itk中的特征提取算法（二）

边界是图像的基本特征之一，同时也是图像的研究热点。本文的内容是对二值图像的边界识别。

常用的基本方法有以下几种：
1.基于边界搜索的方法：
光栅扫描法：设定一定的阈值进行多次行扫描和列扫描；
边缘跟踪法：先检测到一个边缘点，然后沿着边缘点跟踪计算，直到回到边缘点；其中，八邻域搜索的边界跟踪算法，又叫标签处理算法；
虫随法：进入黑色区域，左转，进入黑色区域，右转，一直回到运动起始点。
2.基于数学形态学的方法：
先腐蚀再相减。
针对边界提取，itk中也有几个不同的类，分别都依托与不同的理论基础。
itkBinaryErodeImageFilter 和 itkSimpleContourExtractorImageFilter 中用的原理是先腐蚀再相减；
itkContourExtractor2DImageFilter 中的原理是"marching squares"，类似三维重建面绘制中的"marching cube"；
itkCannyEdgeDetectionImageFilter 是依附于canny算子的边缘搜索；
itkBinaryContourImageFilter 和 itkLabelContourImageFilter 貌似比较特殊，在像素扫描的同时加入了多线程，在速度方面有一定的优势。

下面看itkBinaryContourImageFilter的用法：

typedef itk::BinaryContourImageFilter< ImageType, ImageType> FilterType;
FilterType::Pointer binaryContourFilter= FilterType::New();
binaryContourFilter->SetInput( intput_data);
binaryContourFilter->FullyConnectedOn();//开启26邻域单连通 
binaryContourFilter->SetForegroundValue(0);//设置前景色
binaryContourFilter->SetBackgroundValue(255);//设置背景色
binaryContourFilter->Update();

（其他几个类的用法都很简单，都是SetInput->Update->GetOutput，就不一一列举了。可能由于兼容高维度的原因，itk的这几个类有写得好烦，各种迭代套循环~~有时间自己写一个试试）
-------这里先留坑------

边界算法原理并不复杂，就是迭代套循环，大部分的算法目标优化都集中在时间和效率。设计出好的跟踪方法，将迭代的步数减少，效率自然提高（拼硬件不算！）。


参考文献：
1. https://itk.org/Wiki/ITK/Examples/EdgesAndGradients/BinaryContourImageFilter
2. https://itk.org/Wiki/ITK/Examples/EdgesAndGradients/BinaryBoundaries
3. http://blog.csdn.net/wqvbjhc/article/details/2299066
4. 《二值图像中目标物体轮廓的边界跟踪算法》