devbox
AllinToyou
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

骨骼化_骨骼化算法

作者：AllinToyou | 2024-05-21 23:10:34

赞

踩

骨骼化算法

第一种：Zhang并行算法（个人表示来搞笑的）

p1 p2 p3
p8 p1 p4
p7 p6 p5
一次细化算法份两次迭代
第一次删去满足下列三个条件的点
2<= p2+p3+p4+p5+p6+p7+p8+p9<=6(0孤立点1端点78内部点)
p2->p9的排列顺序中，01模式的数量(这里假设二值图非零值为1)为1
P2*p4*p6 = 0且p4*p6*p8 = 0(移去东南角点)
第二次删去满足下列三个条件的点
2<= p2+p3+p4+p5+p6+p7+p8+p9<=6(0孤立点1端点78内部点)
p2->p9的排列顺序中，01模式的数量(这里假设二值图非零值为1)为1
P2*p4*p8 = 0且p2*p6*p8 = 0(移去西北角点)

  1. #include<opencv2/opencv.hpp>
  2. using namespace cv;
  3. void cvThin(cv::Mat& src, cv::Mat& dst, int intera){
  4.     if(src.type()!=CV_8UC1){
  5.         printf("只能处理二值或灰度图像\n");
  6.         return;
  7.     }
  8.     //非原地操作时候，copy src到dst
  9.     if(dst.data!=src.data)src.copyTo(dst);
  10.     int i, j, n,width, height;
  11.     width = src.cols -1;//之所以减1，是方便处理8邻域，防止越界
  12.     height = src.rows -1;
  13.     int step = src.step,p2,p3,p4,p5,p6,p7,p8,p9;
  14.     uchar* img;
  15.     bool ifEnd;
  16.     int A1;
  17.     cv::Mat tmpimg;//n表示迭代次数
  18.     for(n = 0; n<intera; n++){
  19.         dst.copyTo(tmpimg);
  20.         ifEnd = false;
  21.         img = tmpimg.data;
  22.         for(i = 1; i < height; i++){
  23.             img += step;
  24.             for(j =1; j<width; j++){
  25.                 uchar* p = img + j;
  26.                 A1 = 0;
  27.                 if( p[0] > 0){
  28.                     if(p[-step]==0&&p[-step+1]>0)A1++; //p2,p3 01模式
  29.                     if(p[-step+1]==0&&p[1]>0)A1++; //p3,p4 01模式
  30.                     if(p[1]==0&&p[step+1]>0)A1++; //p4,p5 01模式
  31.                     if(p[step+1]==0&&p[step]>0)A1++; //p5,p6 01模式
  32.                     if(p[step]==0&&p[step-1]>0)A1++; //p6,p7 01模式
  33.                     if(p[step-1]==0&&p[-1]>0)A1++; //p7,p8 01模式
  34.                     if(p[-1]==0&&p[-step-1]>0)A1++; //p8,p9 01模式
  35.                     if(p[-step-1]==0&&p[-step]>0)A1++; //p9,p2 01模式
  36.                     p2 = p[-step]>0?1:0;
  37.                     p3 = p[-step+1]>0?1:0;
  38.                     p4 = p[1]>0?1:0;
  39.                     p5 = p[step+1]>0?1:0;
  40.                     p6 = p[step]>0?1:0;
  41.                     p7 = p[step-1]>0?1:0;
  42.                     p8 = p[-1]>0?1:0;
  43.                     p9 = p[-step-1]>0?1:0;
  44.                     if((p2+p3+p4+p5+p6+p7+p8+p9)>1 && (p2+p3+p4+p5+p6+p7+p8+p9)<7  &&  A1==1){
  45.                         if((p2==0||p4==0||p6==0)&&(p4==0||p6==0||p8==0)){ //p2*p4*p6=0 && p4*p6*p8==0
  46.                             dst.at<uchar>(i,j) = 0; //满足删除条件，设置当前像素为0
  47.                             ifEnd = true;
  48.                         }
  49.                     }
  50.                 }
  51.             }
  52.         }
  53.         dst.copyTo(tmpimg);
  54.         img = tmpimg.data;
  55.         for(i = 1; i < height; i++){
  56.             img += step;
  57.             for(j =1; j<width; j++){
  58.                 A1 = 0;
  59.                 uchar* p = img + j;
  60.                 if( p[0] > 0){
  61.                     if(p[-step]==0&&p[-step+1]>0)A1++; //p2,p3 01模式
  62.                     if(p[-step+1]==0&&p[1]>0)A1++; //p3,p4 01模式
  63.                     if(p[1]==0&&p[step+1]>0)A1++; //p4,p5 01模式
  64.                     if(p[step+1]==0&&p[step]>0)A1++; //p5,p6 01模式
  65.                     if(p[step]==0&&p[step-1]>0)A1++; //p6,p7 01模式
  66.                     if(p[step-1]==0&&p[-1]>0)A1++; //p7,p8 01模式
  67.                     if(p[-1]==0&&p[-step-1]>0)A1++; //p8,p9 01模式
  68.                     if(p[-step-1]==0&&p[-step]>0)A1++; //p9,p2 01模式
  69.                     p2 = p[-step]>0?1:0;
  70.                     p3 = p[-step+1]>0?1:0;
  71.                     p4 = p[1]>0?1:0;
  72.                     p5 = p[step+1]>0?1:0;
  73.                     p6 = p[step]>0?1:0;
  74.                     p7 = p[step-1]>0?1:0;
  75.                     p8 = p[-1]>0?1:0;
  76.                     p9 = p[-step-1]>0?1:0;
  77.                     if((p2+p3+p4+p5+p6+p7+p8+p9)>1 && (p2+p3+p4+p5+p6+p7+p8+p9)<7  &&  A1==1){
  78.                         if((p2==0||p4==0||p8==0)&&(p2==0||p6==0||p8==0)){ //p2*p4*p8=0 && p2*p6*p8==0
  79.                             dst.at<uchar>(i,j) = 0; //满足删除条件，设置当前像素为0
  80.                             ifEnd = true;
  81.                         }
  82.                     }
  83.                 }
  84.             }
  85.         }
  86.         //如果两个子迭代已经没有可以细化的像素了，则退出迭代
  87.         if(!ifEnd) break;
  88.     }
  89. }
  90. int main(){
  91.     Mat src=imread("1.jpg",0);
  92.     imshow("abc",src);
  93.     Mat dst;
  94.     cvThin(src,dst,30);
  95.     imshow("def",dst);
  96.     waitKey(0);
  97.     return 0;
  98. }
  99.  
  100.

第二种：Hilditch算法（个人表示来搞笑的）

p9 p2 p3
p8 p1 p4
p7 p6 p5

每次迭代删除符合下列条件的点

2<= p2+p3+p4+p5+p6+p7+p8+p9<=6
p2->p9的排列顺序中，01模式的数量为1（如p2=0,p3=1这就叫一个01模式）
p2.p4.p8 = 0 or A(p2)!=1，A(p2)表示p2周围8邻域的01模式和（保证2个像素宽的垂直条不完全被腐蚀掉）
p2.p4.p6 = 0 or A(p4)!=1，A(p4)表示p4周围8邻域的01模式和（保证2个像素宽的水平条不完全被腐蚀掉）

  1. #include<opencv2/opencv.hpp>
  2. using namespace cv;
  3. void cvHilditchThin1(cv::Mat& src, cv::Mat& dst){
  4.     if(src.type()!=CV_8UC1){
  5.         printf("只能处理二值或灰度图像\n");
  6.         return;
  7.     }
  8.     //非原地操作时候，copy src到dst
  9.     if(dst.data!=src.data)src.copyTo(dst);
  10.     int i, j,width, height;
  11.     //之所以减2，是方便处理8邻域，防止越界
  12.     width = src.cols -2;
  13.     height = src.rows -2;
  14.     int step = src.step;
  15.     int  p2,p3,p4,p5,p6,p7,p8,p9;
  16.     uchar* img;
  17.     bool ifEnd;
  18.     int A1;
  19.     cv::Mat tmpimg;
  20.     while(1){
  21.         dst.copyTo(tmpimg);
  22.         ifEnd = false;
  23.         img = tmpimg.data+step;
  24.         for(i = 2; i < height; i++){
  25.             img += step;
  26.             for(j =2; j<width; j++){
  27.                 uchar* p = img + j;
  28.                 A1 = 0;
  29.                 if( p[0] > 0){
  30.                     if(p[-step]==0&&p[-step+1]>0)A1++; //p2,p3 01模式
  31.                     if(p[-step+1]==0&&p[1]>0)A1++; //p3,p4 01模式
  32.                     if(p[1]==0&&p[step+1]>0)A1++; //p4,p5 01模式
  33.                     if(p[step+1]==0&&p[step]>0)A1++; //p5,p6 01模式
  34.                     if(p[step]==0&&p[step-1]>0)A1++; //p6,p7 01模式
  35.                     if(p[step-1]==0&&p[-1]>0)A1++; //p7,p8 01模式
  36.                     if(p[-1]==0&&p[-step-1]>0)A1++; //p8,p9 01模式
  37.                     if(p[-step-1]==0&&p[-step]>0)A1++; //p9,p2 01模式
  38.                     p2 = p[-step]>0?1:0;
  39.                     p3 = p[-step+1]>0?1:0;
  40.                     p4 = p[1]>0?1:0;
  41.                     p5 = p[step+1]>0?1:0;
  42.                     p6 = p[step]>0?1:0;
  43.                     p7 = p[step-1]>0?1:0;
  44.                     p8 = p[-1]>0?1:0;
  45.                     p9 = p[-step-1]>0?1:0;
  46.                     //计算AP2,AP4
  47.                     int A2, A4;
  48.                     A2 = 0;
  49.                     if(p[-step]>0){
  50.                         if(p[-2*step]==0&&p[-2*step+1]>0) A2++;
  51.                         if(p[-2*step+1]==0&&p[-step+1]>0) A2++;
  52.                         if(p[-step+1]==0&&p[1]>0) A2++;
  53.                         if(p[1]==0&&p[0]>0) A2++;
  54.                         if(p[0]==0&&p[-1]>0) A2++;
  55.                         if(p[-1]==0&&p[-step-1]>0) A2++;
  56.                         if(p[-step-1]==0&&p[-2*step-1]>0) A2++;
  57.                         if(p[-2*step-1]==0&&p[-2*step]>0) A2++;
  58.                     }
  59.                     A4 = 0;
  60.                     if(p[1]>0){
  61.                         if(p[-step+1]==0&&p[-step+2]>0) A4++;
  62.                         if(p[-step+2]==0&&p[2]>0) A4++;
  63.                         if(p[2]==0&&p[step+2]>0) A4++;
  64.                         if(p[step+2]==0&&p[step+1]>0) A4++;
  65.                         if(p[step+1]==0&&p[step]>0) A4++;
  66.                         if(p[step]==0&&p[0]>0) A4++;
  67.                         if(p[0]==0&&p[-step]>0) A4++;
  68.                         if(p[-step]==0&&p[-step+1]>0) A4++;
  69.                     }
  70.                     //printf("p2=%d p3=%d p4=%d p5=%d p6=%d p7=%d p8=%d p9=%d\n", p2, p3, p4, p5, p6,p7, p8, p9);
  71.                     //printf("A1=%d A2=%d A4=%d\n", A1, A2, A4);
  72.                     if((p2+p3+p4+p5+p6+p7+p8+p9)>1 && (p2+p3+p4+p5+p6+p7+p8+p9)<7  &&  A1==1){
  73.                         if(((p2==0||p4==0||p8==0)||A2!=1)&&((p2==0||p4==0||p6==0)||A4!=1)){
  74.                             dst.at<uchar>(i,j) = 0; //满足删除条件，设置当前像素为0
  75.                             ifEnd = true;
  76.                             //printf("\n");
  77.                             //PrintMat(dst);
  78.                         }
  79.                     }
  80.                 }
  81.             }
  82.         }
  83.         //已经没有可以细化的像素了，则退出迭代
  84.         if(!ifEnd) break;
  85.     }
  86. }
  87. int main(){
  88.     Mat src=imread("1.jpg",0);
  89.     imshow("abc",src);
  90.     Mat dst;
  91.     cvHilditchThin1(src,dst);
  92.     imshow("def",dst);
  93.     waitKey(0);
  94.     return 0;
  95. }
  96.  
  97.

三、形态学算法（个人表示最简单，第三选择）

通过十字型结构元素开操作的的补集和当前像素相与来作为骨架。当图像腐蚀为全0时候，就得到了整个图像的骨架

while (not_empty(img)) { skel = skel | (img & !open(img)); img = erosion(img); }

  1. #include<opencv2/opencv.hpp>
  2. using namespace cv;
  3. void cvmorphThin(cv::Mat& src, cv::Mat& dst){
  4.     if(src.type()!=CV_8UC1){
  5.         printf("只能处理二值或灰度图像\n");
  6.         return;
  7.         }
  8.    //非原地操作时候，copy src到dst
  9.     if(dst.data!=src.data)src.copyTo(dst);
  10.     cv::Mat skel(dst.size(), CV_8UC1, cv::Scalar(0));
  11.     cv::Mat temp(dst.size(), CV_8UC1);
  12.     cv::Mat element = cv::getStructuringElement(cv::MORPH_CROSS, cv::Size(3, 3));
  13.     bool done;
  14.     do{
  15.         cv::morphologyEx(dst, temp, cv::MORPH_OPEN, element);
  16.         cv::bitwise_not(temp, temp);
  17.         cv::bitwise_and(dst, temp, temp);
  18.         cv::bitwise_or(skel, temp, skel);
  19.         cv::erode(dst, dst, element);
  20.         double max;
  21.         cv::minMaxLoc(dst, 0, &max);
  22.         done = (max == 0);
  23.     } while (!done);
  24.     dst = skel;
  25. }
  26. int main(){
  27.     Mat src=imread("1.jpg",0);
  28.     imshow("abc",src);
  29.     Mat dst;
  30.     cvmorphThin(src,dst);
  31.     imshow("def",dst);
  32.     waitKey(0);
  33.     return 0;
  34. }
  35.  
  36.

四、Rosenfeld算法（个人表示最优，第一选择）

  1. #include<opencv2/opencv.hpp>
  2. using namespace cv;
  3. void cvRosenfeld(cv::Mat& src, cv::Mat& dst){
  4.     if(src.type()!=CV_8UC1)    {
  5.         printf("只能处理二值或灰度图像\n");
  6.         return;
  7.     }
  8.     //非原地操作时候，copy src到dst
  9.     if(dst.data!=src.data){
  10.         src.copyTo(dst);
  11.     }
  12.     int i, j, n,width, height;
  13.     //之所以减1，是方便处理8邻域，防止越界
  14.     width = src.cols -1;
  15.     height = src.rows -1;
  16.     int step = src.step;
  17.     int  p2,p3,p4,p5,p6,p7,p8,p9;
  18.     uchar* img;
  19.     bool ifEnd;
  20.     cv::Mat tmpimg;
  21.     int dir[4] = {-step, step, 1, -1};
  22.     while(1){
  23.         //分四个子迭代过程，分别对应北，南，东，西四个边界点的情况
  24.         ifEnd = false;
  25.         for(n =0; n < 4; n++){
  26.             dst.copyTo(tmpimg);
  27.             img = tmpimg.data;
  28.             for(i = 1; i < height; i++){
  29.                 img += step;
  30.                 for(j =1; j<width; j++){
  31.                     uchar* p = img + j;
  32.                     //如果p点是背景点或者且为方向边界点，依次为北南东西，继续循环
  33.                     if(p[0]==0||p[dir[n]]>0) continue;
  34.                     p2 = p[-step]>0?1:0;
  35.                     p3 = p[-step+1]>0?1:0;
  36.                     p4 = p[1]>0?1:0;
  37.                     p5 = p[step+1]>0?1:0;
  38.                     p6 = p[step]>0?1:0;
  39.                     p7 = p[step-1]>0?1:0;
  40.                     p8 = p[-1]>0?1:0;
  41.                     p9 = p[-step-1]>0?1:0;
  42.                     //8 simple判定
  43.                     int is8simple = 1;
  44.                     if(p2==0&&p6==0){
  45.                         if((p9==1||p8==1||p7==1)&&(p3==1||p4==1||p5==1))
  46.                             is8simple = 0;
  47.                     }
  48.                     if(p4==0&&p8==0){
  49.                         if((p9==1||p2==1||p3==1)&&(p5==1||p6==1||p7==1))
  50.                             is8simple = 0;
  51.                     }
  52.                     if(p8==0&&p2==0){
  53.                         if(p9==1&&(p3==1||p4==1||p5==1||p6==1||p7==1))
  54.                             is8simple = 0;
  55.                     }
  56.                     if(p4==0&&p2==0){
  57.                         if(p3==1&&(p5==1||p6==1||p7==1||p8==1||p9==1))
  58.                             is8simple = 0;
  59.                     }
  60.                     if(p8==0&&p6==0){
  61.                         if(p7==1&&(p3==9||p2==1||p3==1||p4==1||p5==1))
  62.                             is8simple = 0;
  63.                     }
  64.                     if(p4==0&&p6==0){
  65.                         if(p5==1&&(p7==1||p8==1||p9==1||p2==1||p3==1))
  66.                             is8simple = 0;
  67.                     }
  68.                     int adjsum;
  69.                     adjsum = p2 + p3 + p4+ p5 + p6 + p7 + p8 + p9;
  70.                     //判断是否是邻接点或孤立点,0,1分别对于那个孤立点和端点
  71.                     if(adjsum!=1&&adjsum!=0&&is8simple==1){
  72.                         dst.at<uchar>(i,j) = 0; //满足删除条件，设置当前像素为0
  73.                         ifEnd = true;
  74.                     }
  75.                 }
  76.             }
  77.         }
  78.         //已经没有可以细化的像素了，则退出迭代
  79.         if(!ifEnd) break;
  80.     }
  81. }
  82. int main(){
  83.     Mat src=imread("1.jpg",0);
  84.     threshold(src,src,100,255,0);//注意一定要化二值，不仅是灰度图
  85.     imshow("abc",src);
  86.     Mat dst;cvRosenfeld(src, dst);
  87.     imshow("def",dst);
  88.     waitKey(0);
  89.     return 0;
  90. }
  91.  
  92.

五、查表法（个人表示次优，第二选择）

二值图，前景值为1，背景值为0
p0  p1  p2
p7        p3
p6  p5  p4
8邻域，用8位二进制表示，打表枚举每种情况

  1. #include<opencv2/opencv.hpp>
  2. using namespace cv;
  3. void ImgSkeletonization_H(Mat &input_src, int *search_arr){
  4.     int h = input_src.rows;
  5.     int w = input_src.cols;
  6.     bool NEXT = true;
  7.     for (size_t j = 1; j < w - 1; j++){//注意边界问题！！！！！！
  8.         for (size_t i = 1; i < h - 1; i++){
  9.             if (!NEXT)
  10.                 NEXT = true;
  11.             else{
  12.                 int judge_value;
  13.                 if (1 <i < h - 1)
  14.                     judge_value = input_src.at<uchar>(i - 1, j) + input_src.at<uchar>(i, j) + input_src.at<uchar>(i + 1, j);
  15.                 else
  16.                     judge_value = 1;
  17.                 if (input_src.at<uchar>(i, j) == 0 && judge_value != 0){
  18.                     int a[9] = { 1,1,1,1,1,1,1,1,1};
  19.                     for (size_t m = 0; m < 3; m++){
  20.                         for (size_t n = 0; n < 3; n++){
  21.                             if ((0 <= (i - 1 + m) < h) && (0 <= (j - 1 + n) < w) && input_src.at<uchar>(i - 1 + m, j - 1 + n) == 0)
  22.                                 a[m * 3 + n] = 0;
  23.                         }
  24.                     }
  25.                     int sum_value = a[0] * 1 + a[1] * 2 + a[2] * 4 + a[3] * 8 + a[5] * 16 + a[6] * 32 + a[7] * 64 + a[8] * 128;
  26.                     input_src.at<uchar>(i, j) = search_arr[sum_value] * 255;
  27.                     if (search_arr[sum_value] == 1)
  28.                         NEXT = false;
  29.                 }
  30.             }
  31.         }
  32.     }
  33. }
  34. void ImgSkeletonization_V(Mat &input_src, int *search_arr){
  35.     int h = input_src.rows;
  36.     int w = input_src.cols;
  37.     bool NEXT = true;
  38.     for (size_t i = 1; i < h - 1; i++){//注意边界问题！！！！！！
  39.         for (size_t j = 1; j < w - 1; j++){
  40.             if (!NEXT)
  41.                 NEXT = true;
  42.             else{
  43.                 int judge_value;
  44.                 if (1 < j <w - 1)
  45.                     judge_value = input_src.at<uchar>(i, j - 1) + input_src.at<uchar>(i, j) + input_src.at<uchar>(i, j + 1);
  46.                 else
  47.                     judge_value = 1;
  48.                 if (input_src.at<uchar>(i, j) == 0 && judge_value != 0){
  49.                     int a[9] = {1,1,1,1,1,1,1,1,1 };
  50.                     for (size_t m = 0; m < 3; m++){
  51.                         for (size_t n = 0; n < 3; n++){
  52.                             if ((0 <= (i - 1 + m) < h) && (0 <= (j - 1 + n) < w) && input_src.at<uchar>(i - 1 + m, j - 1 + n) == 0)
  53.                                 a[m * 3 + n] = 0;
  54.                         }
  55.                     }
  56.                     int sum_value = a[0] * 1 + a[1] * 2 + a[2] * 4 + a[3] * 8 + a[5] * 16 + a[6] * 32 + a[7] * 64 + a[8] * 128;
  57.                     input_src.at<uchar>(i, j) = search_arr[sum_value] * 255;
  58.                     if (search_arr[sum_value] == 1)
  59.                         NEXT = false;
  60.                 }
  61.             }
  62.         }
  63.     }
  64. }
  65. void ImgSkeletonization(Mat &input_src,Mat & output_dst, int number){
  66.     output_dst = input_src.clone();
  67.     int search_array[]= { 0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,\
  68.         1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,1,\
  69.         0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,\
  70.         1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,1,\
  71.         1,1,0,0,1,1,0,0,0,0,0,0,0,0,0,0,\
  72.         0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,\
  73.         1,1,0,0,1,1,0,0,1,1,0,1,1,1,0,1,\
  74.         0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,\
  75.         0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,\
  76.         1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,1,\
  77.         0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,\
  78.         1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,0,\
  79.         1,1,0,0,1,1,0,0,0,0,0,0,0,0,0,0,\
  80.         1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,0,\
  81.         1,1,0,0,1,1,0,0,1,1,0,1,1,1,0,0,\
  82.         1,1,0,0,1,1,1,0,1,1,0,0,1,0,0,0 };
  83.     for (size_t i = 0; i < number; i++){
  84.         ImgSkeletonization_H(output_dst, &search_array[0]);
  85.         ImgSkeletonization_V(output_dst, &search_array[0]);
  86.  
  87.     }
  88. }
  89. int main(){
  90.     Mat src=imread("2.jpg",0);
  91.     threshold(src,src,100,255,0);//注意一定要化二值，不仅是灰度图
  92.     imshow("abc",src);
  93.     Mat dst;ImgSkeletonization(src, dst, 50);
  94.     imshow("def",dst);
  95.     waitKey(0);
  96.     return 0;
  97. }

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/AllinToyou/article/detail/605143
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号