提及兽用B超图像的细化与去毛刺处理方法

　　兽用B超图像的去毛刺处理。

　　兽用B超经过轮廓提取后，由于兽用B超图像本身的复杂性等因素，通常有时候会产生带毛刺的结果图像。为了消除毛刺，作者采用了一种基于击中，击不中运算的算法。

　　这种算法采用了四个结构对来对原轮廓兽用B超图像进行击中/击不中运算。只要其中有一个结构元素击中原轮廓兽用B超图像，那么就将对应于结构元素中心点的原轮廓兽用B超图像上的点作为毛刺点去除掉。对于一个封闭的轮廓兽用B超图像，可以多狄运用此算法对原兽用B超图像进行去毛刺操作，由此可以去掉比较长(不止一个像素长)的毛刺，对图像的其他部分不会产生影响，结果将处于稳定状态。

　　轮廓提取的目的是获得兽用B超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。在课题中，得到了兽用B超图像的二值分割结果后，对兽用B超图像中有诊断意义或是有特定要求的区域进行轮廓提取.为后续的三维显示工作做准备。 二值兽用B超图像的轮廓提取的算法其实非常简单，就是掏空内部点：如果原图中有一点为黑，且它的8个相邻点都是黑色时(此时该点是内部点)，则将该点删除。

　　联系到上述数学形态学的内容，可以看到，这实际上相当于用一个九个点的结构元素对原兽用B超图像进行腐蚀.再用原图像减去腐蚀图像。 兽用B超图像的细化处理 在兽用B超图像处理中，形状信息是十分重要的。一个图像的“骨架”，是指兽用B超图像中央的骨骼部分，是描述兽用B超图像几何及拓扑性质的重要特征之一。为了便于描述和抽取特征，对那些细睦的区域常用它的骨架的细线来表示，这些细线处于图形的中轴附近，而且从视觉上仍然保持原来的形状，这种处理就是图像的细化。

　　在文字识别、地质构造识别、工业零件形状识别或图像理解中，先对被处理的兽用B超图像进行细化有助于突出形状特点和减少冗余的信息量。 兽用B超图像细化的目的主要是得到与原来区域形状近似的用简单的弧和曲线组成的图形。

　　兽用B超图像细化算法可以看成是一种特殊的多次迭代的腐蚀算法。但是细化的结果是要求得到一个曲线组成的连通图形，这是细化与腐蚀的根本区别，否则像腐蚀那样对图形进行处理将破坏兽用B超图像的连通性。因此，在每次迭代中，必须消去那些只有一个邻点的边界点，以防止弧的端点被消去。

　　从而可知在细化一幅图像X的过程中应该满足两个条件：第一，在细化的过程中，X应该有规律的缩小;第二，在x逐步缩小的过程中，应当使x的连通性质保持不变。