前面一篇教程中，我們實現了Zhang的快速並行細化算法，從算法原理上，我們可以知道，算法是基於像素8鄰域的形狀來決定是否刪除當前像素。還有很多與此算法相似的細化算法，只是判斷的條件不一樣。在綜述文章， Thinning Methodologies-A Comprehensive Survey中描述了各種細化算法的實現原理，有興趣可以閱讀一下。
下面看看圖像細化的定義以及細化算法的分類：
圖像細化（Image Thinning），一般指二值圖像的骨架化（Image Skeletonization） 的一種操作運算。
所謂的細化就是經過一層層的剝離，從原來的圖中去掉一些點(通常是輪廓上的點)，但仍要保持原來的形狀，直到得到圖像的骨架。
骨架，可以理解為圖象的中軸，如下面的字母H，白色的線即為起中軸，該中軸也可以稱作H的骨架。
好的細化算法一定要滿足下面幾個條件：
-
收斂性；保證細化后細線的連通性；保持原圖的基本形狀；減少筆畫相交處的畸變；細化結果是原圖像的中心線；
細化的快速性和迭代次數少。
依據是否使用迭代運算可以分為兩類：
非迭代算法：一次即產生骨架，如基於距離變換的方法，游程編碼細化等。
迭代算法：即重復刪除圖像邊緣滿足一定條件的像素，最終得到單像素寬帶骨架。
迭代方法依據其檢查像素的方法又可以再分成兩類：
串行算法：是否刪除像素在每次迭代的執行中是固定順序的，它不僅取決於前次迭代的結果，也取決於本次迭代中已處理過像素點分布情況。
並行算法:像素點刪除與否與像素值圖像中的順序無關，僅取決於前次迭代的結果。
常用的迭代算法包括：Hilditch、Pavlidis、Rosenfeld細化算法以及基於索引表查詢的細化算法等等。
Hilditch算法使用於二值圖像，該算法是並行串行結合的算法。
Pavlidis算法通過並行和串行混合處理來實現，用位運算進行特定模式的匹配，所得的骨架是8連接的，用於0－1二值圖像。
Rosenfeld算法是一種並行細化算法，所得的骨架形態是8－連接的，使用於0－1二值圖像。
索引表細化算法：經過預處理后得到待細化的圖像是0、1二值圖像。像素值為1的是需要細化的部分，像素值為0的是背景區域。基於索引表的算法就是依據一定的判斷依據，所做出的一張表，然后根據要細化的點的八個鄰域的情況查詢，若表中元素是1，若表中元素是1，則刪除該點（改為背景），若是0則保留。因為一個像素的8個鄰域共有256中可能情況，因此，索引表的大小一般為256，索引表細化算法速度很快。