程序編碼參考經典的細化或者骨架算法文章：
T. Y. Zhang and C. Y. Suen, “A fast parallel algorithm for thinning digital patterns,” Comm. ACM, vol. 27, no. 3, pp. 236-239, 1984.
它的原理也很簡單：
我們對一副二值圖像進行骨架提取，就是刪除不需要的輪廓點，只保留其骨架點。假設一個像素點，我們定義該點為p1，則它的八鄰域點p2->p9位置如下圖所示，該算法考慮p1點鄰域的實際情況，以便決定是否刪除p1點。假設我們處理的為二值圖像，背景為黑色，值為0，要細化的前景物體像素值為1。
算法的描述如下。
首先復制源圖像到目地圖像，然后建立一個臨時圖像，接着執行下面操作：
1. 把目地圖像復制給臨時圖像，對臨時圖像進行一次掃描，對於不為0的點，如果滿足以下四個條件，則在目地圖像中刪除該點(就是設置該像素為0)，這里p2，…，p9是對應位置的像素灰度值(其為1或者0)。
a. 2<= p2+p3+p4+p5+p6+p7+p8+p9<=6
大於等於2會保證p1點不是端點或孤立點，因為刪除端點和孤立點是不合理的，小於等於6保證p1點是一個邊界點，而不是一個內部點。等於0時候，周圍沒有等於1的像素，所以p1為孤立點，等於1的時候，周圍只有1個灰度等於1的像素，所以是端點（注：端點是周圍有且只能有1個值為1的像素)。
b. p2->p9的排列順序中，01模式的數量為1，比如下面的圖中，有p2p3 => 01, p6p7=>01,所以該像素01模式的數量為2。
之所以要01模式數量為1，是要保證刪除當前像素點后的連通性。比如下面的圖中，01模式數量大於1，如果刪除當前點p1，則連通性不能保證。
c. P2*p4*p6 = 0
d. p4*p6*p8 = 0
在第一次子迭代中，只是移去東南的邊界點，而不考慮西北的邊界點，注意p4,p6出現了2次，就是說它們有一個為0，則c，d就滿足。
2. 接下來，把目地圖像再次復制到臨時圖像，接着對臨時圖像進行一次掃描，如果不為0的點它的八鄰域滿足以下4個條件，則在目地圖像中刪除該點(就是設置該像素為0)
a. 2<= p2+p3+p4+p5+p6+p7+p8+p9<=6
b. p2->p9的排列順序中，01模式的數量(這里假設二值圖非零值為1)為1。
c. p2*p4*p8 = 0
d. p2*p6*p8 = 0
第二次迭代則相反，會移去西北的邊界點，注意p2,p8出現了2次，就是說它們有一個為0，則c，d就滿足。
執行完上面兩個步驟后，就完成了一次細化算法，我們可以多次迭代執行上述過程，得到最終的骨架圖。
細化算法代碼如下：
void gThin::cvThin(cv::Mat& src, cv::Mat& dst, int intera)
{
if(src.type()!=CV_8UC1)
{
printf("只能處理二值或灰度圖像\n");
return;
}
//非原地操作時候，copy src到dst
if(dst.data!=src.data)
{
src.copyTo(dst);
}
int i, j, n;
int width, height;
width = src.cols -1;
//之所以減1，是方便處理8鄰域，防止越界
height = src.rows -1;
int step = src.step;
int p2,p3,p4,p5,p6,p7,p8,p9;
uchar* img;
bool ifEnd;
int A1;
cv::Mat tmpimg;
//n表示迭代次數
for(n = 0; n<intera; n++)
{
dst.copyTo(tmpimg);
ifEnd = false;
img = tmpimg.data;
for(i = 1; i < height; i++)
{
img += step;
for(j =1; j<width; j++)
{
uchar* p = img + j;
A1 = 0;
if( p[0] > 0)
{
if(p[-step]==0&&p[-step+1]>0) //p2,p3 01模式
{
A1++;
}
if(p[-step+1]==0&&p[1]>0) //p3,p4 01模式
{
A1++;
}
if(p[1]==0&&p[step+1]>0) //p4,p5 01模式
{
A1++;
}
if(p[step+1]==0&&p[step]>0) //p5,p6 01模式
{
A1++;
}
if(p[step]==0&&p[step-1]>0) //p6,p7 01模式
{
A1++;
}
if(p[step-1]==0&&p[-1]>0) //p7,p8 01模式
{
A1++;
}
if(p[-1]==0&&p[-step-1]>0) //p8,p9 01模式
{
A1++;
}
if(p[-step-1]==0&&p[-step]>0) //p9,p2 01模式
{
A1++;
}
p2 = p[-step]>0?1:0;
p3 = p[-step+1]>0?1:0;
p4 = p[1]>0?1:0;
p5 = p[step+1]>0?1:0;
p6 = p[step]>0?1:0;
p7 = p[step-1]>0?1:0;
p8 = p[-1]>0?1:0;
p9 = p[-step-1]>0?1:0;
if((p2+p3+p4+p5+p6+p7+p8+p9)>1 && (p2+p3+p4+p5+p6+p7+p8+p9)<7 && A1==1)
{
if((p2==0||p4==0||p6==0)&&(p4==0||p6==0||p8==0)) //p2*p4*p6=0 && p4*p6*p8==0
{
dst.at<uchar>(i,j) = 0; //滿足刪除條件，設置當前像素為0
ifEnd = true;
}
}
}
}
}
dst.copyTo(tmpimg);
img = tmpimg.data;
for(i = 1; i < height; i++)
{
img += step;
for(j =1; j<width; j++)
{
A1 = 0;
uchar* p = img + j;
if( p[0] > 0)
{
if(p[-step]==0&&p[-step+1]>0) //p2,p3 01模式
{
A1++;
}
if(p[-step+1]==0&&p[1]>0) //p3,p4 01模式
{
A1++;
}
if(p[1]==0&&p[step+1]>0) //p4,p5 01模式
{
A1++;
}
if(p[step+1]==0&&p[step]>0) //p5,p6 01模式
{
A1++;
}
if(p[step]==0&&p[step-1]>0) //p6,p7 01模式
{
A1++;
}
if(p[step-1]==0&&p[-1]>0) //p7,p8 01模式
{
A1++;
}
if(p[-1]==0&&p[-step-1]>0) //p8,p9 01模式
{
A1++;
}
if(p[-step-1]==0&&p[-step]>0) //p9,p2 01模式
{
A1++;
}
p2 = p[-step]>0?1:0;
p3 = p[-step+1]>0?1:0;
p4 = p[1]>0?1:0;
p5 = p[step+1]>0?1:0;
p6 = p[step]>0?1:0;
p7 = p[step-1]>0?1:0;
p8 = p[-1]>0?1:0;
p9 = p[-step-1]>0?1:0;
if((p2+p3+p4+p5+p6+p7+p8+p9)>1 && (p2+p3+p4+p5+p6+p7+p8+p9)<7 && A1==1)
{
if((p2==0||p4==0||p8==0)&&(p2==0||p6==0||p8==0)) //p2*p4*p8=0 && p2*p6*p8==0
{
dst.at<uchar>(i,j) = 0; //滿足刪除條件，設置當前像素為0
ifEnd = true;
}
}
}
}
}
//如果兩個子迭代已經沒有可以細化的像素了，則退出迭代
if(!ifEnd) break;
}
}
下面是三次細化的結果，可以看出在垂直方向H變短了，感覺這是不完美的地方。
下面我們對兩個漢字進行5次迭代細化，結果如下：
程序代碼：工程FirstOpenCV11