opencv骨架提取(深入分析算法步骤)

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1

2.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)

5.用[4]中求得的结果与之前求得的骨架进行并集运算,以获得本次循环求得的骨架
6.把本次循环中保存的腐蚀结果赋值给原图像

7.重复步骤[2]-[6],直到将原图像腐蚀成空集为止。

最终求得的骨架就是结果。

2.分析

作者的理解是这样的:

输入:img(二值图)
输出:out(和img一样shape的图像,初始化是全0)
while img中有像素值为255(在这个循环里面,一直腐蚀我们的二值图,直到全部为黑色):
    腐蚀img图像
    对img开运算
	img2=开运算前的图像减去开运算后的图像
	out+=img2
输出out

首先说一下开运算,就是对图像先做腐蚀再做膨胀。上面一个核心点就是这一步(img2=开运算前的图像减去开运算后的图像),在这里为什么说个人感觉骨架提取提取的就是开运算过程的不可逆呢?我们对这个开运算过程分析一下ÿ

  • 1
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV中,可以使用图像处理技术来去除图中的毛刺或噪点。骨架化是一种常用的图像处理方法之一,可以用于去除毛刺并提取图像中物体的主要结构。 骨架化的基本思想是将物体的边缘逐渐细化,直到只剩下物体的主要轮廓。在OpenCV中,可以使用以下步骤来实现骨架化去除毛刺: 1. 将图像转换为灰度图像(如果不是灰度图像)。 2. 对图像进行二值化处理,将目标物体设为白色,背景设为黑色。 3. 使用形态学操作(如腐蚀和膨胀)来细化物体的边缘,直到得到骨架化结果。 4. 可选:使用其他图像处理技术(如滤波器)来进一步平滑和优化骨架化结果。 以下是一个示例代码,演示了如何使用OpenCV进行骨架化去除毛刺: ```python import cv2 # 读取图像 image = cv2.imread('input_image.jpg') # 转换为灰度图像 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 二值化处理 _, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 形态学操作 - 腐蚀和膨胀 kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (3, 3)) eroded = cv2.erode(binary, kernel) skeleton = cv2.dilate(eroded, kernel) # 显示结果 cv2.imshow('Skeleton', skeleton) cv2.waitKey(0) cv2.destroyAllWindows() ``` 请注意,上述代码仅为示例,具体的参数和操作可以根据实际情况进行调整。另外,骨架化方法可能无法完全去除所有的毛刺,因此可能需要结合其他图像处理技术来进一步优化结果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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