基于形态学细化的静脉骨架去毛刺算法

资 源 简 介

本项目主要针对静脉生物识别预处理阶段中，图像经细化操作后产生的伪分支（毛刺）问题进行优化处理。核心功能建立在静脉图像骨架化的基础之上，通过应用形态学细化算法将静脉纹路提取为单像素宽度的中心线。在此骨架图上，系统利用8邻域像素分析法遍历所有非零像素点，通过计算交叉数（Crossing Number）来精准判定像素点的拓扑属性，区分出端点（Endpoint，仅有一个邻域像素）和分叉点（Bifurcation Point，有三个及以上邻域像素）。对于检测到的每一个端点，算法会追踪其延伸路径直至遇到分叉点，计算该路径的像素长度。若该路径长度小于设定的经验阈值，则判定该分支为细化过程中产生的噪声毛刺并予以剔除。该过程采用迭代或递归方式进行，确保在去除所有冗余短小分支的同时，严格保留静脉主干的拓扑结构完整性，最终生成光滑、准确的静脉骨架网络，显著提升后续特征提取与匹配的精度。

详 情 说 明

基于形态学细化的静脉骨架去毛刺算法研究

项目简介

本项目专注于静脉生物识别预处理阶段的关键问题——骨架化后的伪分支（毛刺）去除。在静脉图像提取单像素骨架的过程中，受噪声或细化算法影响，往往会产生大量非主干的冗余短小分支，严重影响后续的特征点提取与拓扑结构匹配。

本项目通过MATLAB实现了一套完整的算法流程，包括模拟静脉数据生成、形态学骨架提取、基于拓扑结构的迭代去毛刺以及详细的结果可视化分析。核心算法采用像素级路径追踪策略，能够精准区分毛刺与静脉主干，在去除噪声的同时完整保留静脉的拓扑连通性。

功能特性

• 模拟数据生成：内置合成算法，利用三次贝塞尔曲线生成随机静脉主干，并叠加随机方向和长度的毛刺噪声，用于算法验证。
• 形态学骨架化：将二值化图像细化为单像素宽度的中心线网络。
• 拓扑特征分析：基于8邻域分析法，自动检测骨架中的端点（Endpoint）和分叉点（Bifurcation Point）。
• 迭代去毛刺：

* 自动追踪所有端点的延伸路径。 * 基于预设长度阈值智能识别伪分支。 * 保护分叉点（交叉路口）不被错误切除。 * 支持迭代处理，防止一次剪枝不彻底或导致新的断点。

• 可视化对比：提供原始图像、初始骨架、处理后骨架的直观对比，并用不同颜色标记特征点，实时输出端点数量和剔除统计。

系统要求

• MATLAB R2018a 或更高版本
• Image Processing Toolbox（图像处理工具箱）

使用方法

1. 直接运行主程序脚本（入口函数为 main）。
2. 程序将自动执行以下流程：

* 生成一张带有随机毛刺的模拟静脉图像。 * 进行二值化和形态学细化。 * 执行多轮迭代去毛刺操作。 * 弹出结果窗口展示对比图，并在控制台输出端点统计信息。

1. 可通过修改代码顶部的 params 结构体来调整参数：

* params.pruneThreshold：决定多长的分支被视为毛刺（默认15像素）。 * params.maxIter：最大迭代次数。

核心算法与实现细节

本项目代码完全基于MATLAB脚本实现，以下是其实际执行的逻辑流程：

1. 数据生成与预处理

程序首先调用内部函数构建测试数据。通过贝塞尔曲线模拟静脉走向，利用膨胀操作模拟血管宽度，并人为添加从主干延伸出的短线段作为“毛刺”。生成的图像经过高斯模糊和二值化处理，模拟真实的图像采集效果。之后，利用 bwmorph 函数的 'thin' 操作，将二值图像迭代腐蚀直至收敛，获得单像素宽度的骨架图。

2. 迭代去毛刺机制 (iterative_deburring)

这是本项目的核心逻辑模块。由于一次剪枝可能会暴露出新的短分支（原本的长分支被剪短），算法采用 while 循环进行迭代处理，直到骨架不再变化或达到最大迭代次数。

• 端点定位：在每一轮迭代中，首先计算当前的骨架端点 map。
• 路径追踪：对每一个端点，启动路径追踪算法，沿骨架线向内部搜索。
• 剪枝判定：

* 如果追踪到的路径长度小于设定的阈值（pruneThreshold），且该路径汇入了一个分叉点（即连接到了主干），则判定为毛刺。 * 将该路径上的像素标记为待删除（mask）。

• 安全执行：批量删除标记的像素后，再次调用形态学细化函数。这一步非常关键，它确保了删除操作后骨架依然保持单像素连接性，防止产生锯齿或断裂。

3. 分支追踪逻辑 (trace_branch)

该函数实现了对单条血管路径的像素级遍历：

• 8邻域搜索：从给定端点开始，在3x3邻域内寻找下一个未访问的白色像素。
• 分叉点检测：在追踪过程中，实时计算当前像素的邻域连接数。如果邻域内的连接像素数量 $ge 3$，说明遇到了骨架的交叉路口（分叉点）。
• 保护机制：一旦检测到分叉点，追踪立即停止。算法会将分叉点本身从“待删除列表”中移除，确保主干结构的连通性不受影响，只切除分叉点之外出的分支部分。

4. 结果展示与评估

程序最后通过三个子图直观展示算法效果：

• 子图1：显示原始的二值化含噪图像。
• 子图2：显示初始细化后的骨架。使用不同颜色的标记点（红色圆点代表端点，绿色圆点代表分叉点），直观展示毛刺造成的端点冗余。
• 子图3：显示去毛刺后的最终骨架。可以观察到所有的短小伪分支已被移除，红色的端点数量显著减少，仅保留了主静脉的末端。

控制台通过计算 length(endpoints) 的变化，精确输出了剔除的伪分支数量，验证算法的有效性。