opencv 骨架提取/图像细化

最新推荐文章于 2023-12-07 19:29:31 发布
最新推荐文章于 2023-12-07 19:29:31 发布
阅读量2.8w 收藏 80
点赞数 11
分类专栏： opencv 文章标签： opencv 图像细化 骨架提取
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hust_bochu_xuchao/article/details/51889237
版权

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vs和opencv也可以跑起来

输入的srcimage为二值化后的图像，其中白色为要细化的特征

void chao_thinimage(Mat &srcimage)//单通道、二值化后的图像
{
	vector<Point> deletelist1;
	int Zhangmude[9];
	int nl = srcimage.rows;
	int nc = srcimage.cols;
	while (true)
	{
		for (int j = 1; j<(nl - 1); j++)
		{
			uchar* data_last = srcimage.ptr<uchar>(j - 1);
			uchar* data = srcimage.ptr<uchar>(j);
			uchar* data_next = srcimage.ptr<uchar>(j + 1);
			for (int i = 1; i<(nc - 1); i++)
			{
				if (data[i] == 255)
				{
					Zhangmude[0] = 1;
					if (data_last[i] == 255) Zhangmude[1] = 1;
					else  Zhangmude[1] = 0;
					if (data_last[i + 1] == 255) Zhangmude[2] = 1;
					else  Zhangmude[2] = 0;
					if (data[i + 1] == 255) Zhangmude[3] = 1;
					else  Zhangmude[3] = 0;
					if (data_next[i + 1] == 255) Zhangmude[4] = 1;
					else  Zhangmude[4] = 0;
					if (data_next[i] == 255) Zhangmude[5] = 1;
					else  Zhangmude[5] = 0;
					if (data_next[i - 1] == 255) Zhangmude[6] = 1;
					else  Zhangmude[6] = 0;
					if (data[i - 1] == 255) Zhangmude[7] = 1;
					else  Zhangmude[7] = 0;
					if (data_last[i - 1] == 255) Zhangmude[8] = 1;
					else  Zhangmude[8] = 0;
					int whitepointtotal = 0;
					for (int k = 1; k < 9; k++)
					{
						whitepointtotal = whitepointtotal + Zhangmude[k];
					}
					if ((whitepointtotal >= 2) && (whitepointtotal <= 6))
					{
						int ap = 0;
						if ((Zhangmude[1] == 0) && (Zhangmude[2] == 1)) ap++;
						if ((Zhangmude[2] == 0) && (Zhangmude[3] == 1)) ap++;
						if ((Zhangmude[3] == 0) && (Zhangmude[4] == 1)) ap++;
						if ((Zhangmude[4] == 0) && (Zhangmude[5] == 1)) ap++;
						if ((Zhangmude[5] == 0) && (Zhangmude[6] == 1)) ap++;
						if ((Zhangmude[6] == 0) && (Zhangmude[7] == 1)) ap++;
						if ((Zhangmude[7] == 0) && (Zhangmude[8] == 1)) ap++;
						if ((Zhangmude[8] == 0) && (Zhangmude[1] == 1)) ap++;
						if (ap == 1)
						{
							if ((Zhangmude[1] * Zhangmude[7] * Zhangmude[5] == 0) && (Zhangmude[3] * Zhangmude[5] * Zhangmude[7] == 0))
							{
								deletelist1.push_back(Point(i, j));
							}
						}
					}
				}
			}
		}
		if (deletelist1.size() == 0) break;
		for (size_t i = 0; i < deletelist1.size(); i++)
		{
			Point tem;
			tem = deletelist1[i];
			uchar* data = srcimage.ptr<uchar>(tem.y);
			data[tem.x] = 0;
		}
		deletelist1.clear();

		for (int j = 1; j<(nl - 1); j++)
		{
			uchar* data_last = srcimage.ptr<uchar>(j - 1);
			uchar* data = srcimage.ptr<uchar>(j);
			uchar* data_next = srcimage.ptr<uchar>(j + 1);
			for (int i = 1; i<(nc - 1); i++)
			{
				if (data[i] == 255)
				{
					Zhangmude[0] = 1;
					if (data_last[i] == 255) Zhangmude[1] = 1;
					else  Zhangmude[1] = 0;
					if (data_last[i + 1] == 255) Zhangmude[2] = 1;
					else  Zhangmude[2] = 0;
					if (data[i + 1] == 255) Zhangmude[3] = 1;
					else  Zhangmude[3] = 0;
					if (data_next[i + 1] == 255) Zhangmude[4] = 1;
					else  Zhangmude[4] = 0;
					if (data_next[i] == 255) Zhangmude[5] = 1;
					else  Zhangmude[5] = 0;
					if (data_next[i - 1] == 255) Zhangmude[6] = 1;
					else  Zhangmude[6] = 0;
					if (data[i - 1] == 255) Zhangmude[7] = 1;
					else  Zhangmude[7] = 0;
					if (data_last[i - 1] == 255) Zhangmude[8] = 1;
					else  Zhangmude[8] = 0;
					int whitepointtotal = 0;
					for (int k = 1; k < 9; k++)
					{
						whitepointtotal = whitepointtotal + Zhangmude[k];
					}
					if ((whitepointtotal >= 2) && (whitepointtotal <= 6))
					{
						int ap = 0;
						if ((Zhangmude[1] == 0) && (Zhangmude[2] == 1)) ap++;
						if ((Zhangmude[2] == 0) && (Zhangmude[3] == 1)) ap++;
						if ((Zhangmude[3] == 0) && (Zhangmude[4] == 1)) ap++;
						if ((Zhangmude[4] == 0) && (Zhangmude[5] == 1)) ap++;
						if ((Zhangmude[5] == 0) && (Zhangmude[6] == 1)) ap++;
						if ((Zhangmude[6] == 0) && (Zhangmude[7] == 1)) ap++;
						if ((Zhangmude[7] == 0) && (Zhangmude[8] == 1)) ap++;
						if ((Zhangmude[8] == 0) && (Zhangmude[1] == 1)) ap++;
						if (ap == 1)
						{
							if ((Zhangmude[1] * Zhangmude[3] * Zhangmude[5] == 0) && (Zhangmude[3] * Zhangmude[1] * Zhangmude[7] == 0))
							{
								deletelist1.push_back(Point(i, j));
							}
						}
					}
				}
			}
		}
		if (deletelist1.size() == 0) break;
		for (size_t i = 0; i < deletelist1.size(); i++)
		{
			Point tem;
			tem = deletelist1[i];
			uchar* data = srcimage.ptr<uchar>(tem.y);
			data[tem.x] = 0;
		}
		deletelist1.clear();
	}

效果如下图所示



徐大大平凡之路
关注
  • 11
    点赞
  • 踩
  • 80
    收藏
    觉得还不错? 一键收藏
  • 10
    评论
专栏目录
基于opencv的骨架提取代码
12-25
基于opencv的骨架提取代码，利用击中不击中变化实现细化操作。
OpenCV骨架提取
08-01
基于OpenCV写的骨架提取算法,算法具体是利用数字图象处理中的一个算法,实现后有很好的 提取效果,但是时间复杂度较大,效率较低
OpenCV学习(15) 细化算法(3)
weixin_34341117的博客
09-17 843
      本章我们学习一下Hilditch算法的基本原理，从网上找资料的时候，竟然发现两个有很大差别的算法描述，而且都叫Hilditch算法。不知道那一个才是正宗的，两个算法实现的效果接近，第一种算法更好一些。 第一种算法描述参考paper和代码： Linear Skeletons from Square Cupboards Speedup Method for Real-Time Thi...
基于C++的骨架提取的鼻祖算法
AplusX
11-19 2357
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
Python使用OpenCV进行视频/图像背景去除，一个Python文件搞定，附测试视频！
04-17
Python使用OpenCV进行视频/图像背景去除，一个Python文件搞定，附测试视频！ Python使用OpenCV进行视频/图像背景去除，一个Python文件搞定，附测试视频！ Python使用OpenCV进行视频/图像背景去除，一个Python文件搞定，附测试视频！ Python使用OpenCV进行视频/图像背景去除，一个Python文件搞定，附测试视频！ Python使用OpenCV进行视频/图像背景去除，一个Python文件搞定，附测试视频！ Python使用OpenCV进行视频/图像背景去除，一个Python文件搞定，附测试视频！ Python使用OpenCV进行视频/图像背景去除，一个Python文件搞定，附测试视频！ Python使用OpenCV进行视频/图像背景去除，一个Python文件搞定，附测试视频！ Python使用OpenCV进行视频/图像背景去除，一个Python文件搞定，附测试视频！ Python使用OpenCV进行视频/图像背景去除，一个Python文件搞定，附测试视频！
【OpenCV 例程 300篇】224. 特征提取之提取骨架
youcans的博客
07-10 5799
骨架可以由区域的边界计算。提取骨架的常用方法是用重建开运算来实现。 skimage 中提供了函数 **skimage.morphology.skeletonize** 可以获取图像的骨骼。
【图像处理】opencv骨架提取(深入分析算法步骤)
mjiansun的专栏
08-15 6578
前言个人感觉骨架提取提取的就是开运算过程的不可逆。一.算法步骤1.算法步骤首先上一下比较官方的算法步骤：1.获得原图像的首地址及图像的宽和高，并设置循环标志12.用结构元素腐蚀原图像，并保存腐蚀结果3.设置循环标志为0，如果腐蚀结果中有一个点为255，即原图像尚未被完全腐蚀成空集，则将循环标志设为1.4.用结构元素对腐蚀后的图像进行开运算（消除小的白色区域），并求取腐蚀运算与开运算的差（得到消除的白色区域）...
OpenCV中几何形状识别与测量
weixin_34018202的博客
04-16 3445
经常看到有学习OpenCV不久的人提问，如何识别一些简单的几何形状与它们的颜色，其实通过OpenCV的轮廓发现与几何分析相关的函数，只需不到100行的代码就可以很好的实现这些简单几何形状识别与对象测量相关操作。本文就会演示给大家如何通过OpenCV 轮廓发现与几何分析相关函数实现如下功能： 几何形状识别（识别三角形、四边形/矩形、多边形、圆） 计算几何形状面积与周长、中心位置 提取几何形状的...
人体骨架提取（Google Colab）
最新发布
m0_69797258的博客
12-07 1130
实现了一个人体骨架提取系统，但是还不能够完全准确地检测和标注人体关键点。未来，计划进一步提高模型的准确度和效率。
图像形状骨架提取细化 C++ 代码_c哩
12-11
基于 OpenCV 的 C++ 代码， Visual Studio 2017 工程，算法主要功能：提取图像中形状的骨架主干部分并细化
opencv3/C++图像边缘提取方式
08-25
今天小编就为大家分享一篇opencv3/C++图像边缘提取方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
001_SkeletonDemo_opencv_骨架提取_图像处理_
09-30
基于OpenCV实现图像骨架提取算法，配置环境VS2019+OpenCV4.5.1
opencv3.1.0 特征点检测与图像匹配(features2d、xfeatures2d)
热门推荐
hust平凡之路 的博客
08-08 3万+
1、得到特征点与特征点描述（SIFT SURF ORB） （1）SIFT #include vector key_points; Mat descriptor; Ptr sift = xfeatures2d::SIFT::create(0, 3, 0.04, 10); sift->detectAndCompute(image, noArray(), key_points, descri
opencv findcontour查找最大的内轮廓
hust平凡之路 的博客
07-15 2万+
问题是怎么来的呢        比如输入一幅图像，往往需要我们找最大的轮廓，如果是仅仅是查找最大的轮廓，那么问题也比较简单了，直接找出所有的轮廓，然后根据轮廓的面积，遍历查找出最大的轮廓即可。如果是找最大的外轮廓，那么问题也比较简单，因为findContours(image_contour_outside, contours_out, hierarchy_out, RETR_EXTERNAL,
opencv-相机标定步骤、评估标定误差以及标定之后图像坐标到世界坐标的转换
hust平凡之路 的博客
07-06 1万+
前一段时间，研究了下相机标定。关于opencv相机标定，包括标定完后，世界坐标到 图像坐标的转换，以评估图像的标定误差，这些网上有很多资源和源代码。 可是，相机标定完之后，我们想要的是，知道了图像坐标，想要得到它的世界坐标，或者我们已知图像上两个点之间的像素距离，现在我们想知道两个点之间的实际距离。 楼主在网上搜了很多资源，问了很多人，都没有相关的代码，可以得到这样的结论：opencv没有提供
opencv2.4.13+vs2013开发环境配置+2.4.13配置lib列表
hust平凡之路 的博客
07-12 1万+
之前用的是opencv2.4.9+vs2013的开发环境，由于某种原因，想要更新到opencv2.4.13 配置的主要步骤为： 1、到opencv管网下载opencv2.4.13，位exe文件，双击即可解压到指定目录 2、对电脑的环境变量进行设置 3、VC++目录下设置引导目录和库目录 4、添加附加依赖项 具体步骤，这里不做详细论述，可参考百度经验 在网上找了好久，竟然没有o
opencv 二值图像的孔洞填充
hust平凡之路 的博客
07-20 1万+
有的时候，我们需要对图像进行孔洞填充，一般想到的方法都是，使用findcontours函数，查找最外层轮廓，然后画出找到的轮廓。 这确实是一种方法，但似乎不够高效。下面贴出一个函数，可以更好的实现这个功能。 话不多说，上代码。开发环境 opencv2.4.13+vs2013   其他vs或者opencv版本应该也可以跑出来 void chao_fillHole(const cv::Mat s
opencv4.0.0 二维码检测
hust平凡之路 的博客
11-30 8675
偶然间发现opencv4.0.0正式版已经发布了，听说有二维码检测功能，就试了试。 目前还没有发现自带的文档中关于二维码检测的示例，所以自己探索了下，把代码记录下。 话不多说，直接上代码。 #include &lt;iostream&gt; #include&lt;opencv2\opencv.hpp&gt; using namespace cv; int main() { //读...
opencv骨架提取c++
07-15
### 回答1： OpenCV（开源计算机视觉库）是一个面向计算机视觉和机器学习应用的开源库。在OpenCV中，骨架提取是指从图像中提取出物体的主要结构或骨架。 在C语言中，可以使用OpenCV的函数和算法来实现骨架提取。下面是一个示例代码： ```c #include <opencv2/opencv.hpp> int main() { // 读取图像 cv::Mat image = cv::imread("input.jpg", cv::IMREAD_GRAYSCALE); // 对图像进行二值化处理 cv::Mat binaryImage; cv::threshold(image, binaryImage, 128, 255, cv::THRESH_BINARY); // 使用距离变换算法获取前景物体的距离图像 cv::Mat distanceTransform; cv::distanceTransform(binaryImage, distanceTransform, cv::DIST_L2, 3); // 对距离图像进行二值化处理 cv::Mat binaryDistanceTransform; cv::threshold(distanceTransform, binaryDistanceTransform, 0.8 * cv::norm(distanceTransform), 255, cv::THRESH_BINARY); // 对二值化的距离图像进行骨架提取 cv::Mat skeleton; cv::ximgproc::thinning(binaryDistanceTransform, skeleton, cv::ximgproc::THINNING_ZHANGSUEN); // 显示原始图像和提取出的骨架 cv::imshow("Original Image", image); cv::imshow("Skeleton", skeleton); cv::waitKey(0); return 0; } ``` 在上面的示例代码中，我们首先读取了一幅灰度图像，并对图像进行二值化处理。然后，我们使用距离变换算法获取前景物体的距离图像。接着，我们对距离图像进行二值化处理，得到二值化的距离图像。最后，我们使用骨架提取算法对二值化的距离图像进行骨架提取。最终，我们将原始图像和提取出的骨架显示出来。 通过上述步骤，我们就可以使用OpenCV的函数和算法实现骨架提取。该方法可以应用于各种图像处理任务，例如形态学分析、目标识别和跟踪等。 ### 回答2： 骨架提取是指从二值图像中提取出物体的主要轮廓或骨架结构的一种图像分析方法。在OpenCV中，我们可以使用以下步骤来实现骨架提取的算法。 步骤1：读取图像 首先，我们需要使用OpenCV读取输入图像。可以使用函数cv::imread()来读取图像，并将图像存储在一个cv::Mat对象中。 步骤2：二值化处理 接下来，我们需要将读取到的彩色图像转换为二值图像。可以使用函数cv::cvtColor()将彩色图像转换为灰度图像，接着使用函数cv::threshold()对灰度图像进行阈值处理，将图像转换为二值图像。 步骤3：骨架提取 在OpenCV中，骨架提取可以通过腐蚀和膨胀操作来实现。我们可以使用函数cv::erode()对二值图像进行多次腐蚀操作，并使用函数cv::dilate()对腐蚀后的图像进行多次膨胀操作。通过这种迭代的方式，最终得到的图像将是物体的骨架。 步骤4：显示结果 最后，我们可以使用函数cv::imshow()将结果图像显示出来，以便我们观察骨架提取的效果。可以使用函数cv::waitKey()等待用户按下按键，并使用函数cv::destroyAllWindows()关闭图像窗口。 总结： 通过以上步骤，我们可以在OpenCV中实现骨架提取的算法。这个算法可以应用在许多领域，如数字图像处理、计算机视觉等。它可以帮助我们分析图像中物体的形状、结构等特征，对于图像分析和图像识别等任务有很大的作用。 ### 回答3： OpenCV是一个开源的计算机视觉库，提供了许多图像处理和计算机视觉的功能。骨架提取是其中的一项功能，用于从图像中提取出物体的主要轮廓。 在C语言中使用OpenCV进行骨架提取的过程如下： 1. 首先，需要包含OpenCV库的头文件，以及定义一个用于存储图像的变量。 2. 使用OpenCV的函数加载要处理的图像。 3. 对图像进行预处理，例如灰度化、二值化等操作。这可以通过使用OpenCV提供的函数来实现。 4. 应用骨架提取算法来获取图像中物体的主要轮廓。在OpenCV中，可以使用函数cv::morphologyEx()来实现骨架提取。该函数需要指定要使用的结构元素和操作类型。 5. 最后，将处理后的图像保存到指定的位置，或进行其他后续处理。 总之，通过使用OpenCV的骨架提取功能，我们可以从图像中提取出物体的主要轮廓，这对于进行形状分析、目标检测等计算机视觉任务非常有用。在C语言中，可以通过调用OpenCV提供的相应函数来实现该功能。

“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 10
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