形态分析和描述是计算机视觉研究中重要方法。在图像处理中,骨架包含了物体形态的重要信息,是形态描述的重要表示,在形态分析和模式识别中已经得到了广泛的应用。在异形纤维识别的研究中,为了对不同类型的异形纤维进行区分,需要提取各纤维的骨架信息。通过细化算法进行骨架提取,在保证区域连通性的情况下,逐个剥离物体的边界点,最后得到的保留点组成了物体骨架。但是,细化计算是一个迭代过程,计算量大。而且,通过细化算法得到的骨架点位置精度差。距离变换是计算机图像处理中的一个基本算法,用于计算图像中各元素之间的距离。近年来,快速距离算法的提出,使得基于距离图的形态骨架化应用成为可能。针对细化算法存在的缺陷,本文提出一种基于距离变换利用最小覆盖集获取纤维骨架的算法。首先,对二值图像进行快速距离变换;然后根据距离变换结果,分析各元素与其邻域之间的关系,计算二值图像中物体的局部中心点集;再结合物体边缘点建立相关矩阵,对矩阵进行行列变换,获得物体的最小覆盖集,即骨架中心点。在生成的骨架中心点中存在孤立点,所以需要进行孤立点连接处理。在骨架中心点中选取距离值最小的点,以此点开始利用“陡峭爬山”算法,沿距离值变化梯度最大方向连接各中心点,最后生成连通的骨架线。由于数值图像的离散性,当物体边界出现微械耐黄鸹虬枷菔?通常会出现多余的分枝,为了方便后续的骨架匹配与识别,本文对骨架细小分枝进行了适当修剪和优化,生成最终的纤维骨架线。在对细化算法和距离骨架实验结果进行比较后可以看出,距离骨架能够更好地保存物体的拓扑结构。本文提出的骨架提取算法应用于异形纤维识别系统中,与基于细化算法生成的识别结果进行比较。发现针对哑铃形、中空形和W形纤维的正确识别率基本相近,而针对三叶形、十字形和星形纤维,基于距离骨架算法的纤维识别率存在明显优势。基于本文算法识别的异形纤维的总体正确识别率为95.4%,比基于细化算法的纤维正确识别率高20%。因此,本文算法适用异形纤维识别系统。作为本文工作开展的教育部基础研究项目“纤维的计算机图像自动识别和纺织品成分分析系统”,已于2007年12月正式通过国家商检局鉴定。