• 欢迎访问开心洋葱网站,在线教程,推荐使用最新版火狐浏览器和Chrome浏览器访问本网站,欢迎加入开心洋葱 QQ群
  • 为方便开心洋葱网用户,开心洋葱官网已经开启复制功能!
  • 欢迎访问开心洋葱网站,手机也能访问哦~欢迎加入开心洋葱多维思维学习平台 QQ群
  • 如果您觉得本站非常有看点,那么赶紧使用Ctrl+D 收藏开心洋葱吧~~~~~~~~~~~~~!
  • 由于近期流量激增,小站的ECS没能经的起亲们的访问,本站依然没有盈利,如果各位看如果觉着文字不错,还请看官给小站打个赏~~~~~~~~~~~~~!

C/C++ 图像处理(19)——细化算法

人工智能 _寒潭雁影 3020次浏览 0个评论

准备了半年多的博士考试终于结束了!现在开始整理半年来没来得及发的一些技术总结。

 

C/C++ 图像处理”系列文章是随着本人做东西的先后写成的,文章的前后关系可能不太明显,在这里先跟关注专栏的各位老哥说声抱歉,在“深度学习”系列文章中会尽量改掉这个较为随意的风格,让文章更具可读性。

 

之前做的项目有关于“图像细化”方面的应用,因此研究了ZhangSuen细化算法,在这里总结一下:

 
这里写图片描述  

首先见上图,其表示3*3的像素块,且每个像素都贴了标签,以更好的解释算法。另外,本人用红色表示前景像素,用绿色表示背景像素,如下图所示,P9为前景像素,P4为背景像素,而P1为目标像素,也就是我们正要判断它该不该被细化掉的像素点。

 
这里写图片描述  

下面正式描述一下该算法,算法分两步:

 

第一步:循环所有的前景像素点,对符合如下条件的像素点标记为删除:

 

1. 2 ≤ N(p1) ≤ 6——N(p1)表示跟P1相邻的8个像素点中,为前景像素点的个数

 

2. S(P1) = 1——S(P1)表示将p2-p9-p2之间按序前后分别成对值为0、1的个数

 

3. P2 * P4 * P6 = 0

 

4. P4 * P6 * P8 = 0

 

第二步:循环所有的前景像素点,对符合如下条件的像素点标记为删除:

 

1. 2 ≤ N(p1) ≤ 6——N(p1)表示跟P1相邻的8个像素点中,为前景像素点的个数

 

2. S(P1) = 1——S(P1)表示将p2-p9-p2之间按序前后分别成对值为0、1的个数

 

3. P2 * P4 * P8 = 0

 

4. P2 * P6 * P8 = 0

 

可以看到一、二步的前两个条件是一样的,后两个条件有所不同。

 

至于为什么是这四个判断条件,我们先看第一、二步的条件1

 

2 ≤ N(p1) ≤ 6——N(p1)表示跟P1相邻的8个像素点中,为前景像素点的个数

 

如果不满足,则 N(p1)=0时,该点为孤立点,不能细化,如下图:

 
这里写图片描述  

N(p1)=1时,该点为端点,不能细化,如下图:

 
这里写图片描述
这里写图片描述    

N(p1)=7时,该点为内部点,不能细化,如下图:

 
这里写图片描述
这里写图片描述    

再看第一、二步的条件2

 

S(P1) = 1——S(P1)表示将p2-p9-p2之间按序前后分别成对值为0、1的个数

 

如下图所示,其中p2->p3,p6->p7就是成对值为0,1的,总共有两个。

 
这里写图片描述  

我们看不满足条件会怎么样,S(P1) = 0时,如下图所示,该种情况要么该点是内部点,要么是孤立点,都不能删除。

 
这里写图片描述
这里写图片描述    

S(P1) = 2时,要么会断开,要么是内部点,显然不能删除

 
内部点
这里写图片描述    

S(P1) > 2时,则断开的可能性更大,除了断开外也都是内部点,因此只有S(P1)=1满足删除的条件。

 

两步中不同的条件3、4最不好理解,第一步中条件3、4在P4 、P6两者之一为0时即都满足,限定删除的点是右方或者下方的点。当然,如果P4 、P6都为1,则P2、p8要都为0方满足条件,也即步骤一同样删除左上方都为空的点。

 

同理,可以推知步骤二删除上方或者左方的点。也删除右下方为空的点。

 

两者交替作用,能将对象不断的往中心细化。

 

上面的文字描述不是很直观,可以看看下面的图像。

 
这里写图片描述  

对上图进行细化,步骤1和2交替进行,细化的结果如下图所示:

 
这里写图片描述  

如果只有步骤1,则结果如下图,可以明显看到,其删除的点符合上面的推理,因为每次都删除了左上方为空的点,左上方明显倾斜。而整体细化骨架明显偏左上方,因为步骤一每次都删除右方、下方的像素。在一些情况下,细化出来的骨架甚至完全无法辨认出原来的字母是什么。就像本实验,左下方的骨架就消失了。

 
这里写图片描述  

只做步骤二也有类似的结果,当然其比较好的是还能看出是H这个字母,但这也只是运气问题。

 
这里写图片描述  

上面我们详细描述了ZhangSuen细化算法,下面直接上代码:

 

#include "stdafx.h"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <time.h>
#include <iostream>

using namespace cv;
using namespace std;

/*
* @brief 对输入图像进行细化,骨骼化
* @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 dst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
*/
void thinImage(Mat & src, Mat & dst)
{
    int width = src.cols;
    int height = src.rows;
    src.copyTo(dst);
    vector<uchar *> mFlag; //用于标记需要删除的点    
    while (true)
    {
        //步骤一   
        for (int i = 0; i < height; ++i)
        {
            uchar * p = dst.ptr<uchar>(i);
            for (int j = 0; j < width; ++j)
            {
                //获得九个点对象,注意边界问题
                uchar p1 = p[j];
                if (p1 != 1) continue;
                uchar p2 = (i == 0) ? 0 : *(p - dst.step + j);
                uchar p3 = (i == 0 || j == width - 1) ? 0 : *(p - dst.step + j + 1);
                uchar p4 = (j == width - 1) ? 0 : *(p + j + 1);
                uchar p5 = (i == height - 1 || j == width - 1) ? 0 : *(p + dst.step + j + 1);
                uchar p6 = (i == height - 1) ? 0 : *(p + dst.step + j);
                uchar p7 = (i == height - 1 || j == 0) ? 0 : *(p + dst.step + j - 1);
                uchar p8 = (j == 0) ? 0 : *(p + j - 1);
                uchar p9 = (i == 0 || 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)//条件1判断
                {
                    //条件2计算
                    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;
                    //条件2、3、4判断
                    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 (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    
        }

        //步骤二,根据情况该步骤可以和步骤一封装在一起成为一个函数
        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 p2 = (i == 0) ? 0 : *(p - dst.step + j);
                uchar p3 = (i == 0 || j == width - 1) ? 0 : *(p - dst.step + j + 1);
                uchar p4 = (j == width - 1) ? 0 : *(p + j + 1);
                uchar p5 = (i == height - 1 || j == width - 1) ? 0 : *(p + dst.step + j + 1);
                uchar p6 = (i == height - 1) ? 0 : *(p + dst.step + j);
                uchar p7 = (i == height - 1 || j == 0) ? 0 : *(p + dst.step + j - 1);
                uchar p8 = (j == 0) ? 0 : *(p + j - 1);
                uchar p9 = (i == 0 || 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 (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    
        }
    }
}

void main()
{
    Mat src = imread("4.png", IMREAD_GRAYSCALE);
    GaussianBlur(src, src, Size(7, 7), 0, 0);//高斯滤波
    threshold(src, src, 140, 1, cv::THRESH_BINARY_INV);//二值化,前景为1,背景为0
    Mat dst;
    thinImage(src, dst);//图像细化(骨骼化)
    src = src * 255;
    imshow("原始图像", src);
    dst = dst * 255;
    imshow("细化图像", dst);
    waitKey(0);
}

 

结果如下图所示:

 
这里写图片描述  

当然,如果需要获得对象的端点和交叉点,也非常简单,原理和上面的细化算法基本是一样的,这里放出实现代码和效果:

 

/*
* @brief 对输入图像进行端点和交叉点检测,前提是输入图像已经经过骨骼化提取
*/
void endPointAndintersectionPointDetection(Mat & src)
{
    int width = src.cols;
    int height = src.rows;
    vector<CvPoint> endpoint;
    vector<CvPoint> intersectionPoint;
    //遍历骨骼化后的图像,找到端点和交叉点,分别放入容器中
    for (int i = 0; i < height; ++i)
    {
        uchar * p = src.ptr<uchar>(i);
        for (int j = 0; j < width; ++j)
        {
            //获得九个点对象,注意边界问题
            uchar p1 = p[j];
            if (p1 != 1) continue;
            uchar p2 = (i == 0) ? 0 : *(p - src.step + j);
            uchar p3 = (i == 0 || j == width - 1) ? 0 : *(p - src.step + j + 1);
            uchar p4 = (j == width - 1) ? 0 : *(p + j + 1);
            uchar p5 = (i == height - 1 || j == width - 1) ? 0 : *(p + src.step + j + 1);
            uchar p6 = (i == height - 1) ? 0 : *(p + src.step + j);
            uchar p7 = (i == height - 1 || j == 0) ? 0 : *(p + src.step + j - 1);
            uchar p8 = (j == 0) ? 0 : *(p + j - 1);
            uchar p9 = (i == 0 || j == 0) ? 0 : *(p - src.step + j - 1);

            if ((p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) == 1)//端点判断
            {
                printf("端点:%d %d\n", i, j);
                endpoint.push_back(cvPoint(j, i));
            }
            else //交叉点判断
            {
                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 >= 3)
                {
                    printf("交叉点:%d %d\n", i, j);
                    intersectionPoint.push_back(cvPoint(j, i));
                }
            }
        }
    }
    //画出端点
    for (vector<CvPoint>::iterator i = endpoint.begin(); i != endpoint.end(); ++i)
    {
        circle(src, cvPoint(i->x, i->y), 5, Scalar(255), -1);
    }
    //画出交叉点
    for (vector<CvPoint>::iterator i = intersectionPoint.begin(); i != intersectionPoint.end(); ++i)
    {
        circle(src, cvPoint(i->x, i->y), 5, Scalar(255));
    }
    endpoint.clear();//数据回收 
    intersectionPoint.clear();   
}

 

结果如下图所示:

 
这里写图片描述  

OK,到此大功告成!

 


开心洋葱 , 版权所有丨如未注明 , 均为原创丨未经授权请勿修改 , 转载请注明C/C++ 图像处理(19)——细化算法
喜欢 (0)

您必须 登录 才能发表评论!

加载中……