图像细化算法 opencv实现 完整代码（附实验结果）

最新推荐文章于 2022-08-03 14:54:28 发布
最新推荐文章于 2022-08-03 14:54:28 发布
阅读量1.7k 收藏 6
点赞数 1
分类专栏： 【图像处理、多媒体技术】

一、关于图像细化的算法可以参看下面两个PDF链接：

http://www.uel.br/pessoal/josealexandre/stuff/thinning/ftp/lam-lee-survey.pdf  ：总结了几乎所有92年以前的经典细化算法

http://www-prima.inrialpes.fr/perso/Tran/Draft/gateway.cfm.pdf ：本文所附代码所参照的算法


二、实验结果

原图：

运行结果（分别为迭代1次、4次、8次、16次、64次的结果图）：



三、opencv代码

运行环境：Windows 7，VS 2012，OpenCV 2.3

[cpp]  view plain copy
  1. #include <stdlib.h>  
  2. #include <stdio.h>  
  3. #include <math.h>  
  4. #include <fstream>  
  5. #include <string>  
  6. #include <iostream>  
  7. #include <opencv/cv.h>  
  8. #include <opencv/highgui.h>   
  9. using namespace std;   
  10.   
  11. void cvThin( IplImage*, IplImage*, int iterations);  
  12.   
  13. //使用举例  
  14.   
  15. int main(int argc, char* argv[])  
  16. {  
  17.  IplImage *pSrc = NULL,*pDst = NULL,*pTmp = NULL;  
  18.   
  19. //传入一个灰度图像       
  20.  pSrc = cvLoadImage("1.bmp",CV_LOAD_IMAGE_GRAYSCALE);  
  21.  if(!pSrc)  
  22.  {  
  23.   return 0;  
  24.  }  
  25.   
  26.  pTmp = cvCloneImage(pSrc);  
  27.  pDst = cvCreateImage(cvGetSize(pSrc),pSrc->depth,pSrc->nChannels);  
  28.  cvZero(pDst);  
  29.  cvThreshold(pSrc,pTmp,68,1,CV_THRESH_BINARY_INV);//做二值处理，将图像转换成0，1格式  
  30.    
  31.  //cvSaveImage("pTmp.bmp",pTmp);  
  32.   
  33.  cvThin(pTmp,pDst,8);//细化，通过修改iterations参数进一步细化  
  34.   
  35.  cvNamedWindow("src",1);  
  36.  cvNamedWindow("dst",1);  
  37.  cvShowImage("src",pSrc);  
  38.   
  39.  //将二值图像转换成灰度，以便显示  
  40.  int i = 0,j = 0;  
  41.  CvSize size = cvGetSize(pDst);  
  42.  for(i=0; i<size.height;  i++)  
  43.  {  
  44.   for(j=0; j<size.width; j++)  
  45.   {  
  46.    if(CV_IMAGE_ELEM(pDst,uchar,i,j)==1)  
  47.    {  
  48.     CV_IMAGE_ELEM(pDst,uchar,i,j) = 0;  
  49.    }  
  50.    else  
  51.    {  
  52.     CV_IMAGE_ELEM(pDst,uchar,i,j) = 255;  
  53.    }  
  54.   }  
  55.  }  
  56.  cvSaveImage("dst_8.bmp",pDst);  
  57.   
  58.  cvShowImage("dst",pDst);  
  59.  cvWaitKey(0);  
  60.   
  61.  cvReleaseImage(&pSrc);  
  62.  cvReleaseImage(&pDst);  
  63.  cvReleaseImage(&pTmp);  
  64.   
  65.  cvDestroyWindow("src");  
  66.  cvDestroyWindow("dst");  
  67.   
  68.  return 0;  
  69. }  
  70.   
  71.   
  72. void cvThin( IplImage* src, IplImage* dst, int iterations)  
  73. {  
  74.  //此时的src是一个二值化的图片  
  75.  CvSize size = cvGetSize(src);  
  76.  cvCopy(src, dst);  
  77.   
  78.  int n = 0,i = 0,j = 0;  
  79.  for(n=0; n<iterations; n++)//开始进行迭代  
  80.  {  
  81.    IplImage* t_image = cvCloneImage(dst);  
  82.    for(i=0; i<size.height;  i++)  
  83.   {  
  84.    for(j=0; j<size.width; j++)  
  85.    {  
  86.     if(CV_IMAGE_ELEM(t_image,byte,i,j)==1)  
  87.     {  
  88.      int ap=0;  
  89.      int p2 = (i==0)?0:CV_IMAGE_ELEM(t_image,byte, i-1, j);  
  90.      int p3 = (i==0 || j==size.width-1)?0:CV_IMAGE_ELEM(t_image,byte, i-1, j+1);  
  91.      if (p2==0 && p3==1)  
  92.      {  
  93.       ap++;  
  94.      }  
  95.   
  96.      int p4 = (j==size.width-1)?0:CV_IMAGE_ELEM(t_image,byte,i,j+1);  
  97.      if(p3==0 && p4==1)  
  98.      {  
  99.       ap++;  
  100.      }  
  101.   
  102.      int p5 = (i==size.height-1 || j==size.width-1)?0:CV_IMAGE_ELEM(t_image,byte,i+1,j+1);  
  103.      if(p4==0 && p5==1)  
  104.      {  
  105.       ap++;  
  106.      }  
  107.   
  108.      int p6 = (i==size.height-1)?0:CV_IMAGE_ELEM(t_image,byte,i+1,j);  
  109.      if(p5==0 && p6==1)  
  110.      {  
  111.       ap++;  
  112.      }  
  113.   
  114.      int p7 = (i==size.height-1 || j==0)?0:CV_IMAGE_ELEM(t_image,byte,i+1,j-1);  
  115.      if(p6==0 && p7==1)  
  116.      {  
  117.       ap++;  
  118.      }  
  119.   
  120.      int p8 = (j==0)?0:CV_IMAGE_ELEM(t_image,byte,i,j-1);  
  121.      if(p7==0 && p8==1)  
  122.      {  
  123.       ap++;  
  124.      }  
  125.   
  126.      int p9 = (i==0 || j==0)?0:CV_IMAGE_ELEM(t_image,byte,i-1,j-1);  
  127.      if(p8==0 && p9==1)  
  128.      {  
  129.       ap++;  
  130.      }  
  131.      if(p9==0 && p2==1)  
  132.      {  
  133.       ap++;  
  134.      }  
  135.   
  136.      if((p2+p3+p4+p5+p6+p7+p8+p9)>1 && (p2+p3+p4+p5+p6+p7+p8+p9)<7)  
  137.      {  
  138.       if(ap==1)  
  139.       {  
  140.        if(!(p2 && p4 && p6))  
  141.        {  
  142.         if(!(p4 && p6 && p8))   
  143.         {  
  144.          CV_IMAGE_ELEM(dst,byte,i,j)=0;//设置目标图像中像素值为0的点  
  145.         }  
  146.        }  
  147.       }  
  148.      }  
  149.   
  150.     }  
  151.    }  
  152.   }  
  153.   
  154.   cvReleaseImage(&t_image);  
  155.   
  156.   t_image = cvCloneImage(dst);  
  157.   for(i=0; i<size.height;  i++)  
  158.   {  
  159.    for(int j=0; j<size.width; j++)  
  160.    {  
  161.     if(CV_IMAGE_ELEM(t_image,byte,i,j)==1)  
  162.     {  
  163.      int ap=0;  
  164.      int p2 = (i==0)?0:CV_IMAGE_ELEM(t_image,byte, i-1, j);  
  165.      int p3 = (i==0 || j==size.width-1)?0:CV_IMAGE_ELEM(t_image,byte, i-1, j+1);  
  166.      if (p2==0 && p3==1)  
  167.      {  
  168.       ap++;  
  169.      }  
  170.      int p4 = (j==size.width-1)?0:CV_IMAGE_ELEM(t_image,byte,i,j+1);  
  171.      if(p3==0 && p4==1)  
  172.      {  
  173.       ap++;  
  174.      }  
  175.      int p5 = (i==size.height-1 || j==size.width-1)?0:CV_IMAGE_ELEM(t_image,byte,i+1,j+1);  
  176.      if(p4==0 && p5==1)  
  177.      {  
  178.       ap++;  
  179.      }  
  180.      int p6 = (i==size.height-1)?0:CV_IMAGE_ELEM(t_image,byte,i+1,j);  
  181.      if(p5==0 && p6==1)  
  182.      {  
  183.       ap++;  
  184.      }  
  185.      int p7 = (i==size.height-1 || j==0)?0:CV_IMAGE_ELEM(t_image,byte,i+1,j-1);  
  186.      if(p6==0 && p7==1)  
  187.      {  
  188.       ap++;  
  189.      }  
  190.      int p8 = (j==0)?0:CV_IMAGE_ELEM(t_image,byte,i,j-1);  
  191.      if(p7==0 && p8==1)  
  192.      {  
  193.       ap++;  
  194.      }  
  195.      int p9 = (i==0 || j==0)?0:CV_IMAGE_ELEM(t_image,byte,i-1,j-1);  
  196.      if(p8==0 && p9==1)  
  197.      {  
  198.       ap++;  
  199.      }  
  200.      if(p9==0 && p2==1)  
  201.      {  
  202.       ap++;  
  203.      }  
  204.      if((p2+p3+p4+p5+p6+p7+p8+p9)>1 && (p2+p3+p4+p5+p6+p7+p8+p9)<7)  
  205.      {  
  206.       if(ap==1)  
  207.       {  
  208.        if(p2*p4*p8==0)  
  209.        {  
  210.         if(p2*p6*p8==0)  
  211.         {  
  212.          CV_IMAGE_ELEM(dst, byte,i,j)=0;  
  213.         }  
  214.        }  
  215.       }  
  216.      }                      
  217.     }  
  218.   
  219.    }  
  220.   
  221.   }              
  222.   cvReleaseImage(&t_image);  
  223.  }  
  224.   
  225. }  

四、参考链接

[1]http://tech.groups.yahoo.com/group/OpenCV/message/70260

[2]http://blog.csdn.net/byxdaz/article/details/5642669


雪天飞山狐狸
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
图像处理 zhang细化算法 opencv C++代码 算法实现
05-25
在二值图像处理特别是OCR识别与匹配中，都要通过对字符进行细化以便获得图像的骨架，通过zhang-suen细化算法获得图像，作为图像的特征之一，常用来作为识别或者模式匹配。此代码用C++实现了这一算法，配有注释，简洁...
OpenCv 图像细化函数，代码只是实现了功能，可以继续优化
05-05 532
#include #include #include //定义细化函数 IplImage * cvThin(IplImage *src,IplImage *dst) { IplImage *t_img=cvCreateImage(cvGetSize(src),src->depth,1); t_img=cvCloneImage(src); int t1=0,t2=0,t3
cvMorphology形态学原理解析及源码分析
梦想腾飞
08-28 9563
目录 ⑴ 图像形态学处理的概念... 1 ⑵ 二值图像的逻辑运算... 3 ⑶ 膨胀和腐蚀... 4 (4) 高级形态学变换... 8 (5) 细化... 10   ⑴ 图像形态学处理的概念 数字图像处理中的形态学处理是指将数字形态学作为工具从图像中提取对于表达和描绘区域形状有用处的图像分量，比如边界、骨架以及凸壳，还包括用于预处理或后处理的形态学过滤、细化和修剪等。图像
OpenCV——图像细化算法
wfengzi5的博客
07-29 4890
查表法中，由于输入的图像是一张二值图，将其归一化为像素值只有0和1的图像，然后对其进行卷积操作。具体卷积操作为将目标点的八领域和卷积进行点乘，接着将所有值相加即可得表的索引M，下一步用索引值M去找表中对应的值，对应的值为0或1，就把目标点的像素值修改为0或1，其中1为不可删除点，0位可删除点。在串行算法中，通过在每次迭代中用固定的次序检查像素来判断是否删除像素，在第n次迭代中像素p的删除取决于到执行过的所有操作，也就是必须在第(n-1)次迭代结果和第n次检测像素的基础之上进行像素删除操作；.........
opencv 骨架提取/图像细化
热门推荐
hust平凡之路 的博客
07-12 2万+
骨架提取/图像细，相信很多人都听说过，图像细化原理 可以参看这篇博文。由于opencv没有现成的函数，因此，看懂了原理之后，自己写了一个函数出来。 现在分享一下代码。 现在越来越觉得C博客的好处，可以看到好多前辈分享的代码，大大缩短了自己掌握图像处理技巧的时间。 这种乐于分享的氛围，必将极大的促进技术的进步和革新。 本代码配置条件  opencv2.4.9+vs2013  应该其他版本的v
opencv实现camshift算法，以及代码详解
xiao__run的博客
07-31 2764
大家好哦，小编来讲程序啦，好好看哦，慢慢体会。。。一、说明实验介绍本次实验将使用利用 OpenCV 来实现对视频中感兴趣的动态物体的追踪。 首先我贴出我的水下追踪效果图吧 实验涉及的知识点C++ 语言基础 g++ 的使用 图像基础 OpenCV 在图像及视频中的应用 Meanshift 和 Camshift 算法 二、环境搭建进行本节的实验时，您需要先完成了解一些linux 基本指令和图
SURF算法之Opencv代码详解
TruthOnlyone的博客
02-12 4302
这篇博客详细介绍了SURF特征点检测算法的OpenCV实现代码
002_ThinDemo_opencv_图像处理_图像细化_
09-29
基于OpenCV实现的图像细化算法，配置环境VS2019+OpenCV4.5.1
OpenCV c++细化算法
08-12
普通的OpenCV C++细化算法. 已封装成C++函数，可直接调用使用。也可用于参考, 根据需要也可自行修改源码。
细化算法基于opencv
05-07
一个基于opencv2.4.6 的完整的细化算法源代码程序，不过注意里面的参数有些改动，读懂程序之后，读者可以根据自己的想法改正成其他的
图像处理 图像细化 C/C++语言实现
02-04
图像处理 图像细化 C/C++语言实现l.....................................
opencv+java特征点算法demo例子
06-21
opencv+java特征点算法demo例子，识别率至少98%以上
图像细化代码（VC）
11-09
图像细化算法，是用VC6.0写的，我是在做羊毛检测是用的算法，效果不错，和MATLAB里的算法效果差不多，拿出来分享以下
图像粗化细化源代码
05-28
图像的粗化细化处理源代码，可移植性强，可实现图像的粗化细化处理。欢迎大家下载使用。
thin.rar_thin_thinning in opencv_二值图像_细化_细化算法
07-13
应用OPENCV编写的，输入一张二值图片，根据细化算法细化成单像素的二值图像。
图像细化+轮廓骨线提取+opencv3.1.0+Zhang-Suen算法
最新发布
01-03
一种用于细化数字图案的快速并行算法 2、基于C++和opencv3.1.0实现，可直接运行 3、输入前景黑、背景白时，二值化参数 cv::threshold(gray, binary, 40, 255, cv::THRESH_BINARY_INV); 输入前景白、背景黑时，二值化...
OpenCV基础代码大全——原理与代码伴行详解
m0_65591847的博客
08-03 2067
本文对OpenCV中最常用的基础代码做出详细归纳总结，伴行讲解图像处理基本原理。
opencv c++常用代码（二）
shuaijieer的博客
07-29 580
C++ opencv 算法实现代码
opencv 细化算法实现
06-11
OpenCV提供了多种细化算法的实现，以下是其中一种基于Zhang-Suen算法的实现代码示例： ```python import cv2 def thinning(img): size = np.array(img.shape) skel = np.zeros(size, np.uint8) ret, img = cv2....

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值