轮廓提取和跟踪的优化方法

轮廓提取和轮廓跟踪的目的都是获得图像的外部轮廓特征。在必要的情况下，应用一定的方法表达轮廓的特征，为图像的形状分析做准备。

二值图像轮廓提取的算法非常简单，就是掏空内部点：如果原图中有一点为黑，且它的8个相邻点都是黑色（此时该点是内部点）时，则将该点删除。

联系到4.2.3节数学形态学的内容，可以看到，这实际上相当于用一个九个点的结构元素对原图像进行腐蚀。再用原图像减去腐蚀图像。

图像的轮廓提取过程如图4-40及图4-41所示。

图4-40 原始图像

图4-41 轮廓提取的结果

轮廓跟踪的基本方法是：先根据某些严格的“探测准则”找出目标物体轮廓上的像素，再根据这些像素的某些特征用一定的“跟踪准则”找出目标物体上的其他像素。下面来介绍两种二值图像轮廓跟踪的算法。

首先找到第一个边界像素的“探测准则”是：按照从左到右、从下到上的顺序搜索，找到的第一个黑点一定是最左下方的边界点，记为A₀，它的右、右上、上、左上四个邻点中至少有一个是边界点，记为B₀，从B开始找起，按右、右上、上、左上、左、左下、下、右下的顺序找相邻点中的边界点C。如果C就是A点，则表明已经转了一圈，程序结束；否则从C点继续找，直到找到A为止。判断是不是边界点很容易：如果它的上下左右四个邻点都不是黑点，则它即为边界点（即跟踪准则）。(www.xing528.com)

这种算法要对每个边界像素周围的八个点进行判断，计算量比较大。下面首先按照上面所说的“探测推则”找到最左下方的边界点。以这个边界点起始，假设已经沿顺时针方向环绕整个图像一圈，找到了所有的边界点。由于边界是连续的，所以每一个边界点都可以用这个边界点对前一个边界点所张的角度来表示。因此可以使用下面的跟踪准则：从第一个边界点开始，定义初始的搜索方向为沿左上方；如果左上方的点是黑点，则为边界点，否则搜索方向顺时针旋转45°。这样一直到找到第一个黑点为止。然后把这个黑点作为新的边界点，在当前搜索方向的基础上逆时针旋转90°，继续用同样的方法继续搜索下一个黑点，直到返回最初的边界点为止。

再来看另外一种跟踪准则。

图4-42为这一轮廓跟踪算法的示意图，其中箭头代表搜索方向。

图4-43给出了使用这一算法对图4-40进行轮廓跟踪的结果。

图4-42 轮廓跟踪算法

图4-43 轮廓跟踪结果