我这是测试了两个人的代码，似乎有些区别的，第二篇作者贴出来的代码还存在一些bug，我简单修改了一下，实现的效果上似乎是有一下差别，后续看看论文再做评价。
两个方法也都能满足一定的需求。
参考blog：
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
// ThinImageDemo.cpp : 定义控制台应用程序的入口点。
//
#include "stdafx.h"
#include <opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
#include <iostream>
#include <vector>
using namespace cv;
void zhangSkeleton(Mat &srcimage);
/**
* @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("1.jpg", cv::IMREAD_GRAYSCALE);
//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, 200, 1, cv::THRESH_BINARY);
cv::threshold(src, src, 200, 255, cv::THRESH_BINARY);
//图像细化
//cv::Mat dst = thinImage(src);
zhangSkeleton(src);
cv::Mat dst = 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::imwrite("dst.jpg", dst);
cv::waitKey(0);
}
void zhangSkeleton(Mat &srcimage)
{
int kernel[9];
int nl = srcimage.rows;
int nc = srcimage.cols;
vector<Point> delete_list;
int A, B;
while (true)
{
for (int j = 1; j < nl - 2; j++)
{
uchar* data_pre = srcimage.ptr<uchar>(j - 1);
uchar* data = srcimage.ptr<uchar>(j);
uchar* data_next = srcimage.ptr<uchar>(j + 1);
for (int i = 1; i < (nc - 2); i++)
{
if (data[i] == 255)
{
kernel[0] = 1;
if (data_pre[i] == 255) kernel[1] = 1;
else kernel[1] = 0;
if (data_pre[i + 1] == 255) kernel[2] = 1;
else kernel[2] = 0;
if (data[i + 1] == 255) kernel[3] = 1;
else kernel[3] = 0;
if (data_next[i + 1] == 255) kernel[4] = 1;
else kernel[4] = 0;
if (data_next[i] == 255) kernel[5] = 1;
else kernel[5] = 0;
if (data_next[i - 1] == 255) kernel[6] = 1;
else kernel[6] = 0;
if (data[i - 1] == 255) kernel[7] = 1;
else kernel[7] = 0;
if (data_pre[i - 1] == 255) kernel[8] = 1;
else kernel[8] = 0;
B=0;
for (int k = 1; k < 9; k++)
{
B = B + kernel[k];
}
if ((B >= 2) && (B <= 6))
{
A = 0;
if (!kernel[1] && kernel[2]) A++;
if (!kernel[2] && kernel[3]) A++;
if (!kernel[3] && kernel[4]) A++;
if (!kernel[4] && kernel[5]) A++;
if (!kernel[5] && kernel[6]) A++;
if (!kernel[6] && kernel[7]) A++;
if (!kernel[7] && kernel[8]) A++;
if (!kernel[8] && kernel[1]) A++;
//
if (A == 1)
{
if ((kernel[1] * kernel[3] * kernel[5] == 0)
&& (kernel[3] * kernel[5] * kernel[7] == 0))
{
delete_list.push_back(Point(i, j));
}
}
}
}
}
}
int size = delete_list.size();
if (size == 0)
{
break;
}
for (int n = 0; n < size; n++)
{
Point tem;
tem = delete_list[n];
uchar* data = srcimage.ptr<uchar>(tem.y);
data[tem.x] = 0;
}
delete_list.clear();
for (int j = 1; j < nl - 2; j++)
{
uchar* data_pre = srcimage.ptr<uchar>(j - 1);
uchar* data = srcimage.ptr<uchar>(j);
uchar* data_next = srcimage.ptr<uchar>(j + 1);
for (int i = 1; i < (nc - 2); i++)
{
if (data[i] == 255)
{
kernel[0] = 1;
if (data_pre[i] == 255) kernel[1] = 1;
else kernel[1] = 0;
if (data_pre[i + 1] == 255) kernel[2] = 1;
else kernel[2] = 0;
if (data[i + 1] == 255) kernel[3] = 1;
else kernel[3] = 0;
if (data_next[i + 1] == 255) kernel[4] = 1;
else kernel[4] = 0;
if (data_next[i] == 255) kernel[5] = 1;
else kernel[5] = 0;
if (data_next[i - 1] == 255) kernel[6] = 1;
else kernel[6] = 0;
if (data[i - 1] == 255) kernel[7] = 1;
else kernel[7] = 0;
if (data_pre[i - 1] == 255) kernel[8] = 1;
else kernel[8] = 0;
B = 0;
for (int k = 1; k < 9; k++)
{
B = B + kernel[k];
}
if ((B >= 2) && (B <= 6))
{
A = 0;
if (!kernel[1] && kernel[2]) A++;
if (!kernel[2] && kernel[3]) A++;
if (!kernel[3] && kernel[4]) A++;
if (!kernel[4] && kernel[5]) A++;
if (!kernel[5] && kernel[6]) A++;
if (!kernel[6] && kernel[7]) A++;
if (!kernel[7] && kernel[8]) A++;
if (!kernel[8] && kernel[1]) A++;
//
if (A == 1)
{
if ((kernel[1] * kernel[3] * kernel[7] == 0)
&& (kernel[1] * kernel[5] * kernel[7] == 0))
{
delete_list.push_back(Point(i, j));
}
}
}
}
}
}
size = delete_list.size();
if (size == 0)
{
break;
}
for (int n = 0; n < size; n++)
{
Point tem;
tem = delete_list[n];
if (tem.y > srcimage.rows-1 || tem.x > srcimage.cols-1)
continue;
uchar* data = srcimage.ptr<uchar>(tem.y);
data[tem.x] = 0;
}
delete_list.clear();
}
}
运行效果
1原图像
2.运行效果
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
