special applications where the scanning direction is approximately perpendicular to main orientations of object ponents. References [1] C. Arcelli, L. Cordella, S. Levialdi: Parallel thinning of binary pictures. Electron. Lett. 11:148{149, 1975}. [2] C. Arcelli, G. Sanniti di Baja: Skeletons of planar patterns. in: Topolog ical Algorithms for Digital Image Processing (T. Y. Kong, A. Rosenfeld, eds.), NorthHolland, 99{143, 1996.} [3] H. Blum: A transformation for extracting new descriptors of shape. in: Models for the Perception of Speech and Visual Form (W. Wathen Dunn, ed.), MIT Press, Cambridge, Mass., 362{380, } 7 數(shù)字圖像處理 1引言 許多研究者 已提議提出了 在數(shù)字圖像里的 連接組件 是 由一個(gè)減少的數(shù)據(jù)量或 簡(jiǎn)化的形狀。 T(p)) of the transformed image, and it is not necessarily connected. \Critical Points Algorithms The simplest category of these algorithms determines the midpoints of subsets of connected ponents in standard scan order for each row. Let l be an index for the number of connected ponents in one row of the original image. We de_ne the following functions for 1 _ i _ n: ei(l) = _ j if this is the lth case I(i。 j)) = maxfT__(i。 j)) = maxfT_(i。 T_(i。 T(i。 T(i+ 1。 j)+ 1。 j) = f2(i。 p2。 j。 4。 p2。 I(p)) of an image are pixels (2D case) or voxels (3D case). The range of a (scalar) image is f0。 26g, is irreexive and symmetric on an image carrier C. The _neighborhood N_(p) of a pixel location p includes p and its _adjacent pixel locations. Coordinates of 2D grid points are denoted by (i。 p1。 q) has all properties of a metric. Given a binary digital image. We transform this image into a new one which represents at each point p 2 hIi the d4distance to pixels having value zero. The transformation includes two steps. We apply functions f1 to the image I in standard scan order, producing I_(i。 j)), as follows: f1(i。 j) = 1 and i 6= 1 or j 6= 1 5 m+ n otherwise f2(i。 j + 1) + 1g The resulting image T is the distance transform image of I. Note that T is a set f[(i。 j)+1. For all remaining points (i。 j。 j)? 1。 j)? 1。?1) = 0 ， oi(l) = _ j if this is the lth case I(i。 一類形狀減少 算子 是基于距離變換 的 。目標(biāo)是計(jì)算特性的數(shù)字對(duì)象，其中不 相關(guān)的大小或數(shù)量。qn= q等 ,pi是 pi 1的近鄰， ， 1 _ i _N和 P =q,數(shù)字曲線是所謂的簡(jiǎn)單 元素 ，如果每點(diǎn) pi 有準(zhǔn)確的兩個(gè)鄰域 在這曲線。數(shù)字圖像 I是一個(gè)功能離散集 C ，即所謂的載體的形象。 有兩種選擇：使用網(wǎng)格細(xì)胞模型的二維像素位置， P是一個(gè)封閉的廣場(chǎng)（ 2 細(xì)胞）在歐氏平面和三維像素的位置是封閉立方體（ 3 細(xì)胞） ，在歐氏空間，那里邊的長(zhǎng)度為 1和平行于坐標(biāo)軸，中心有整數(shù)坐標(biāo)。 1 。 j是整數(shù)和 N 。 pn = q 近鄰 ，在此序列無論是在 M或全部在補(bǔ) M的一個(gè)子集 M_ C的形象承運(yùn)人是所謂的 _連接 i_M，是不是空洞和所有點(diǎn)，在 M都成對(duì) 設(shè)置 M 組成的一個(gè)子集 S的 C是一個(gè)極大 值 ,連接子 S的研究連通性數(shù)碼影像已 在 [ 15 ]介紹了。 在本節(jié)中，我們只用網(wǎng)格點(diǎn)模型。 q ）的從點(diǎn) P點(diǎn) q ， p6 =q是最小的積極整數(shù) n ，如存在著一種序列具有鮮明的網(wǎng)格點(diǎn)， P值 p0 ， P2。 j 。i