边缘跟踪Moores 算法

摩尔领域也称为8邻域或者间接邻域。

摩尔邻域跟踪算法的基本思想：

 边界追踪:

Moore’s 算法 The general idea is:

• every time you hit a black pixel, P, backtrack i.e. go back to the white pixel you were previously standing on, then,

• go around pixel P in a clockwise direction, visiting each pixel in its Moore neighborhood, until you hit a black pixel.

• The algorithm terminates when the start pixel is visited for a second time.

中文翻译： 

• 找到一个黑色像素，并将它定为你的起始像素。（定位一个起始像素可以以多种方式来完成的；我们将从网格的左下角开始，自下而上扫描每一列像素，从最左向右的每列像素，直到遇到一个黑色的像素，我们将其作为我们的起始像素）。

• 每次遇到黑色像素，将设置为当前边界像素点

• 然后原路返回到先前到达的白色像素，以顺时针方向搜索的摩尔邻域内的每一个像素，直到遇到下一个黑色像素。

• 重复这个过程，当起始像素被第二次访问时算法终止，在整个运行过程走过的黒色像素就是目标的边界像素。

 

def Moore_Function(img):
    trace = []
    start_x = 0
    start_y = 0
    done = False
    img_h, img_w = img.shape
    for h in range(img_h - 2):
        if done == True:
            break
        for w in range(img_w - 2):
            if img[h, w] == 0:
                start_x = w
                start_y = h
                done = True
                break
    #print("Start Point (%d %d)" % (start_x, start_y))
    trace.append([start_x, start_y])

    # 8邻域 顺时针方向搜索
    neighbor = [[-1, -1], [0, -1], [1, -1], [1, 0], [1, 1], [0, 1], [-1, 1], [-1, 0]]
    neighbor_len = len(neighbor)
    cur_x = start_x
    cur_y = start_y
    neig_idx = 7
    while True:
        for k in range(neighbor_len):
            neig_k = (neig_idx + k) % neighbor_len
            x = cur_x + neighbor[neig_k][0]
            y = cur_y + neighbor[neig_k][1]
            if (img[y, x] == 0):
                trace.append([x, y])
                cur_x = x
                cur_y = y
                neig_idx = neig_k - 1
                break
        if neig_idx < 0:
            neig_idx += neighbor_len
        if (cur_x == start_x) and (cur_y == start_y):
            break
    return trace

事实证明，和Square边界跟踪算法处理的情况类似，如果它要依赖于这一终止标准，摩尔邻域边界跟踪算法将无法跟踪大量的图形轮廓。

改进方法：

（1）停止访问开始像素n次，其中至少为2；

（2）第二次进入起始点与第一次进入的方向相同时停止；