这个算法是做图像处理的抽骨架处理（文后附抽骨架的简介），目的是求出图像的骨架，可以想象一片与物体形状相同的草，沿其外围各点同时点火。当火势向内蔓延，向前推进的火线相遇处各点的轨迹就是中轴。
该处理有很多种不同的算法，从你提供的程序来看，它属于距离矩阵的算法。它要求计算对象必须是体表示的模型（对平面来说，就是二维矩阵），通过计算每个体元素到边界的最小距离来求取模型的脊点、骨架点.
程序中freespace是输入矩阵，freespaceX和freespaceY是输入矩阵的宽和高，navi用来保存输出矩阵（既矩阵每个元素记录的是该点到达边界的最小距离。
freespace输入矩阵中，值-1代表障碍物边界，值0代表空白空间。
基本算法：
1.建立一个用矩形边界包裹freespace的新临时矩阵tmpNavi。注意，对于边界节点，其值仍然为-1，而
对于非边界节点，给予了一个固定增量（freespaceX*freespaceY*d1）。
2.用多重处理算法处理临时矩阵tmpNavi，直至tmpNavi稳定下来，不再发生改变。
3.多重处理中的每次处理的算法：遍历每个非边界节点，计算它经由它的8个相邻节点分别到达边界的距离值（既到相邻节点的距离+相邻节点自身值），取其中最小值作为它自身新值。这样周而复始，就能得到一个稳定的数值矩阵。
（程序中用了一些优化的手法，但基本的算法原理就是这样的)
4.将临时矩阵tmpNavi的内容拷贝到输出矩阵navi，并统计其中的骨点值（最大值）到m_maxValue。
希望以上回答对你有帮助。
抽骨架(Skeletonization)
一个与细化有关的运算是抽骨架,也称为中轴变换（Medialaxis transform）或焚烧草地技术(grass-fire technigue)。中轴是所有与物体在两个或更多非邻接边界点处相切的圆心的轨迹。但抽骨架很少通过在物体内拟合圆来实现。
概念上，中轴可设想成按如下方式形成。想象一片与物体形状相同的草，沿其外围各点同时点火。当火势向内蔓延，向前推进的火线相遇处各点的轨迹就是中轴。
抽骨架的实现与细化相似,可采用一个两步有条件腐蚀实现,但是删除像素的规则略有不同。
下图将细化与抽骨架进行比较。二者的主要的差别在于抽骨架在拐角处延伸到了边界，而由细化得到的骨架却没有。
上面图a是细化的效果，下面的图b是抽骨架的效果。
（左边是处理一个均匀的矩形区域，右边是处理一个均匀的圆形区域）
