一种图像处理方法和装置与流程

本发明涉及计算机视觉领域图像处理技术，尤其涉及一种图像处理方法和装置。
背景技术：
：随着科学技术与计算机互联网技术的快速发展，数字图像在各个行业中的使用越来越广泛，因此，如何能够快速识别出一幅图像，一直是计算机视觉领域的热门话题。现有技术通常通过获取图像的骨架图对图像进行识别。然而，现有技术获取图像的骨架图的方法在准确性和精度上存在局限性，而且，现有技术的距离变换方法难以解决图像骨架的连通性问题，如果骨架图不能够保证其连通性就会严重影响骨架特征的效果，尤其是在封闭图像出现空洞的情况下，一个不能保证连通性的骨架方法会难以对骨架图进行有效地识别。技术实现要素：为解决上述技术问题，本发明实施例提供一种图像处理方法和装置，实现了骨架图的单像素性和快速变换，可以获得具有良好的连通性骨架图。本发明的技术方案是这样实现的：本发明实施例提供一种图像处理方法，所述方法包括：对二值图像进行距离变换确定所述二值图像中每一个像素的距离变换值；根据所述二值图像中每一个像素的距离变换值确定所述二值图像的第一骨架图；对所述第一骨架图进行剪枝处理获得所述二值图像的第二骨架图。进一步地，所述对二值图像进行距离变换确定所述二值图像中每一个像素的距离变换值，包括：确定所述二值图像中每一个像素的列距离；确定所述二值图像的欧氏距离图；根据所述列距离和所述欧氏距离图确定所述二值图像中每一个像素的距离变换值。进一步地，所述根据所述二值图像中每一个像素的距离变换值确定所述二值图像的第一骨架图，包括：确定与所述二值图像中间位置距离变换值最大的像素为骨架起点；对所述骨架起点和所述骨架起点的下降梯度采用迭代算法确定所述二值图像除所述骨架起点以外其它的骨架点，所述二值图像所有骨架点的轨迹为所述第一骨架图。进一步地，所述对所述第一骨架图进行剪枝处理获得所述二值图像的第二骨架图，包括：采用离散曲线演化对所述第一骨架图进行剪枝处理获得所述二值图像的第二骨架图。进一步地，在所述对二值图像进行距离变换确定所述二值图像中每一个像素的距离变换值之前，还包括：获取图像；将所述图像的颜色空间从红绿蓝RGB转换为色调饱和度亮度HSV；将所述转换为HSV的图像进行阈值分割获得所述图像的二值图像。本发明实施例还提供一种图像处理装置，所述装置包括：确定单元、处理单元，其中，所述确定单元，用于对二值图像进行距离变换确定所述二值图像中每一个像素的距离变换值；还用于根据所述二值图像中每一个像素的距离变换值确定所述二值图像的第一骨架图；所述处理单元，用于对所述第一骨架图进行剪枝处理获得所述二值图像的第二骨架图。进一步地，所述确定单元，用于确定所述二值图像中每一个像素的列距离； 还用于确定所述二值图像的欧氏距离图；还用于根据所述列距离和所述欧氏距离图确定所述二值图像中每一个像素的距离变换值。进一步地，所述确定单元，用于确定与所述二值图像中间位置距离变换值最大的像素为骨架起点；还用于对所述骨架起点和所述骨架起点的下降梯度采用迭代算法确定所述二值图像除所述骨架起点以外其它的骨架点，所述二值图像所有骨架点的轨迹为所述第一骨架图。进一步地，所述处理单元，用于采用离散曲线演化对所述第一骨架图进行剪枝处理获得所述二值图像的第二骨架图。进一步地，所述装置还包括：获取单元，所述获取单元，用于获取图像；所述处理单元，用于将所述图像的颜色空间从红绿蓝RGB转换为色调饱和度亮度HSV；还用于将所述转换为HSV的图像进行阈值分割获得所述图像的二值图像。本发明实施例提供了一种图像处理方法和装置，图像处理装置对二值图像进行距离变换确定所述二值图像中每一个像素的距离变换值；根据所述二值图像中每一个像素的距离变换值确定所述二值图像的第一骨架图；对所述第一骨架图进行剪枝处理获得所述二值图像的第二骨架图。本发明实施例提供的图像处理方法和装置，实现了骨架图的单像素性和快速变换，通过距离变换获取的骨架图具有良好的连通性，通过对骨架图剪枝处理，可以得到更加优良的骨架图。附图说明图1为本发明实施例提供的图像处理方法流程示意图一；图2为本发明实施例提供的二值图像示意图；图3为本发明实施例提供的骨架点确定示意图；图4为本发明实施例提供的骨架图；图5为本发明实施例提供的不同阈值进行剪枝处理的骨架图；图6为本发明实施例提供的图像处理方法流程示意图二；图7为本发明实施例提供的现有技术的Hu矩描述骨架的示意图；图8为本发明实施例提供的边界矩描述骨架的示意图；图9为本发明实施例提供的图像处理装置结构示意图一；图10为本发明实施例提供的图像处理装置结构示意图二。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。实施例一本发明实施例提供一种图像处理方法，如图1所示，所述图像处理方法可以包括：步骤101、图像处理装置对二值图像进行距离变换确定所述二值图像中每一个像素的距离变换值。具体的，图像处理装置获取图像，将所述图像的颜色空间从RGB转换为HSV，然后，将所述转换为HSV的图像进行阈值分割获得所述图像的二值图像。图像处理装置获得所述图像的二值图像后，确定所述二值图像中每一个像素的列距离；然后，确定所述二值图像的欧氏距离图，并根据所述列距离和所述欧氏距离图确定所述二值图像中每一个像素的距离变换值。具体的，图像处理装置分别确定所述二值图像中每一个像素的列距离。图像处理装置计算列距离的方法是：分别正向和反向扫描一个N*N的二值图像W＝{v(x,y)}。其中，x为二值图像的横坐标，y为二值图像的纵坐标。正向扫描第0行至第N-1行，并且计算每一行中的像素点到同一列上方最近0元素的距离；然后反向扫描第N-1行至第0行，并且计算每一行中的像素点到同列下方最近0元素的距离。根据正反扫描的结果进行比较，取各像素的最小值作为它的列距离：D＝{dx,y}，具体如下公式所示：图像处理装置确定所述二值图像欧氏距离图(EuclideanDistanceMap，EDM)。在上述N*N的二值图像中，用F表示图像W的特征点集合，p(x，y)是坐标(x，y)处的一个元素，那么二值图像W的欧氏距离图计算方法如下公式所示：图像处理装置对二值图像W的各行进行扫描，通过公式下述公式计算与特征点F最近的距离d'xy，该d'xy为距离变换值。需要说明的是，二值图像(BinaryImage)是指将图像上的每一个像素只有两种可能的取值或灰度等级状态，通常用黑白、B&W、单色图像表示二值图像，如图2所示。二值图像中的每个像素不是黑就是白，其灰度值没有中间过渡的图像。在储存的时候只用一个二进位就可以表示一个像素。二值图像中所有的像素只能从0和1这两个值中取，在MATLAB中，二值图像用一个由0和1组成的二维矩阵表示。这两个可取的值分别对应于关闭和打开，关闭表征该像素处于背景，而打开表征该像素处于前景。步骤102、图像处理装置根据所述二值图像中每一个像素的距离变换值确定所述二值图像的第一骨架图。具体的，图像处理装置确定与所述二值图像中间位置距离变换值最大的像素为骨架起点，然后，对所述骨架起点和所述骨架起点的下降梯度采用迭代算法确定后续的骨架点，所述后续的骨架点包括：所述二值图像除所述骨架起点以外其它的骨架点，所述二值图像所有骨架点的轨迹为所述第一骨架图。示例性的，如图3所示，图3中(a)图表示的是一个矩形初始图像，根据上述距离变换值的计算结果，如图3中(b)图所示，选取靠近中间距离变换值最大的像素点作为骨架起点，图3中(b)图中心的黑点表示的就是骨架起点， 以所述骨架起点为圆心，以骨架起点的距离变换值为半径确定最大内切圆，图3中(b)图中的白色部分为矩形图像的最大内切圆，所述最大内切圆将所述图像分为左右两个互不连通的部分。然后，根据图像的连通性判断后继骨架点的分支数。图3中(b)被分为了左右两个互不连通区域，因此需要产生两个分支，骨架点变成了左右两个分支，需要分别确定左右两个分支的骨架点，图像处理装置可以对所述骨架起点和所述骨架起点的下降梯度采用迭代算法分别确定所属左右两个分支的骨架点，如图3中(c)所示，分别确定左右两个分支的骨架点。最后，确定了新的骨架点后，以每一个像素点为圆心，以其距离变换值为半径画圆，迭代计算确定所有的骨架点，如图3中(d)图所示，直到整个图像被覆盖，那么剩余部分为该图像的第一骨架图，可以理解为，二值图像的所有最大内切圆圆心的轨迹为第一骨架图，即所有骨架点的轨迹为第一骨架图。步骤103、图像处理装置对所述第一骨架图进行剪枝处理获得所述二值图像的第二骨架图。具体的，通过上述方法可以得到连通的、单像素的粗骨架图，即第一骨架图，但是，还需要对所述粗骨架图进行骨架剪枝处理，通过剪枝处理可以减小骨架图对边界噪声影响的不稳定性。图像处理装置采用离散曲线演化对所述第一骨架图进行剪枝处理获得所述二值图像的第二骨架图。其中，离散曲线演化方法是一个递归的删除物体边界轮廓贡献程度最小的多边形顶点的过程。离散曲线演化方法的运算结果能够表示物体轮廓信息的曲线，通过离散曲线演化方法可以很好的删除骨架的边界噪声。通过离散曲线演化的骨架剪枝方法实现了粗骨架的优化，有效地去除了边界噪声，保留视觉的主要部分。基于离散曲线演化的剪枝方法还可以进行阈值控制其骨架的详略程度。示例性的，如图5所示，该图为选择不同阈值的剪枝结果，图5中(a)图为粗骨架图，即第一骨架图；图5中(b)图是阈值为5的剪枝处理后的骨架图，图5中(c)图是阈值为10的剪枝处理后的骨架图，图5中(d)图是阈值为 20的剪枝处理后的骨架图。本发明实施例提供一种图像处理方法，实现了骨架图的单像素性和快速变换，通过距离变换获取的骨架图具有良好的连通性，通过对骨架图剪枝处理，可以得到更加优良的骨架图。实施例二本发明实施例提供一种图像处理方法，如图6所示，所述方法可以包括：步骤201、图像处理装置获取图像，将所述图像的颜色空间从RGB转换为HSV，将所述转换为HSV的图像进行阈值分割获得所述图像的二值图像。具体的，图像处理装置先获取需要处理的图像，然后将该图像的颜色空间从RGB转换到HSV，转换公式如下所示：V＝max其中，上述公式中的R、G、B分别代表一个颜色的红、绿、蓝坐标，取值为0～1之间，max代表R、G、B中的最大值，min代表R、G、B中的最小值。需要说明的是，RGB色彩模式是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色。需要说明的是，HSV(Hue，Saturation，Value)是根据颜色的直观特性创建的一种颜色空间，也称六角锥体模型。这个模型中颜色的参数分别是：色调(H)，饱和度(S)，亮度(V)。其中，色调H通常用角度度量，其取值范围为0°～360°，从红色开始按逆 时针方向计算，红色为0°，绿色为120°，蓝色为240°。它们的补色是：黄色为60°，青色为180°，品红为300°。饱和度S的取值范围为0.0～1.0，取值越大，颜色越饱和。亮度V通常用百分比度量，取值范围为：从0％(黑)到100％(白)。然后，对所述颜色转换后的图像进行阈值分割。其中，阈值分割包括两方面的处理：一方面，对所述图像进行去除噪声处理，过滤像素值很小和很大的图像点；另一方面，对所述图像进行二值化处理。需要说明的是，图像的二值化处理是将图像上的点的灰度置为0或255，也就是将整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像，即二值图像。在进行二值图像的处理与分析时，通常需将灰度图像进行二值化，得到二值图像，这样子有利于在对图像做进一步处理时，图像的集合性质只与像素值为0或255的点的位置有关，不再涉及像素的多级值。示例性的，可以通过调用MATLAB提供的im2bw()来实现图像的二值化。matlab中DIP工具箱函数im2bw使用阈值(threshold)变换法把灰度图像(grayscaleimage)转换成二值图像。需要说明的是，二值图像(BinaryImage)是指将图像上的每一个像素只有两种可能的取值或灰度等级状态，通常用黑白、B&W、单色图像表示二值图像。二值图像中的每个像素不是黑就是白，其灰度值没有中间过渡的图像。在储存的时候只用一个二进位就可以表示一个像素。二值图像中所有的像素只能从0和1这两个值中取，在MATLAB中，二值图像用一个由0和1组成的二维矩阵表示。这两个可取的值分别对应于关闭和打开，关闭表征该像素处于背景，而打开表征该像素处于前景。需要说明的是，对图像进行阈值分割的处理可以采用现有的阈值分割方法来实现，本发明实施例在此不再赘述。步骤202、图像处理装置确定所述二值图像中每一个像素的列距离。具体的，图像处理装置分别确定所述二值图像中每一个像素的列距离。图像处理装置计算列距离的方法是：分别正向和反向扫描一个N*N的二值图像 W＝{v(x,y)}。其中，x为二值图像的横坐标，y为二值图像的纵坐标。正向扫描第0行至第N-1行，并且计算每一行中的像素点到同一列上方最近0元素的距离；然后反向扫描第N-1行至第0行，并且计算每一行中的像素点到同列下方最近0元素的距离。根据正反扫描的结果进行比较，取各像素的最小值作为它的列距离：D＝{dx,y}，具体如下公式所示：需要说明的是，二值图像通常用一个由0和1组成的二维矩阵表示，即可以用0元素和1元素分别表示黑和白。步骤203、图像处理装置确定所述二值图像的欧氏距离图。具体的，图像处理装置确定所述二值图像欧氏距离图(EuclideanDistanceMap，EDM)。在上述N*N的二值图像中，用F表示图像W的特征点集合，p(x，y)是坐标(x，y)处的一个元素，那么二值图像W的欧氏距离图计算方法如下公式所示：步骤204、图像处理装置根据所述列距离和所述欧氏距离图确定所述二值图像中每一个像素的距离变换值。具体的，图像处理装置对二值图像W的各行进行扫描，通过公式下述公式计算与特征点F最近的距离d'xy，该d'xy为距离变换值。通过上述距离变换计算，在准确性和精度上均有较为明显的优势。但是，现有的距离变换方法难以解决骨架的连通性问题，如果骨架图不能够保证其连通性就会严重影响骨架特征的效果，尤其是在封闭图像出现空洞的情况下，一个不能保证连通性的骨架算法会难以对骨架图进行有效地识别。本发明实施例采用的距离变换方法获得的骨架图连通性良好，如图4所示，图4中(a)图为原始图像，图4中(b)图为(a)图中图像的骨架图，从图4中(b)图可以看 出，图像的骨架图具有良好的连通性。步骤205、图像处理装置确定与所述二值图像中间位置距离变换值最大的像素为骨架起点。具体的，为了能够更有效的寻找到适合成为骨架点的像素点，进而提取出图像的骨架图，首先，需要确定所述图像的骨架起点。骨架图的阈值可以控制骨架的详略程度，当选择阈值较大的时候，骨架的枝也就相对较少，因此，为了能够更大程度的表现图像的拓扑结构和全局特征，通常尽量选取图像中间位置的像素点作为骨架的起点。示例性的，如图3所示，图3中(a)图表示的是一个矩形初始图像，根据上述距离变换值的计算结果，如图3中(b)图所示，选取靠近中间距离变换值最大的像素点作为骨架起点，图3中(b)图中心的黑点表示的就是骨架起点，以所述骨架起点为圆心，以骨架起点的距离变换值为半径确定最大内切圆，图3中(b)图中的白色部分为矩形图像的最大内切圆，所述最大内切圆将所述图像分为左右两个互不连通的部分。步骤206、图像处理装置对所述骨架起点和所述骨架起点的下降梯度采用迭代算法确定所述二值图像除所述骨架起点以外其它的骨架点，所述二值图像所有骨架点的轨迹为所述第一骨架图。具体的，如图3中(b)所示，根据距离变换值确定骨架起点后，需要确定所述图像的其它骨架点，进而根据骨架点提取出图像的骨架。以骨架起点为圆心，骨架起点的距离变换值为半径画圆，图3中(b)中白色部分为第一个最大内切圆，覆盖了部分矩形图像。矩形图像中间的部分已经被所述第一个最大内切圆覆盖，矩形图像被所述第一个最大内切圆分为左右两个部分，被覆盖的部分在下一轮的迭代中将不再考虑，继续覆盖保留的部分。然后，根据图像的连通性判断后继骨架点的分支数。图3中(b)被分为了左右两个互不连通区域，因此需要产生两个分支，骨架点变成了左右两个分支，需要分别确定左右两个分支的骨架点，图像处理装置可以对所述骨架起点和所述骨架起点的下降梯度采用迭代算法分别确定所属左右两个分支的骨架点，如 图3中(c)所示，分别确定左右两个分支的骨架点。具体的，图像处理装置根据已知骨架点采用迭代算法可以确定后续的骨架点可以包括：设定已知骨架点为前沿骨架点，需要确定的后续的骨架点为新骨架点f'。在判断了分支数后，需要计算如何确定所述分支新的骨架点fi(i＝1～n)，新骨架点f'要尽量离前沿骨架点近，通过计算前沿骨架点附近的距离变换下降梯度来确定新的骨架点。示例性的，假设在某次迭代后前沿点a的距离变换值是25，其邻域最近的两个点的距离变换值b、c分别是24和23，那么b、c两点相对于a点的距离变换下降梯度分别是和显然g(b)比g(c)小。最后，确定了新的骨架点后，以每一个像素点为圆心，以其距离变换值为半径画圆，迭代计算确定所有的骨架点，如图3中(d)图所示，直到整个图像被覆盖，那么剩余部分为该图像的第一骨架图，可以理解为，二值图像的所有最大内切圆圆心的轨迹为第一骨架图，即所有骨架点的轨迹为第一骨架图。步骤207、图像处理装置采用离散曲线演化对所述第一骨架图进行剪枝处理获得所述二值图像的第二骨架图。具体的，通过上述方法可以得到连通的、单像素的粗骨架图，即第一骨架图，但是，还需要对所述粗骨架图进行骨架剪枝处理，通过剪枝处理可以减小骨架图对边界噪声影响的不稳定性。本发明实施例中采用了离散曲线演化的剪枝方法对所述第一骨架图进行处理。具体的，离散曲线演化(DCE，DiscreteCurveEvolution)方法实现了图像边缘轮廓的分段，最终将图像的轮廓演化为不同程度的多边形，DCE演化多边形的基本原理如下所述：设有一对相邻的线段s1和s2，其端点分别为s1{v1,v2}、s2{v2,v3}，这一对相邻的线段将会演化为一条线段，连接s1∪s2的两个端点便可以得到该线段s3。那么由s1和s2演化后的新线段s3的端点为s3{v1,v3}。曲线演化过程中，最重要的因素是相邻线段合并的顺序，根据度量K来决定其先后顺序，K的计算如下公式所示：上述公式中，β(s1,s2)是s1和s2在顶点处的偏转角对应的弧度，l表示线段的长度函数。通过上述公式的计算，可以得到任意一对相邻线段的度量值K(s1,s2)，K的值越小表示相邻线段s1和s2对轮廓的贡献值越小，那么相邻线段的顶点具有最小形状贡献值，可以首先将其演化删除。其中，离散曲线演化方法是一个递归的删除物体边界轮廓贡献程度最小的多边形顶点的过程。离散曲线演化方法的运算结果能够表示物体轮廓信息的曲线，通过离散曲线演化方法可以很好的删除骨架的边界噪声。通过离散曲线演化的骨架剪枝方法实现了粗骨架的优化，有效地去除了边界噪声，保留视觉的主要部分。基于离散曲线演化的剪枝方法还可以进行阈值控制其骨架的详略程度。示例性的，如图5所示，该图为选择不同阈值的剪枝结果，图5中(a)图为粗骨架图，即第一骨架图；图5中(b)图是阈值为5的剪枝处理后的骨架图，图5中(c)图是阈值为10的剪枝处理后的骨架图，图5中(d)图是阈值为20的剪枝处理后的骨架图。示例性的，如下表1和表2所示，表1和表2分别是对于本发明提供的方法和现有技术的方法中不同阈值时提取骨架图所需要的时间。从表中可以看出，本发明实施例提供的图像处理方法的所需要的时间比现有技术的时间少，随着阈值取值的不断变大，本发明实施例提供的图像处理方法的所需要的时间明显比现有技术的时间少。表1本发明实施例提供的阈值控制时间分析阈值时间(单位s)1004.56205.72125.95106.0656.22表2现有技术的阈值控制时间分析形态学方法阈值时间(单位s)1005.12205.78125.90106.1256.28进一步地，在DCE中，停止参数也十分重要，停止参数是当到达这个参数值时停止曲线演化算法，可以得到简化到不同程度的多边形，从而得到不同层次的骨架剪枝结果。选取恰当的停止参数决定了骨架图的详略程度，如果选取过小，则骨架信息难以表示物体图像的拓扑结构，如果选取过大，则会产生较多冗余的骨架枝。通常可以根据一个平均距离来设置阈值，当满足该条件时，DCE运行停止，这样可以得到一个既简化又可以描述原来图像轮廓信息的多边形。进一步地，在图像识别领域，矩用于描述图像的特征。常见的矩有Hu矩、Zernike矩、小波矩、傅里叶轮廓矩等，这些矩被广泛的应用在图像特征提取中，每种方法都有自己的应用情景和优势。在基于轮廓的图像识别方法中，最简单的方式是通过图像的边界轮廓信息来对他们的轮廓矩进行描述和比较，具体操作是对图像轮廓上所有的点进行积分运算，得到一个具有某种物理意义的特征，然后进行识别。但是，本发明实施例并不是基于轮廓的方法，而是基于距离变换的骨架特征提取方法，骨架信息与图像的边界轮廓有一定的区别。因此，无法使用传统的Hu矩描述骨架特 征。本发明实施例还提供一组边界矩描述子。所述边界矩描述子是对矩的改进，是利用矩之间的比值去除比例因子，因为比例因子是与区域相关的面积比例因子，而骨架特征恰恰不需要这个比例因子，去除该比例因子后，Hu不变矩就仅仅与图像的几何形状有关，本发明实施例提供了11个具有全部不变矩信息的边界矩描述子，如下所示，通过这些边界矩可以很好的描述图像的骨架特征。通过本发明实施例提供的边界矩来描述图像骨架特征，实现了具有完整Hu 矩信息的边界矩描述子，可以有效的描述图像的骨架图。示例性的，如图7所示，现有技术的Hu矩描述骨架的示意图，如图8所示，本发明实施例提供的边界矩描述骨架的示意图，从图7中可以看出，当图像逆旋、缩小或放大后，获得图像的骨架会偏移原始图像的骨架，即当图像逆旋、缩小或放大后，采用现有技术的Hu矩描述骨架会产生失真。从图8中可以看出，当图像正旋、逆旋、缩小或放大后，获得图像的骨架会与原始图像的骨架基本重合，当图像正旋、逆旋、缩小或放大后，采用本发明实施例提供的边界矩描述骨架基本不会失真，从而，可以很好的描述图像的骨架特征。本发明实施例提供一种图像处理方法，实现了骨架图的单像素性和快速变换，通过距离变换获取的骨架图具有良好的连通性，通过对骨架图剪枝处理，可以得到更加优良的骨架图。实施例三本发明实施例提供一种图像处理装置1，如图9所示，所述装置包括：确定单元10、处理单元11，其中，所述确定单元10，用于对二值图像进行距离变换确定所述二值图像中每一个像素的距离变换值；还用于根据所述二值图像中每一个像素的距离变换值确定所述二值图像的第一骨架图；所述处理单元11，用于对所述第一骨架图进行剪枝处理获得所述二值图像的第二骨架图。进一步地，所述确定单元10，用于确定所述二值图像中每一个像素的列距离；还用于确定所述二值图像的欧氏距离图；还用于根据所述列距离和所述欧氏距离图确定所述二值图像中每一个像素的距离变换值。进一步地，所述确定单元10，用于确定与所述二值图像中间位置距离变换值最大的像素为骨架起点；还用于对所述骨架起点和所述骨架起点的下降梯度采用迭代算法确定所述二值图像除所述骨架起点以外其它的骨架点，所述二值图像所有骨架点的轨迹为所述第一骨架图。进一步地，所述处理单元11，用于采用离散曲线演化对所述第一骨架图进 行剪枝处理获得所述二值图像的第二骨架图。进一步地，如图10所示，所述装置还包括：获取单元12，所述获取单元12，用于获取图像；所述处理单元11，用于将所述图像的颜色空间从红绿蓝RGB转换为色调饱和度亮度HSV；还用于将所述转换为HSV的图像进行阈值分割获得所述图像的二值图像。在实际应用中，所述确定单元10、处理单元11和获取单元12可由位于图像处理装置上的中央处理器(CPU)、微处理器(MPU)、数字信号处理器(DSP)、或现场可编程门阵列(FPGA)等实现。具体的，本发明实施例提供的图像处理装置的理解可以参考实施例一至实施例二的图像处理方法的说明，本实施例在此不再赘述。本发明实施例提供一种图像处理装置，实现了骨架图的单像素性和快速变换，通过距离变换获取的骨架图具有良好的连通性，通过对骨架图剪枝处理，可以得到更加优良的骨架图。本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备 以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。当前第1页1 2 3