图像处理-提取图像轮廓骨架

图像预处理-寻找图像轮廓的骨架

由于图片中的对象之间互相粘连和遮挡，因此必须前景进行细化，尽量使不同目标之间分开，更有利于后续的骨架提取。Opencv自带寻找轮廓的函数：流程是：获取灰度图→图片二值化→寻找轮廓

• 高斯滤波
         cv.GaussianBlur()函数用高斯滤波器（GaussianFilter）对图像进行平滑处理，该函数将源图像与指定的高斯内核进行卷积，以此来消除图像中的高频噪声，保留图像边缘内的内容。
  参数解析：
        gray = cv2.GaussianBlur(gray, (3, 3), 0)，其中：输入参数gray为灰度图；(3,3)为滤波器的大小；0为滤波器的标准差，当标准差这个参数设置为0，程序会根据滤波器大小自动计算得到标准差。
• 灰度图的二值化
         cv.threshold()函数将一个灰色的图片，变成要么是白色要么就是黑色。threshold函数有两个返回值，其中第二个返回值是二值化后的灰度图。当我们指定了阈值参数thresh，第一个返回值ret就是我们指定的thresh。
  参数解析：
         _, otsu_gray = cv2.threshold(gray, 0, 255, cv2.THRESH_OTSU) ，其中：gray表示输入的图片源；0表示的是阈值；255表示的是最大值；对于一幅双峰图像（理解为图像的直方图中存在两个峰），我们指定的阈值应尽量在两个峰之间的峰谷。这时，就可以用第四个参数THRESH_OTSU，它对一幅双峰图像自动根据其直方图计算出合适的阈值，把阈值thre