1）不是所有形状都能够细化
2）一种细化方法并不可以应用在所有图像上
3）经细化所提取出的骨架即目标图的中心轴。
1.2.2 细化算法的分类
细化算法可以依据有无通过迭代运算分为（如图1.2所示）：
(1)非迭代算法：经过1次细化就可以提出图像骨架
(2)迭代算法：不断将目标图像的边缘像素扫描，删除，直至提出的骨架的像素宽度是单一的。
迭代方法又可以根据检索方法分成串行算法,并行算法以及混合细化算法；
可以依据处理后图象的联通分为(1) 邻域（2） 邻域 （3）混合联通算法；
还可以按照处理方向分为（1）单向（2）双向（3） 方向。
   图1.2  细化算法的分类
1.2.3 一般的细化算法
   常见的细化算法一般包括串行算法和并行算法，在实验中总是用的有 算法， 算法， 算法， 算法等。 算法通过细化后结果为 线条近邻联接； 算法处理后结果为 -联接图形， 算法结果为一个中心像素， 算法处理后结果为 -联接骨架。
1.2.4  细化算法
    细化算法是并行的细化算法，在作用过程中主要依靠模板匹配的方式，并将删除目标图外围的冗余像素，使偶像素点图像的中轴骨架为双像素，而奇像素点图象的中轴骨架为单像素。在此基础上对目标图象处理，最终得到的笔划宽度值为 。经过 细化算法细化后的图像会保持原图像的连通性，不会发生畸变。
1.3课题研究内容
    本课题主要研究了 图像细化算法并做了相关的仿真处理以及与其他算法的对比。
    第一章绪论主要介绍了细化算法的现状发展，细化算法相关内容的简要介绍以及 算法实现的意义；
    第二章介绍了细化前的准备工作—图像的预处理在细化之前的工作；
    第三章主要完成了 细化算法的仿真实现；
    第四章主要完成了 算法与其他细化算法的细化结果比较。
2 图像细化前的准备工作
 计算机通过一些光电设备读入图像时，会受一定程度的图像质量干扰的影响。
可能使得图像模糊，造成变形，产生噪声等。这些干扰不利于我们对目标图的有效识别。因此为了得到更好的识别效果，较为准确的处理结果，这些都要依靠预处理来实现。
图的预处理的基本步骤如下（如图2.1所示）：
 图2.1   图像预处理步骤
2.1灰度化
目前我们接触的大多为彩色图象。彩色图象的像素由 这 个取值为
 的分量按一定比例构成（如图2.2所示）。
 
图2.2  三基色混合颜色表
    如果计算彩色图像每个像素点的颜色，将会有 （ ）种，无疑使得图像难于处理。灰度图像作为 相同的图像，可以视其为一种特殊的彩图，那么每个像素仅需 个字节来存放灰度值，将变化的范围缩在 中。相较于彩色图像而言，灰度图像不但可以减少相应的计算量，而且能够完整地表示出图像的特征和颜色等级的分布。
可以利用如下 种方法将彩色的目标图进行并完成灰度化的转换
（1）分量法
    如果将彩图的 分别看成 个灰度图像，那么其各自亮度便为相应
灰度值。可以按需求任意选择一种灰度图。
 ;    ;        (式2.1)
（2）平均值法
将 的亮度求平均，得到的亮度值看成一个灰度值。
                 (式2.2) PABIT图像细化算法研究+源代码(2):http://www.youerw.com/jisuanji/lunwen_21320.html