OpenCV细化算法简单解析
细化算法它的原理也很简单:
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:
以上部分原理是转载(迈克老狼2012)http://www.cnblogs.com/mikewolf2002/p/3321732.html
接下来发布的是在我电脑上通过的测试代码:
编译环境为win7+VS2015+OpenCV3.0
void cvThin(IplImage* src, IplImage* dst, int iterations)
{
//此时的src是一个二值化的图片
CvSize size = cvGetSize(src);
cvCopy(src, dst); int n = , i = , j = ;
for (n = ; n < iterations; n++)//开始进行迭代
{
IplImage* t_image = cvCloneImage(dst);
for (i = ; i < size.height; i++)
{
for (j = ; j < size.width; j++)
{
if (CV_IMAGE_ELEM(t_image, uchar, i, j) == )
{
int ap = ;
int p2 = (i == ) ? : CV_IMAGE_ELEM(t_image, uchar, i - , j);
int p3 = (i == || j == size.width - ) ? : CV_IMAGE_ELEM(t_image, uchar, i - , j + );
if (p2 == && p3 == )
{
ap++;
} int p4 = (j == size.width - ) ? : CV_IMAGE_ELEM(t_image, uchar, i, j + );
if (p3 == && p4 == )
{
ap++;
} int p5 = (i == size.height - || j == size.width - ) ? : CV_IMAGE_ELEM(t_image, uchar, i + , j + );
if (p4 == && p5 == )
{
ap++;
} int p6 = (i == size.height - ) ? : CV_IMAGE_ELEM(t_image, uchar, i + , j);
if (p5 == && p6 == )
{
ap++;
} int p7 = (i == size.height - || j == ) ? : CV_IMAGE_ELEM(t_image, uchar, i + , j - );
if (p6 == && p7 == )
{
ap++;
} int p8 = (j == ) ? : CV_IMAGE_ELEM(t_image, uchar, i, j - );
if (p7 == && p8 == )
{
ap++;
} int p9 = (i == || j == ) ? : CV_IMAGE_ELEM(t_image, uchar, i - , j - );
if (p8 == && p9 == )
{
ap++;
}
if (p9 == && p2 == )
{
ap++;
} if ((p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) > && (p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) < )
{
if (ap == )
{
if (!(p2 && p4 && p6))
{
if (!(p4 && p6 && p8))
{
CV_IMAGE_ELEM(dst, uchar, i, j) = ;//设置目标图像中像素值为0的点
}
}
}
} }
}
} cvReleaseImage(&t_image); t_image = cvCloneImage(dst);
for (i = ; i < size.height; i++)
{
for (int j = ; j < size.width; j++)
{
if (CV_IMAGE_ELEM(t_image, uchar, i, j) == )
{
int ap = ;
int p2 = (i == ) ? : CV_IMAGE_ELEM(t_image, uchar, i - , j);
int p3 = (i == || j == size.width - ) ? : CV_IMAGE_ELEM(t_image, uchar, i - , j + );
if (p2 == && p3 == )
{
ap++;
}
int p4 = (j == size.width - ) ? : CV_IMAGE_ELEM(t_image, uchar, i, j + );
if (p3 == && p4 == )
{
ap++;
}
int p5 = (i == size.height - || j == size.width - ) ? : CV_IMAGE_ELEM(t_image, uchar, i + , j + );
if (p4 == && p5 == )
{
ap++;
}
int p6 = (i == size.height - ) ? : CV_IMAGE_ELEM(t_image, uchar, i + , j);
if (p5 == && p6 == )
{
ap++;
}
int p7 = (i == size.height - || j == ) ? : CV_IMAGE_ELEM(t_image, uchar, i + , j - );
if (p6 == && p7 == )
{
ap++;
}
int p8 = (j == ) ? : CV_IMAGE_ELEM(t_image, uchar, i, j - );
if (p7 == && p8 == )
{
ap++;
}
int p9 = (i == || j == ) ? : CV_IMAGE_ELEM(t_image, uchar, i - , j - );
if (p8 == && p9 == )
{
ap++;
}
if (p9 == && p2 == )
{
ap++;
}
if ((p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) > && (p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) < )
{
if (ap == )
{
if (p2*p4*p8 == )
{
if (p2*p6*p8 == )
{
CV_IMAGE_ELEM(dst, uchar, i, j) = ;
}
}
}
}
} } }
cvReleaseImage(&t_image);
} }
细化结果因为我的图不方便展示,大家可以参考迈克老狼2012的哦,效果是很像的,他采用的mat类,而我采用的iplimage类。
OpenCV细化算法简单解析的更多相关文章
- 手指静脉细化算法过程原理解析 以及python实现细化算法
原文作者:aircraft 原文地址:https://www.cnblogs.com/DOMLX/p/8672489.html 文中的一些图片以及思想很多都是参考https://www.cnblogs ...
- OpenCV学习(18) 细化算法(6)
本章我们在学习一下基于索引表的细化算法. 假设要处理的图像为二值图,前景值为1,背景值为0. 索引表细化算法使用下面的8邻域表示法: 一个像素的8邻域,我们可以用8位二进制表示,比如下面的8邻域,表示 ...
- OpenCV学习(13) 细化算法(1)
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 digita ...
- OpenCV学习(17) 细化算法(5)
本章我们看下Pavlidis细化算法,参考资料http://www.imageprocessingplace.com/downloads_V3/root_downloads/tutorials/con ...
- OpenCV学习(16) 细化算法(4)
本章我们学习Rosenfeld细化算法,参考资料:http://yunpan.cn/QGRjHbkLBzCrn 在开始学习算法之前,我们先看下连通分量,以及4连通性,8连通性的概念: http://w ...
- OpenCV学习(14) 细化算法(2)
前面一篇教程中,我们实现了Zhang的快速并行细化算法,从算法原理上,我们可以知道,算法是基于像素8邻域的形状来决定是否删除当前像素.还有很多与此算法相似的细化算法,只是判断的条件不一样. ...
- c++opencv中线条细化算法
要达到的效果就是将线条尽量细化成单像素,按照论文上的Hilditch算法试了一下,发现效果不好,于是自己尝试着写了一下细化的算法,基本原理就是从上下左右四个方向向内收缩. 1.先是根据图片中的原则确定 ...
- Adaboost 算法实例解析
Adaboost 算法实例解析 1 Adaboost的原理 1.1 Adaboost基本介绍 AdaBoost,是英文"Adaptive Boosting"(自适应增强)的缩写,由 ...
- 2. Attention Is All You Need(Transformer)算法原理解析
1. 语言模型 2. Attention Is All You Need(Transformer)算法原理解析 3. ELMo算法原理解析 4. OpenAI GPT算法原理解析 5. BERT算法原 ...
随机推荐
- delphi xe6 调用java GPS的方法
如果用xe6自带的LocationSensor控件,默认优先使用网络位置,网络位置定位精度不准确,不能满足高精度定位的要求.但xe6自带的LocationSensor控件不能指定网络定位优先还是GPS ...
- 不应该使用Connected属性作为Socket是否连接上的依据
最近在做一个接口,用到了Socket异步通信. 调试了3天了,一直将Socket的Connected属性作为客户端和服务器端是否连接上的依据.今天发现我错了. 下面是从一个csdn博友写的,很好. h ...
- SQL server 提取字符中第一次和最后一次出现的数字
CREATE FUNCTION [dbo].[StringExtractNumber(FirstOrLast)](@address nvarchar(max),@firstOrLast INT) re ...
- linux线程切换和进程切换
进程切换分两步: 1.切换页目录以使用新的地址空间 2.切换内核栈和硬件上下文 对于linux来说,线程和进程的最大区别就在于地址空间,对于线程切换,第1步是不需要做的,第2是进程和线程切换都要做的. ...
- Qt 学习之路 2(22):事件总结
Qt 学习之路 2(22):事件总结 豆子 2012年10月16日 Qt 学习之路 2 47条评论 Qt 的事件是整个 Qt 框架的核心机制之一,也比较复杂.说它复杂,更多是因为它涉及到的函数众多,而 ...
- C语言中typedef的解释_2
typedef工具是一个高级数据特性.利用typedef可以为某一类型自定义一个新的名称.这样可以提高程序的可读性,可移植性,向用户表明特定用途. typedef没有创建任何新的类型,它只是为某个已存 ...
- P4824 [USACO15FEB]Censoring (Silver) 审查(银)
传送门 一个串的匹配肯定考虑KMP 那就暴力KMP 记录一下到每个字符时匹配的位置 找到一个符合的串就标记然后暴力回跳 感觉好像太暴力了... #include<iostream> #in ...
- ST表(查询区间最值问题)
ST表与线段树相比,这是静态的,无法改动,但是他的查询速度比线段树要快,这是牺牲空间换时间的算法. O(nlogn)预处理,O(1)查询.空间O(nlogn). ][]; ]; void rmq_in ...
- The MathType DLL cannot be found 一劳永逸的方法
可能会看到下面的情况,然后实际上我们也能用过外部打开直接使用,那要你何用? 于是,我们找到这个文件,删除就OK 反正我写完论文就卸载了...
- Office 下载地址
Office Professional Plus 2013 64位简体中文版文件名: cn_office_professional_plus_2013_x64_dvd_1134006.iso语言: C ...