在我们进行图像处理的时候,有可能需要对图像进行细化,提取出图像的骨架信息,进行更加有效的分析。
图像细化(Image Thinning),一般指二值图像的骨架化(Image Skeletonization) 的一种操作运算。
所谓的细化就是经过一层层的剥离,从原来的图中去掉一些点,但仍要保持原来的形状,直到得到图像的骨架。骨架,可以理解为图象的中轴。
好的细化算法一定要满足:- 收敛性;
- 保证细化后细线的连通性;
- 保持原图的基本形状;
- 减少笔画相交处的畸变;
- 细化结果是原图像的中心线;
- 细化的快速性和迭代次数少;
这里,我们对“Zhang并行快速细化算法”进行了实现(注意,该算法为并行算法,而我们在实现过程中并没有并行化处理,所以,效率并没有达到最好)。
参考资料
- 细化算法
- 论文 A fast parallel algorithm for thinning digital patterns
#include <opencv2/opencv.hpp> #include <opencv2/core/core.hpp> #include <iostream> #include <vector> /** * @brief 对输入图像进行细化 * @param src为输入图像,用cvThreshold函数处理过的8位灰度图像格式,元素中只有0与1,1代表有元素,0代表为空白 * @param maxIterations限制迭代次数,如果不进行限制,默认为-1,代表不限制迭代次数,直到获得最终结果 * @return 为对src细化后的输出图像,格式与src格式相同,元素中只有0与1,1代表有元素,0代表为空白 */ cv::Mat thinImage(const cv::Mat & src, const int maxIterations = -1) { assert(src.type() == CV_8UC1); cv::Mat dst; int width = src.cols; int height = src.rows; src.copyTo(dst); int count = 0; //记录迭代次数 while (true) { count++; if (maxIterations != -1 && count > maxIterations) //限制次数并且迭代次数到达 break; std::vector<uchar *> mFlag; //用于标记需要删除的点 //对点标记 for (int i = 0; i < height ;++i) { uchar * p = dst.ptr<uchar>(i); for (int j = 0; j < width; ++j) { //如果满足四个条件,进行标记 // p9 p2 p3 // p8 p1 p4 // p7 p6 p5 uchar p1 = p[j]; if (p1 != 1) continue; uchar p4 = (j == width - 1) ? 0 : *(p + j + 1); uchar p8 = (j == 0) ? 0 : *(p + j - 1); uchar p2 = (i == 0) ? 0 : *(p - dst.step + j); uchar p3 = (i == 0 || j == width - 1) ? 0 : *(p - dst.step + j + 1); uchar p9 = (i == 0 || j == 0) ? 0 : *(p - dst.step + j - 1); uchar p6 = (i == height - 1) ? 0 : *(p + dst.step + j); uchar p5 = (i == height - 1 || j == width - 1) ? 0 : *(p + dst.step + j + 1); uchar p7 = (i == height - 1 || j == 0) ? 0 : *(p + dst.step + j - 1); if ((p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) >= 2 && (p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) <= 6) { int ap = 0; if (p2 == 0 && p3 == 1) ++ap; if (p3 == 0 && p4 == 1) ++ap; if (p4 == 0 && p5 == 1) ++ap; if (p5 == 0 && p6 == 1) ++ap; if (p6 == 0 && p7 == 1) ++ap; if (p7 == 0 && p8 == 1) ++ap; if (p8 == 0 && p9 == 1) ++ap; if (p9 == 0 && p2 == 1) ++ap; if (ap == 1 && p2 * p4 * p6 == 0 && p4 * p6 * p8 == 0) { //标记 mFlag.push_back(p+j); } } } } //将标记的点删除 for (std::vector<uchar *>::iterator i = mFlag.begin(); i != mFlag.end(); ++i) { **i = 0; } //直到没有点满足,算法结束 if (mFlag.empty()) { break; } else { mFlag.clear();//将mFlag清空 } //对点标记 for (int i = 0; i < height; ++i) { uchar * p = dst.ptr<uchar>(i); for (int j = 0; j < width; ++j) { //如果满足四个条件,进行标记 // p9 p2 p3 // p8 p1 p4 // p7 p6 p5 uchar p1 = p[j]; if (p1 != 1) continue; uchar p4 = (j == width - 1) ? 0 : *(p + j + 1); uchar p8 = (j == 0) ? 0 : *(p + j - 1); uchar p2 = (i == 0) ? 0 : *(p - dst.step + j); uchar p3 = (i == 0 || j == width - 1) ? 0 : *(p - dst.step + j + 1); uchar p9 = (i == 0 || j == 0) ? 0 : *(p - dst.step + j - 1); uchar p6 = (i == height - 1) ? 0 : *(p + dst.step + j); uchar p5 = (i == height - 1 || j == width - 1) ? 0 : *(p + dst.step + j + 1); uchar p7 = (i == height - 1 || j == 0) ? 0 : *(p + dst.step + j - 1); if ((p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) >= 2 && (p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) <= 6) { int ap = 0; if (p2 == 0 && p3 == 1) ++ap; if (p3 == 0 && p4 == 1) ++ap; if (p4 == 0 && p5 == 1) ++ap; if (p5 == 0 && p6 == 1) ++ap; if (p6 == 0 && p7 == 1) ++ap; if (p7 == 0 && p8 == 1) ++ap; if (p8 == 0 && p9 == 1) ++ap; if (p9 == 0 && p2 == 1) ++ap; if (ap == 1 && p2 * p4 * p8 == 0 && p2 * p6 * p8 == 0) { //标记 mFlag.push_back(p+j); } } } } //将标记的点删除 for (std::vector<uchar *>::iterator i = mFlag.begin(); i != mFlag.end(); ++i) { **i = 0; } //直到没有点满足,算法结束 if (mFlag.empty()) { break; } else { mFlag.clear();//将mFlag清空 } } return dst; } int main(int argc, char*argv[]) { //获取图像 if (argc != 2) { std::cout << "参数个数错误!" << std::endl; return -1; } cv::Mat src = cv::imread(argv[1], cv::IMREAD_GRAYSCALE); if (src.empty()) { std::cout << "读取文件失败!" << std::endl; return -1; } //将原图像转换为二值图像 cv::threshold(src, src, 128, 1, cv::THRESH_BINARY); //图像细化 cv::Mat dst = thinImage(src); //显示图像 dst = dst * 255; cv::namedWindow("src1", CV_WINDOW_AUTOSIZE); cv::namedWindow("dst1", CV_WINDOW_AUTOSIZE); cv::imshow("src1", src); cv::imshow("dst1", dst); cv::waitKey(0); }
运行效果
1原图像
2.运行效果