图像骨架提取，实际上就是提取目标在图像上的中心像素轮廓。说白了就是以目标中心为准，对目标进行细化，

一般细化后的目标都是单层像素宽度。比如输入图像是这样：

输出骨架图像(红色)

关于骨架提取，现存的算法有一千种以上（论文[1]中谈到，There are more than one thousand algorithms thathave been published on this topic）。论文[1]中提到，所有的骨架提取算法无外乎分为迭代和非迭代两大类。在迭代算法中，又分为并行迭代和顺序迭代两种。

本文分别介绍两种提取算法，它们分别来源于论文[1](K3M顺序迭代)、[2](Zhang-Suenalgorithm,并行迭代)。

这两种方法都是对二值图像操作的，思想都是从目标外围往目标中心，利用以待检测像素为中心3*3像素窗口的特征，对目标不断腐蚀细化，直至腐蚀到不能再腐蚀（单层像素宽度），就得到了图像的骨架。下面详细介绍一下两种骨架提取算法。

该算法的思想是，提取目标外围轮廓，然后利用轮廓腐蚀目标图像边界（这是一次迭代过程），

直至腐蚀到不能再腐蚀。

算法分为两块

第一块，不断腐蚀，提取出伪骨架(部分区域有两层像素宽度，但已经很接近真实骨架)。

第二块，从伪骨架中提取真实骨架。

每次迭代共有6步。不断迭代，直至某次迭代的过程，目标边界中没有新的像素被腐蚀，那么此时，剩余的目标图像像素就很接近于真实骨架(称之为伪骨架)。

提取最新目标轮廓(初始为原目标轮廓)并记录这些轮廓点。

依次检测这些轮廓点的8像素邻域，是否只含有3连通像素，如果有，把此点从轮廓点删除，并在目标图像中删除（腐蚀掉）对应点。

依次检测中剩余轮廓点的8像素邻域，是否只含有3 or 4连通像素，如果有，把此点从轮廓点删除，并在目标图像中删除（腐蚀掉）对应点。

依次检测中剩余轮廓点的8像素邻域，是否只含有3 or 4 or 5连通像素，如果有，把此点从轮廓点删除，并在目标图像中删除（腐蚀掉）对应点。

依次检测中剩余轮廓点的8像素邻域，是否只含有3 or 4 or 5 or 6连通像素，如果有，把此点从轮廓点删除，并在目标图像中删除（腐蚀掉）对应点。

依次检测中剩余轮廓点的8像素邻域，是否只含有3 or 4 or 5 or 6 or 7连通像素，

如果有，把此点从轮廓点删除，并在目标图像中删除（腐蚀掉）对应点。

这是一次迭代过程的最后一步，如果在这步骤中仍有像素被腐蚀，

说明除了真实骨架还有”肉”，仍需继续腐蚀边界。这一步骤是算法迭代的终止条件。

算法第一块得到的伪骨架有部分区域是两个像素宽度，而目标骨架是单层像素宽度。所以，通过下面这一步骤提取最终骨架：

依次检测目标图像中，伪骨架的8像素邻域，是否只含有2 or 3 or 4 or 5 or 6 or 7连通像素，如果有，把此点从伪骨架中删除(腐蚀)，就得了最终的骨架。

该论文对像素p的8邻域进行了权重编码：对判断像素点p周围8邻域的最大连通区域，是否只含有n（2