细化技术：把一个平面区域简化成图的结构形状表示法骨架：一种细化结构，它是目标的重要拓扑描述，具有非常广泛的应用。在图像识别或数据压缩时，经常用细化结构。例如：在识别字符之前，往往要先对字符作细化处理，求出字符的细化结构。细化的作用：目的将图像的骨架提取出来的同时，保持图像细小部分的连通性，对被处理的图像进行细化有助于突出形状特点和减少冗余信息量。

细化算法：采取逐次去除边界的方法进行的，不能破化图像的连通性。通常选择一组结构元素对，不断在这些结构对中循环，如果所得结果不再变化，则终止迭代过程，随着迭代的进行，集合也不断细化。结构对的选择：仅受结构元素不相交的限制（不同的结构对），事实上，我们可以使用同一个结构对，即在不断重复的迭代细化过程使用同一个结构对。细化满足的条件：1.在细化的过程中，图像应该有规律地缩小；2.在图像逐步缩小的过程中，应当使图像的连通性质保持不变。

      我们对一副二值图像进行骨架提取，就是删除不需要的轮廓点，只保留其骨架点。假设一个像素点，我们定义该点为p1，则它的八邻域点p2->p9位置如下图所示，该算法考虑p1点邻域的实际情况，以便决定是否删除p1点。假设我们处理的为二值图像，背景为黑色，值为0，要细化的前景物体像素值为1。

算法的描述如下。

首先复制源图像到目地图像，然后建立一个临时图像，接着执行下面操作：

1. 把目地图像复制给临时图像，对临时图像进行一次扫描，对于不为0的点，如果满足以下四个条件，则在目地图像中删除该点(就是设置该像素为0)，这里p2，…，p9是对应位置的像素灰度值(其为1或者0)。

   a. 2 01, p6p7=>01,所以该像素01模式的数量为2。

     之所以要01模式数量为1，是要保证删除当前像素点后的连通性。比如下面的图中，01模式数量大于1，如果删除当前点p1，则连通性不能保证。

    c. P2*p4*p6 = 0

    d. p4*p6*p8 = 0

      在第一次子迭代中，只是移去东南的边界点，而不考虑西北的边界点，注意p4,p6出现了2次，就是说它们有一个为0，则c，d就满足。

2. 接下来，把目地图像再次复制到临时图像，接着对临时图像进行一次扫描，如果不为0的点它的八邻域满足以下4个条件，则在目地图像中删除该点(就是设置该像素为0)

    a. 2