图像攻击算法python实现_Zhang-Suen 图像细化算法python实现

算法流程

首先要反转原图像，因为算法之后所有的操作都将0作为前景，将1作为背景。

中心像素x_1(x,y)的8-近邻定义如下所示：

考虑以下两个步骤

步骤1：执行光栅扫描并标记满足以下5个条件的所有像素：

这是一个黑色像素；

顺时针查看x2、x3、...、x9、x2时，从0到1的变化次数仅为1;

x2、x3、...、x9中1的个数在2个以上6个以下;

x2、x4、x6中至少有1个为1;

x4、x6、x8中至少有1个为1;

将满足条件的所有像素标为1

步骤2：执行光栅扫描并标记满足以下5个条件的所有像素：

这是一个黑色像素；

顺时针查看x2、x3、...、x9、x2时，从0到1的变化次数仅为1;

x2、x3、...、x9中1的个数在2个以上6个以下;

x2、x4、x8中至少有1个为1;

x2、x6、x8中至少有1个为1;

将满足条件的所有像素标为1

反复执行步骤1和步骤2，直到没有点发生变化。

python实现：

import cv2

import numpy as np

import matplotlib.pyplot as plt

# Zhang Suen thining algorythm

def Zhang_Suen_thining(img):

# get shape

H, W, C = img.shape

# prepare out image

out = np.zeros((H, W), dtype=np.int)

out[img[..., 0] > 0] = 1

# inverse

out = 1 - out

while True:

s1 = []

s2 = []

# step 1 ( rasta scan )

for y in range(1, H-1):

for x in range(1, W-1):

# condition 1

if out[y, x] > 0:

continue

# condition 2

f1 = 0

if (out[y-1, x+1] - out[y-1, x]) == 1:

f1 += 1

if (out[y, x+1] - out[y-1, x+1]) == 1:

f1 += 1

if (out[y+1, x+1] - out[y, x+1]) == 1:

f1 += 1

if (out[y+1, x] - out[y+1,x+1]) == 1:

f1 += 1

if (out[y+1, x-1] - out[y+1, x]) == 1:

f1 += 1

if (out[y, x-1] - out[y+1, x-1]) == 1:

f1 += 1

if (out[y-1, x-1] - out[y, x-1]) == 1:

f1 += 1

if (out[y-1, x] - out[y-1, x-1]) == 1:

f1 += 1

if f1 != 1:

continue

# condition 3

f2 = np.sum(out[y-1:y+2, x-1:x+2])

if f2 < 2 or f2 > 6:

continue

# condition 4

# x2 x4 x6

if (out[y-1, x] + out[y, x+1] + out[y+1, x]) < 1 :

continue

# condition 5

# x4 x6 x8

if (out[y, x+1] + out[y+1, x] + out[y, x-1]) < 1 :

continue

s1.append([y, x])

for v in s1:

out[v[0], v[1]] = 1

# step 2 ( rasta scan )

for y in range(1, H-1):

for x in range(1, W-1):

# condition 1

if out[y, x] > 0:

continue

# condition 2

f1 = 0

if (out[y-1, x+1] - out[y-1, x]) == 1:

f1 += 1

if (out[y, x+1] - out[y-1, x+1]) == 1:

f1 += 1

if (out[y+1, x+1] - out[y, x+1]) == 1:

f1 += 1

if (out[y+1, x] - out[y+1,x+1]) == 1:

f1 += 1

if (out[y+1, x-1] - out[y+1, x]) == 1:

f1 += 1

if (out[y, x-1] - out[y+1, x-1]) == 1:

f1 += 1

if (out[y-1, x-1] - out[y, x-1]) == 1:

f1 += 1

if (out[y-1, x] - out[y-1, x-1]) == 1:

f1 += 1

if f1 != 1:

continue

# condition 3

f2 = np.sum(out[y-1:y+2, x-1:x+2])

if f2 < 2 or f2 > 6:

continue

# condition 4

# x2 x4 x8

if (out[y-1, x] + out[y, x+1] + out[y, x-1]) < 1 :

continue

# condition 5

# x2 x6 x8

if (out[y-1, x] + out[y+1, x] + out[y, x-1]) < 1 :

continue

s2.append([y, x])

for v in s2:

out[v[0], v[1]] = 1

# if not any pixel is changed

if len(s1) < 1 and len(s2) < 1:

break

out = 1 - out

out = out.astype(np.uint8) * 255

return out

# Read image

img = cv2.imread("../thin.png").astype(np.float32)

# Zhang Suen thining

out = Zhang_Suen_thining(img)

# Save result

cv2.imwrite("out.png", out)

cv2.imshow("result", out)

cv2.waitKey(0)

cv2.destroyAllWindows()

实验结果：