什么样的图像可以进行细化_软件运维

二值的当然不行。

快速zhang并行算法，很好的一种常用方法

具体细化方法：

满足下列四个条件的点可以删除

p3p2 p9

p4p1 p8

p5p6 p7

细化删除条件为：（1）、2 <Nz(p1) <= 6 Nz为八邻域中黑点的数目

(2)、Zo(p1)=1,指中心为黑点

（3）、p2*p4*p8=0 or Zo(p1)!=1 避免黑线被打断

（4）、p2*p4*p6=0 or Zo(p4)!=1

细化算法的分类：

依据是否使用迭代运算可以分为两类：第一类是非迭代算法，一次即产生骨架，如基于距离变换的方法。游程长度编码细化等。第二类是迭代算法，即重复删除图像边缘满足一定条件的像素，最终得到单像素宽带骨架。迭代方法依据其检查像素的方法又可以再分成串行算法和并行算法，在串行算法中，是否删除像素在每次迭代的执行中是固定顺序的，它不仅取决于前次迭代的结果，也取决于本次迭代中已处理过像素点分布情况，而在并行算法中，像素点删除与否与像素值图像中的顺序无关，仅取决于前次迭代的结果。在经典细化算法发展的同时，起源于图像集合运算的形态学细化算法也得到了快速的发展。

Hilditch、Pavlidis、Rosenfeld细化算法：这类算法则是在程序中直接运算，根据运算结果来判定是否可以删除点的算法，差别在于不同算法的判定条件不同。

其中Hilditch算法使用于二值图像，比较普通，是一般的算法； Pavlidis算法通过并行和串行混合处理来实现，用位运算进行特定模式的匹配，所得的骨架是8连接的，使用于0－1二值图像；Rosenfeld算法是一种并行细化算法，所得的骨架形态是8－连接的，使用于0－1二值图像。后两种算法的效果要更好一些，但是处理某些图像时效果一般，第一种算法使用性强些。

索引表细化算法：经过预处理后得到待细化的图像是0、1二值图像。像素值为1的是需要细化的部分，像素值为0的是背景区域。基于索引表的算法就是依据一定的判断依据，所做出的一张表，然后根据魔鬼要细化的点的八个邻域的情况查询，若表中元素是1，若表中元素是1，则删除该点（改为背景），若是0则保留。因为一个像素的8个邻域共有256中可能情况，因此，索引表的大小一般为256。