6.4 图像处理与计算机视觉

6.4 图像处理与计算机视觉

不变量侦探所：图像里的"洞"与"环"，为什么能绕过像素撒谎

医生对着 CT 影像说"这里有个占位"，他不曾测量任何一条边缘的长度；自动驾驶系统在暴雨里仍能咬住被水渍撕碎的车道线，靠的也不是某几个像素多亮。真正撑起这些判断的，是图像里那些不随亮度、尺度、形变改变的计数：画面里有多少个互不相连的物体、有没有闭合的环、某个区域是不是把另一个区域整个包在里面。拓扑学介入图像处理，正是把这些"数数"的活儿做成了严格的数学，并且交还给算法去算。下面我们把这条线索一路捋下去：像素如何变成拓扑对象，哪些运算动不得拓扑，骨架为什么可信，条形码如何抗噪，医学图像又在依赖什么。

先给像素定规矩：数字图像是个离散拓扑空间

一张二值图像只有两类像素：前景与背景。想谈"连通"，就必须先定义什么叫相邻。最常用的约定有两种：只允许上下左右四格相邻，是 4-邻接；再放宽到对角共八个方向，是 8-邻接。定义本身看似无害，组合起来却立刻踩雷：若前景与背景都用 8-邻接，一条斜向延伸的前景细线根本堵不住背景——背景同样能沿对角从缝隙里溜过去，连续世界里"闭曲线分平面"的铁律（Jordan 定理）在格点上失效了。

工程上的标准出路是采用互补邻接：前景用 8-邻接时背景用 4-邻接，反之亦然。这样处理之后，一条数字意义的简单闭曲线才能可靠地把像素平面分成内外两个连通片，后续的边界追踪、区域填充才有自洽的基础。也可以换一条更"拓扑"的路：不再把像素看成孤立的点，而是给每个格点配一个开集结构（Khalimsky 拓扑），让"相邻"由开集包含关系自然派生，Jordan 定理于是以一种几乎自动的方式在离散世界里复活。无论走哪条路，教训是同一个：离散网格不会白送你连续空间的拓扑性质，必须靠约定去争取。这一步定完规矩，图像就不再是二维数组，而是一个有明确连通分支、洞与边界的拓扑对象。

图注：从原始图像到可靠形状分析的建模路径。选择不同的邻接约定会得到不同性质的"空间"，只有避开自相矛盾的组合（或改用 Khalimsky 拓扑），才能让闭合曲线、洞与分支这些概念在格点上站得住。

形态学与"简单点"：哪些改动允许，哪些改动越界

一旦图像成了拓扑对象，很多传统运算的副作用就暴露了。腐蚀让前景瘦一圈，可能把一个细腰断开；膨胀让前景胖一圈，可能把两个分支焊在一起、把一个小洞糊上。形态学的开运算（先腐蚀后膨胀）与闭运算（先膨胀后腐蚀）能滤掉毛刺、填平凹坑，却也悄悄改写着拓扑：闭运算倾向于填掉小于结构元素的洞与沟，开运算则倾向于削去细刺，并可能在细若游丝的连接处把原本连着的部分拆开。形态学工具本身不关心拓扑，关心的是使用者是否知道自己在动什么。

于是有了"带拓扑护栏"的形态学思路。关键概念是简单点：一个前景像素，若删掉它不改变前景的连通分支数、不改变洞的个数，也不让背景被"凿穿"，就称它为简单点。简单点是可以安全删除的像素——删它只相当于把一条胳膊削细一点，没有伤筋动骨。反过来，任何会合并分支、制造或消灭洞、把背景断开的删除都是越界操作。一大批"同伦保持"的图像算法，本质就是反复地问同一个问题：现在这个像素算不算简单点？是，就动手；不是，就留着。

骨架化：把形状抽成一根不断线的钢丝

形状的"骨骼"是一个古老的直觉：拿一块任意形状的饼干，它的骨架就是那些能放进饼干内部的最大内切圆圆心连成的线。对图形上每个点取最大内切球半径，骨架由半径取局部极大的点构成；对二值图像，中轴就是最粗内切圆的圆心轨迹。骨架有两个值得单独拎出来的性质。它保留了原形状的同伦型——原图有 n 个洞，骨架也有 n 个洞，删骨架绝不允许把洞删掉；它还是原形状的形变收缩核，意味着存在一个连续收缩过程，能把整个形状沿着半径方向"捋"到骨架上。换句话说，骨架不是形状的近似，而是形状在拓扑意义上的最小替身：信息丢了大量几何冗余，洞与分支的账一笔没少。

实际抽取骨架，工程上更爱用细化（thinning）：从边界一层层往里剥皮，每次只删除"符合简单点条件且不是端点"的像素，直到剩下一根单像素宽的线。Zhang–Suen 并行细化是这类算法的代表，它把剥皮分成两个方向交替的子迭代，兼顾效率与连通性，输出的骨架大体居中、单像素宽、拓扑与原图一致。骨架的价值在应用中随处可见：字符识别里它是笔画的中心线，血管分割里它是血流的主干道，指纹识别里它是脊线的走向图。把骨架再进一步看成图——端点、分叉点当节点，节点之间的弧当边——整个形状就浓缩成一张小图，其分叉结构、回路数目可以直接拿去做比对与检索。

用条形码描述形状：持久同调给图像加了一条时间轴

Betti 数（\beta_0 数连通分支、\beta_1 数洞）只是"单帧快照"，可图像天然多尺度：同一结构在细尺度看是实心的，在粗尺度看也许带着噪声孔。与其纠结选哪个尺度，不如把阈值从低到高整个扫一遍，记录每个拓扑特征在哪一尺度"出生"、又在哪一尺度"湮灭"。以灰度图像为例，可以取上水平集（亮度不低于阈值的像素集合），让阈值连续升高，像素一片片从集合里退出，连通分支随之分裂或消失、洞随之出现又闭合。每一个拓扑特征的寿命构成一个区间 [\text{birth}, \text{death})，画成图就是条形码，画到平面上就是持久图。

条形码最动人的地方在于抗噪。真实的组织结构（一个器官的轮廓、一个血管的环）通常能熬过很长的尺度区间，在条形码上留下长条；传感器噪声、量化毛刺则大多短命，只留下靠近对角线的短条。于是"哪些条形码可信"有了明确答案：短条是噪声，长条是结构。并且这不是一句经验之谈——持久图对输入扰动有 Lipschitz 稳定性：图像只要改动很小，持久图在合适的度量下也不会跑远。噪声鲁棒性因此是被定理背书的性质，而不是调参碰运气的结果。形状匹配于是可以在持久图的空间里进行：两幅图的条形码越接近，结构就越相似；这种相似性绕过了具体尺度，抓住了"洞在多大尺度范围内存在"这类本质信息。

图注：持久同调把灰度图像沿阈值方向层层剥开，追踪每个拓扑特征的出生与死亡，最终把形状浓缩成一张可比较、可度量、对噪声有理论保证的持久图。条形码或持久图都可充当形状签名。

变形可以很大，但拓扑必须守恒

图像的许多下游任务需要"变形"：配准要把一幅图像弯到另一幅上对齐，分割要微调轮廓贴合边界，视频里物体要随时间流动。在这些场合，拓扑保持常常是硬约束。最典型的例子是医学配准：把患者大脑 MRI 配到标准图谱上，若允许任意压扁与撕裂，配准虽能对得很"像"，却可能把一个完整的脑回撕开、把两片组织焊到一起，解剖上毫无意义。正确的做法是把形变限定为微分同胚——光滑、可逆、且逆也光滑的映射。微分同胚不会把线变断、把环撕裂、把两个分量捏成一体；它让"扭曲到什么程度"可以很大，却保证"拓扑结构"分毫不动。基于速度场的微分同胚配准把形变看成随时间流动的位移，天然满足这些约束，是当前医学图像配准的主流做法之一。

医学图像里的拓扑分析：血管、骨小梁与"数洞"的临床价值

医学影像是拓扑方法收获最实的战场，因为它要回答的许多问题本身就是拓扑问题。血管分割之后，医生关心这条动脉有没有异常增生的侧支、静脉回流网络是否完整——把分割结果细化成骨架再转成图，环路的数目、分叉的位置一目了然，动静脉畸形的"多了一条不该有的通道"在拓扑语言里就是多了一个 \beta_1 环。骨质疏松的评估同样如此：骨小梁是三维网状结构，骨量流失时小梁变细、穿孔、断裂，网状的连通性持续恶化；形态计量学里"连接度密度""欧拉数"这些指标，量化的大抵就是骨小梁网络的洞与杆的平衡，早期骨流失在结构彻底塌陷前就能被这些拓扑指标捕捉。虚拟内窥、肺气道分割还会遇到一类"拓扑伪影"问题：分割算法漏掉一小块壁，本该是一个管腔的地方多出一个连通，检查时就会被误读——因此不少分割方法在损失函数里显式惩罚拓扑错误，用持久同调或 Betti 数约束预测结果与金标准同伦等价。结节、肿块的分级也渐渐引入多尺度拓扑特征：恶性病变的边界在多个尺度上都冒出不规则的突起，反映在持久图上就是大量短命一维环的聚集。这类特征不依赖某个固定分辨率，天然比单尺度纹理描述更稳。

图像拓扑的意义不在替代，而在兜底

把这几段线索并起来看：图像拓扑没有许诺更快的卷积、更强的分类器，它许诺的是另一件事——给形状的语义装上"结构守恒"的保险丝。深度学习擅长在数据里找统计相关，却容易在语义边界上犯错：把一个洞误判成实心、把两片区域焊在一起、把连续结构拆成碎片。拓扑不变量恰好是这些错误的判官，因为无论网络多复杂，只要输出与金标准的 Betti 数对不上，结构上就是错的。像素会撒谎、亮度会漂移、尺度会变，但洞的个数、分支的连接方式在合理的形变与噪声下赖着不走。视觉系统想学会"看见结构"，终究绕不开对这类不变量的尊重。