程序编码参考经典的细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.
它的原理也很简单：
我们对一副二值图像进行骨架提取，就是删除不需要的轮廓点，只保留其骨架点。假设一个像素点，我们定义该点为p1，则它的八邻域点p2->p9位置如下图所示，该算法考虑p1点邻域的实际情况，以便决定是否删除p1点。假设我们处理的为二值图像，背景为黑色，值为0，要细化的前景物体像素值为1。
算法的描述如下。
首先复制源图像到目地图像，然后建立一个临时图像，接着执行下面操作：
1. 把目地图像复制给临时图像，对临时图像进行一次扫描，对于不为0的点，如果满足以下四个条件，则在目地图像中删除该点(就是设置该像素为0)，这里p2，…，p9是对应位置的像素灰度值(其为1或者0)。
a. 2<= p2+p3+p4+p5+p6+p7+p8+p9<=6
大于等于2会保证p1点不是端点或孤立点，因为删除端点和孤立点是不合理的，小于等于6保证p1点是一个边界点，而不是一个内部点。等于0时候，周围没有等于1的像素，所以p1为孤立点，等于1的时候，周围只有1个灰度等于1的像素，所以是端点（注：端点是周围有且只能有1个值为1的像素)。
b. p2->p9的排列顺序中，01模式的数量为1，比如下面的图中，有p2p3 => 01, p6p7=>01,所以该像素01模式的数量为2。
之所以要01模式数量为1，是要保证删除当前像素点后的连通性。比如下面的图中，01模式数量大于1，如果删除当前点p1，则连通性不能保证。
c. P2*p4*p6 = 0
d. p4*p6*p8 = 0
在第一次子迭代中，只是移去东南的边界点，而不考虑西北的边界点，注意p4,p6出现了2次，就是说它们有一个为0，则c，d就满足。
2. 接下来，把目地图像再次复制到临时图像，接着对临时图像进行一次扫描，如果不为0的点它的八邻域满足以下4个条件，则在目地图像中删除该点(就是设置该像素为0)
a. 2<= p2+p3+p4+p5+p6+p7+p8+p9<=6
b. p2->p9的排列顺序中，01模式的数量(这里假设二值图非零值为1)为1。
c. p2*p4*p8 = 0
d. p2*p6*p8 = 0
第二次迭代则相反，会移去西北的边界点，注意p2,p8出现了2次，就是说它们有一个为0，则c，d就满足。
执行完上面两个步骤后，就完成了一次细化算法，我们可以多次迭代执行上述过程，得到最终的骨架图。
细化算法代码如下：
void gThin::cvThin(cv::Mat& src, cv::Mat& dst, int intera) {if(src.type()!=CV_8UC1) { printf("只能处理二值或灰度图像\n");return; }//非原地操作时候，copy src到dstif(dst.data!=src.data) { src.copyTo(dst); }
int i, j, n;int width, height; width = src.cols -1;//之所以减1，是方便处理8邻域，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表示迭代次数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; //满足删除条件，设置当前像素为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; //满足删除条件，设置当前像素为0 ifEnd = true; } } } } }
//如果两个子迭代已经没有可以细化的像素了，则退出迭代if(!ifEnd) break; }
}
下面是三次细化的结果，可以看出在垂直方向H变短了，感觉这是不完美的地方。
下面我们对两个汉字进行5次迭代细化，结果如下：
程序代码：工程FirstOpenCV11