在我们进行图像处理的时候,有可能需要对图像进行细化,提取出图像的骨架信息,进行更加有效的分析。
图像细化(Image Thinning),一般指二值图像的骨架化(Image Skeletonization) 的一种操作运算。
所谓的细化就是经过一层层的剥离,从原来的图中去掉一些点,但仍要保持原来的形状,直到得到图像的骨架。骨架,可以理解为图象的中轴。
好的细化算法一定要满足:- 收敛性;
- 保证细化后细线的连通性;
- 保持原图的基本形状;
- 减少笔画相交处的畸变;
- 细化结果是原图像的中心线;
- 细化的快速性和迭代次数少;
这里,我们对“Zhang并行快速细化算法”进行了实现(注意,该算法为并行算法,而我们在实现过程中并没有并行化处理,所以,效率并没有达到最好)。
参考资料
- 细化算法
- 论文 A fast parallel algorithm for thinning digital patterns
- #include <opencv2/opencv.hpp>
- #include <opencv2/core/core.hpp>
- #include <iostream>
- #include <vector>
- /**
- * @brief 对输入图像进行细化
- * @param src为输入图像,用cvThreshold函数处理过的8位灰度图像格式,元素中只有0与1,1代表有元素,0代表为空白
- * @param maxIterations限制迭代次数,如果不进行限制,默认为-1,代表不限制迭代次数,直到获得最终结果
- * @return 为对src细化后的输出图像,格式与src格式相同,元素中只有0与1,1代表有元素,0代表为空白
- */
- cv::Mat thinImage(const cv::Mat & src, const int maxIterations = -1)
- {
- assert(src.type() == CV_8UC1);
- cv::Mat dst;
- int width = src.cols;
- int height = src.rows;
- src.copyTo(dst);
- int count = 0; //记录迭代次数
- while (true)
- {
- count++;
- if (maxIterations != -1 && count > maxIterations) //限制次数并且迭代次数到达
- break;
- std::vector<uchar *> mFlag; //用于标记需要删除的点
- //对点标记
- for (int i = 0; i < height ;++i)
- {
- uchar * p = dst.ptr<uchar>(i);
- for (int j = 0; j < width; ++j)
- {
- //如果满足四个条件,进行标记
- // p9 p2 p3
- // p8 p1 p4
- // p7 p6 p5
- uchar p1 = p[j];
- if (p1 != 1) continue;
- uchar p4 = (j == width - 1) ? 0 : *(p + j + 1);
- uchar p8 = (j == 0) ? 0 : *(p + j - 1);
- uchar p2 = (i == 0) ? 0 : *(p - dst.step + j);
- uchar p3 = (i == 0 || j == width - 1) ? 0 : *(p - dst.step + j + 1);
- uchar p9 = (i == 0 || j == 0) ? 0 : *(p - dst.step + j - 1);
- uchar p6 = (i == height - 1) ? 0 : *(p + dst.step + j);
- uchar p5 = (i == height - 1 || j == width - 1) ? 0 : *(p + dst.step + j + 1);
- uchar p7 = (i == height - 1 || j == 0) ? 0 : *(p + dst.step + j - 1);
- if ((p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) >= 2 && (p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) <= 6)
- {
- int ap = 0;
- if (p2 == 0 && p3 == 1) ++ap;
- if (p3 == 0 && p4 == 1) ++ap;
- if (p4 == 0 && p5 == 1) ++ap;
- if (p5 == 0 && p6 == 1) ++ap;
- if (p6 == 0 && p7 == 1) ++ap;
- if (p7 == 0 && p8 == 1) ++ap;
- if (p8 == 0 && p9 == 1) ++ap;
- if (p9 == 0 && p2 == 1) ++ap;
- if (ap == 1 && p2 * p4 * p6 == 0 && p4 * p6 * p8 == 0)
- {
- //标记
- mFlag.push_back(p+j);
- }
- }
- }
- }
- //将标记的点删除
- for (std::vector<uchar *>::iterator i = mFlag.begin(); i != mFlag.end(); ++i)
- {
- **i = 0;
- }
- //直到没有点满足,算法结束
- if (mFlag.empty())
- {
- break;
- }
- else
- {
- mFlag.clear();//将mFlag清空
- }
- //对点标记
- for (int i = 0; i < height; ++i)
- {
- uchar * p = dst.ptr<uchar>(i);
- for (int j = 0; j < width; ++j)
- {
- //如果满足四个条件,进行标记
- // p9 p2 p3
- // p8 p1 p4
- // p7 p6 p5
- uchar p1 = p[j];
- if (p1 != 1) continue;
- uchar p4 = (j == width - 1) ? 0 : *(p + j + 1);
- uchar p8 = (j == 0) ? 0 : *(p + j - 1);
- uchar p2 = (i == 0) ? 0 : *(p - dst.step + j);
- uchar p3 = (i == 0 || j == width - 1) ? 0 : *(p - dst.step + j + 1);
- uchar p9 = (i == 0 || j == 0) ? 0 : *(p - dst.step + j - 1);
- uchar p6 = (i == height - 1) ? 0 : *(p + dst.step + j);
- uchar p5 = (i == height - 1 || j == width - 1) ? 0 : *(p + dst.step + j + 1);
- uchar p7 = (i == height - 1 || j == 0) ? 0 : *(p + dst.step + j - 1);
- if ((p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) >= 2 && (p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) <= 6)
- {
- int ap = 0;
- if (p2 == 0 && p3 == 1) ++ap;
- if (p3 == 0 && p4 == 1) ++ap;
- if (p4 == 0 && p5 == 1) ++ap;
- if (p5 == 0 && p6 == 1) ++ap;
- if (p6 == 0 && p7 == 1) ++ap;
- if (p7 == 0 && p8 == 1) ++ap;
- if (p8 == 0 && p9 == 1) ++ap;
- if (p9 == 0 && p2 == 1) ++ap;
- if (ap == 1 && p2 * p4 * p8 == 0 && p2 * p6 * p8 == 0)
- {
- //标记
- mFlag.push_back(p+j);
- }
- }
- }
- }
- //将标记的点删除
- for (std::vector<uchar *>::iterator i = mFlag.begin(); i != mFlag.end(); ++i)
- {
- **i = 0;
- }
- //直到没有点满足,算法结束
- if (mFlag.empty())
- {
- break;
- }
- else
- {
- mFlag.clear();//将mFlag清空
- }
- }
- return dst;
- }
- int main(int argc, char*argv[])
- {
- //获取图像
- if (argc != 2)
- {
- std::cout << "参数个数错误!" << std::endl;
- return -1;
- }
- cv::Mat src = cv::imread(argv[1], cv::IMREAD_GRAYSCALE);
- if (src.empty())
- {
- std::cout << "读取文件失败!" << std::endl;
- return -1;
- }
- //将原图像转换为二值图像
- cv::threshold(src, src, 128, 1, cv::THRESH_BINARY);
- //图像细化
- cv::Mat dst = thinImage(src);
- //显示图像
- dst = dst * 255;
- cv::namedWindow("src1", CV_WINDOW_AUTOSIZE);
- cv::namedWindow("dst1", CV_WINDOW_AUTOSIZE);
- cv::imshow("src1", src);
- cv::imshow("dst1", dst);
- cv::waitKey(0);
- }
运行效果
1原图像
2.运行效果
-