Zhang-Suen 图像骨架提取算法的原理和OpenCV实现

最新推荐文章于 2024-06-13 22:26:34 发布
最新推荐文章于 2024-06-13 22:26:34 发布
阅读量1.9w 收藏 104
点赞数 12
分类专栏： OpenCV 文章标签： OpenCV 图像骨架提取

记录一下图像骨架提取算法，转载至 两种图像骨架提取算法的研究(1)原理部分

基于OpenCV的实现代码如下，代码部分参考 opencv骨架提取/图像细化

void thinImage(Mat & srcImg) {
    vector<Point> deleteList;
    int neighbourhood[9];
    int nl = srcImg.rows;
    int nc = srcImg.cols;
    bool inOddIterations = true;
    while (true) {
        for (int j = 1; j < (nl - 1); j++) {
            uchar* data_last = srcImg.ptr<uchar>(j - 1);
            uchar* data = srcImg.ptr<uchar>(j);
            uchar* data_next = srcImg.ptr<uchar>(j + 1);
            for (int i = 1; i < (nc - 1); i++) {
                if (data[i] == 255) {
                    int whitePointCount = 0;
                    neighbourhood[0] = 1;
                    if (data_last[i] == 255) neighbourhood[1] = 1;
                    else  neighbourhood[1] = 0;
                    if (data_last[i + 1] == 255) neighbourhood[2] = 1;
                    else  neighbourhood[2] = 0;
                    if (data[i + 1] == 255) neighbourhood[3] = 1;
                    else  neighbourhood[3] = 0;
                    if (data_next[i + 1] == 255) neighbourhood[4] = 1;
                    else  neighbourhood[4] = 0;
                    if (data_next[i] == 255) neighbourhood[5] = 1;
                    else  neighbourhood[5] = 0;
                    if (data_next[i - 1] == 255) neighbourhood[6] = 1;
                    else  neighbourhood[6] = 0;
                    if (data[i - 1] == 255) neighbourhood[7] = 1;
                    else  neighbourhood[7] = 0;
                    if (data_last[i - 1] == 255) neighbourhood[8] = 1;
                    else  neighbourhood[8] = 0;
                    for (int k = 1; k < 9; k++) {
                        whitePointCount += neighbourhood[k];
                    }
                    if ((whitePointCount >= 2) && (whitePointCount <= 6)) {
                        int ap = 0;
                        if ((neighbourhood[1] == 0) && (neighbourhood[2] == 1)) ap++;
                        if ((neighbourhood[2] == 0) && (neighbourhood[3] == 1)) ap++;
                        if ((neighbourhood[3] == 0) && (neighbourhood[4] == 1)) ap++;
                        if ((neighbourhood[4] == 0) && (neighbourhood[5] == 1)) ap++;
                        if ((neighbourhood[5] == 0) && (neighbourhood[6] == 1)) ap++;
                        if ((neighbourhood[6] == 0) && (neighbourhood[7] == 1)) ap++;
                        if ((neighbourhood[7] == 0) && (neighbourhood[8] == 1)) ap++;
                        if ((neighbourhood[8] == 0) && (neighbourhood[1] == 1)) ap++;
                        if (ap == 1) {
                            if (inOddIterations && (neighbourhood[3] * neighbourhood[5] * neighbourhood[7] == 0)
                                && (neighbourhood[1] * neighbourhood[3] * neighbourhood[5] == 0)) {
                                deleteList.push_back(Point(i, j));
                            }
                            else if (!inOddIterations && (neighbourhood[1] * neighbourhood[5] * neighbourhood[7] == 0)
                                && (neighbourhood[1] * neighbourhood[3] * neighbourhood[7] == 0)) {
                                deleteList.push_back(Point(i, j));
                            }
                        }
                    }
                }
            }
        }
        if (deleteList.size() == 0)
            break;
        for (size_t i = 0; i < deleteList.size(); i++) {
            Point tem;
            tem = deleteList[i];
            uchar* data = srcImg.ptr<uchar>(tem.y);
            data[tem.x] = 0;
        }
        deleteList.clear();

        inOddIterations = !inOddIterations;
    }
}

原图和细化结果如下：

         



东方fan
关注
  • 12
    点赞
  • 踩
  • 104
    收藏
    觉得还不错? 一键收藏
  • 19
    评论
专栏目录
zhang-suen算法提取裂缝图骨架
m0_62919535的博客
09-28 1856
zhang-suen是一种应用较广的细化算法，也是骨架提取算法常用的算法。输入是一个二值化图像，零点表示背景，非零值表示前景。算法的目标是细化前景物体的边缘。Zhang-Suen 算法包含两个迭代步骤，通常会交替执行直到不再发生任何改变。这两个步骤是：第一步，算法会遍历图像的每个像素，对于前景色将会检查是否满足一下条件。如果以上条件全部满足，那么将当前像素标记为黑色如果以上条件全部满足，那么将当前像素标记为黑色（背景）。迭代步骤1和步骤2将交替执行，直到不再有像素可以被删除。
视觉组学习内容：Zhang-Suen骨架提取算法
Uncle Pan's Blog
12-30 4401
视觉组学习内容：Zhang-Suen骨架提取算法欢迎使用Markdown编辑器任务要求如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 任务要求 使用ZhangS...
Zhang-Suen-Thinning:我是为我的工作而做的。 OpenCV，C ++
05-04
有关C ++和OpenCVZhang-Suen-Thinning。 锤与镰刀
Python-opencv通过距离变换提取图像骨骼
微小冷的学习笔记
05-27 415
【distanceTransform】函数的功能是，计算当前像素点到零像素点的最短距离，其输入参数有三，分别是输入的二值图像；求解距离的类型，以及掩膜尺寸，一般可设为3或者5。
图像形态学处理与骨架提取：详细教程与C++实现
m0_57781768的博客
06-13 1002
图像形态学是一种基于集合论的图像处理方法，通过结构元素对图像进行操作，达到提取图像中有用的结构和形状信息的目的。膨胀（Dilation）：将结构元素在图像上滑动，当结构元素与图像的交集不为空时，将图像中的该位置设为1。膨胀操作可以填充图像中的小孔、连接断裂的部分。腐蚀（Erosion）：将结构元素在图像上滑动，当结构元素完全包含在图像中时，将图像中的该位置设为1。腐蚀操作可以消除图像中的小物体、分离连接在一起的部分。开运算（Opening）：先进行腐蚀再进行膨胀，主要用于去除小物体。
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
基于C++的骨架提取的鼻祖算法
AplusX
11-19 2550
算法是基于A Fast Parallel Algorithm for Thinning Digital Patterns论文 https://blog.csdn.net/keneyr/article/details/88944563 简单的解释算法： https://blog.csdn.net/xukaiwen_2016/article/details/53135866 #include <opencv2/opencv.hpp> #include <opencv2/core/c
【opencv】形态学转换（白色噪声、黑色小孔、毛刺、梯度边缘）
dujuancao11的博客
01-10 2239
4_5_形态转换 - OpenCV中文官方文档 部分代码部分没有转载，点击原链接吧，我就放个效果图，方便自己以后查看。 学习不同的形态学操作，例如侵蚀，膨胀，开运算，闭运算等。 理论 形态变换是一些基于图像形状的简单操作。通常在二进制图像上执行。 它需要两个输入，一个是我们的原始图像，第二个是决定**操作性质的结构元素**或**内核**。 两种基本的形态学算子是侵蚀和膨胀。然后，它的变体形式（如“打开”，“关闭”，“渐变”等）也开始起作用。 1. 侵蚀 侵蚀的基本...
Zhang-Suen细化算法提取中轴线（Python）
jiiiiiaaaa的博客
01-24 1万+
骨架 表示一个平面区域的结构形状的一种重要方法是将它简化为图形，这种简化可以通过一种细化（也称为骨架化）算法得到该区域的骨架来实现。细化是一种形态学变形，在提取中轴线的图像处理问题中，细化起着核心作用。为了产生一个区域的中轴的表示，提出了许多典型的算法，这些算法都是通过迭代一个区域的边界点的细化过程，删除这些点时需要服从如下约束条件：（1）不能删除端点，（2）不能破坏连接性，（3）不能导致区域的...
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...
机器视觉-opencv-区域骨架提取
03-07
这时可以使用OpenCV的`cv::thin()`函数（基于Zhang-Suen算法）进一步细化骨架，消除不必要的分支。 在提供的压缩包中，"骨架提取.VC.db"可能是项目数据库文件，用于Visual Studio 2019的编译环境；"骨架提取.sln"是...
001_SkeletonDemo_opencv_骨架提取_图像处理_
09-30
本项目"001_SkeletonDemo_opencv_骨架提取_图像处理_"是利用OpenCV库在Visual Studio 2019环境下实现的骨架提取算法示例。下面将详细讲解相关的知识点。 1. **OpenCV库**：OpenCV（Open Source Computer Vision ...
图像形状骨架提取细化 C++ 代码_c哩
12-11
本项目是基于OpenCV库用C++实现的，适用于Visual Studio 2017开发环境，其主要目标是提取图像中形状的骨架并进行细化。 OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库，...
pi_heif-0.17.0-pp310-pypy310_pp73-macosx_12_0_x86_64.whl
07-27
pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。
mmexport1722080103662.jpg
07-27
mmexport1722080103662.jpg
matlab 20244a 6
07-27
matlab 20244a 6
pi_heif-0.17.0-cp310-cp310-macosx_12_0_x86_64.whl
最新发布
07-27
pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。
pillow-10.4.0-cp312-cp312-musllinux_1_2_aarch64.whl
07-27
基本介绍 名称与起源：Pillow，原名为PIL（Python Imaging Library），但PIL只支持Python 2版本。随着Python 3的普及，Pillow作为PIL的一个分支出现，兼容Python 3并提供更多的功能和改进。 主要功能：Pillow支持多种图像格式的打开、保存、显示以及基本的图像操作和处理，如裁剪、缩放、旋转、翻转、滤镜应用等。 跨平台性：Pillow库可以在不同的操作系统上运行，包括Windows、Linux和MacOS等。 主要功能模块 Pillow库包含多个功能模块，每个模块都提供了特定的图像处理功能。以下是一些常用的模块： Image：用于处理图像文件，提供打开、保存、调整大小、旋转、裁剪、滤镜等功能。 ImageDraw：提供在图像上绘制各种形状（如线条、矩形、圆形）和文本的功能。 ImageFont：用于加载和使用TrueType字体文件，以便在图像上绘制文本时设置字体样式、大小和颜色。 ImageFilter：提供各种滤镜效果，如模糊、锐化、边缘增强等，用于图像增强、特效处理和图像识别等应用。 ImageEnhance：用于调整图像的亮度、对比度、颜色饱和度等参数，使图像更加清晰、明亮或具有特定的调色效果。 高级功能 除了基本的图像处理功能外，Pillow还支持一些高级功能，如色彩空间转换、直方图均衡化等。这些功能可以帮助用户进行更复杂的图像处理和分析。
python zhang-suen骨架算法实现
06-01
以下是Python实现的Zhang-Suen骨架算法的示例代码： ``` python import numpy as np def ZhangSuen(image): """ Implementation of Zhang-Suen thinning algorithm for binary images. """ # Define the 8-neighborhood of a pixel neighbors = ((-1,-1),(-1,0),(-1,1),(0,-1),(0,1),(1,-1),(1,0),(1,1)) # Initialize the image to be thinned thinned_image = image.copy() # Initialize flag to indicate if a pixel was removed pixel_removed = True while pixel_removed: pixel_removed = False # Step 1: Mark pixels to be removed marked_pixels = [] for x in range(1, image.shape[0]-1): for y in range(1, image.shape[1]-1): if image[x,y] == 0: continue neighbors_count = sum([image[x+i,y+j] == 255 for i,j in neighbors]) if neighbors_count < 2 or neighbors_count > 6: continue transitions_count = sum([1 for i in range(8) if image[x+neighbors[i][0],y+neighbors[i][1]] == 0 and image[x+neighbors[i+1 if i<7 else 0][0],y+neighbors[i+1 if i<7 else 0][1]] == 255]) if transitions_count != 1: continue marked_pixels.append((x,y)) # Step 2: Remove marked pixels for x,y in marked_pixels: thinned_image[x,y] = 0 pixel_removed = True # Step 3: Mark pixels to be removed marked_pixels = [] for x in range(1, image.shape[0]-1): for y in range(1, image.shape[1]-1): if image[x,y] == 0: continue neighbors_count = sum([image[x+i,y+j] == 255 for i,j in neighbors]) if neighbors_count < 2 or neighbors_count > 6: continue transitions_count = sum([1 for i in range(8) if image[x+neighbors[i][0],y+neighbors[i][1]] == 0 and image[x+neighbors[i+1 if i<7 else 0][0],y+neighbors[i+1 if i<7 else 0][1]] == 255]) if transitions_count != 1: continue marked_pixels.append((x,y)) # Step 4: Remove marked pixels for x,y in marked_pixels: thinned_image[x,y] = 0 pixel_removed = True return thinned_image ``` 解释一下上面的代码： 首先，我们定义了一个8邻域的元组neighbors，表示一个像素的8个邻居像素； 然后，我们初始化一个待细化的二值图像thinned_image，复制输入的二值图像； 接着，我们开始迭代细化过程，直到没有像素可以被删除为止； 在每一轮迭代中，我们执行两个步骤：标记像素和删除像素。标记像素的过程先扫描一遍图像，找到满足一定条件的像素，并将它们加入到一个列表marked_pixels中。删除像素的过程再扫描一遍图像，将marked_pixels中的像素删除。这两个步骤分别执行两次，以保证算法的正确性； 标记像素的条件包括：它周围有2到6个前景像素；它周围的前景像素中只有一个像素的背景像素是它的邻居；它不是端点像素（即它的周围不是一个完整的线段）； 删除像素的条件与标记像素的条件相同。 最后，我们返回细化后的二值图像。
评论 19
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