OpenCV實現(xiàn)圖像細化算法
更新時間：2022年08月02日 11:36:54 作者：龍蝦在剝我的殼
本文主要介紹了OpenCV實現(xiàn)圖像細化算法，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧
1.基礎概念
圖像細化（Image Thinning），一般指二值圖像的骨架化（Image Skeletonization）的一種操作運算。細化是將圖像的線條從多像素寬度減少到單位像素寬度過程的簡稱，一些文章經(jīng)常將細化結(jié)果描述為“骨架化”、“中軸轉(zhuǎn)換”和“對稱軸轉(zhuǎn)換”。
細化技術的一個主要應用領域是位圖矢量化的預處理階段，相關研究表明，利用細化技術生成的位圖的骨架質(zhì)量受到多種因素的影響，其中包括圖像自身的噪聲、線條粗細不均勻、端點的確定以及線條交叉點選定等，因而對線劃圖像進行細化從而生成高質(zhì)量骨架的方法進行研究具有現(xiàn)實意義。
根據(jù)算法處理步驟的不同，細化算法分為迭代細化算法和非迭代細化算法。根據(jù)檢查像素方法的不同，迭代細化算法又分為串行細化算法和并行細化算法。
迭代算法：即重復刪除圖像邊緣滿足一定條件的像素，最終得到單像素寬帶骨架。
迭代方法依據(jù)其檢查像素的方法又可以再分成：
- 串行算法：在串行算法中，通過在每次迭代中用固定的次序檢查像素來判斷是否刪除像素，在第n次迭代中像素p的刪除取決于到執(zhí)行過的所有操作，也就是必須在第(n-1)次迭代結(jié)果和第n次檢測像素的基礎之上進行像素刪除操作；即是否刪除像素在每次迭代的執(zhí)行中是固定順序的，它不僅取決于前次迭代的結(jié)果，也取決于本次迭代中已處理過像素點分布情況。
- 并行算法：在并行算法中，第n次迭代中像素的刪除只取決于(n-1)次迭代后留下的結(jié)果，因此所有像素能在每次迭代中以并行的方式獨立的被檢測；即像素點刪除與否與像素值圖像中的順序無關，僅取決于前次迭代效果。
2.細化過程
細化算法有ZS算法和查表法。ZS細化算法是一種基于8領域的并行細化算法，通過對目標像素8領域進行分布的算術邏輯運算，來確定該像素是否能刪除。八領域如下圖所示。
細化判斷依據(jù)為：內(nèi)部點不能刪除、孤立不能刪除、直線端點不能刪除。
ZS細化過程如下：
第一次迭代，若P1滿足以下四個條件，說明P1為邊界點，可以刪除，將P1值設為0：
(1)2 小于等于 Pi從i=2到i=9的和 小于等于6
(2)S(P1)=1;
(3)P2×P4×P6=0;
(4)P4×P6×P8=0;
條件(1)中若P2至P9的和在2至6之間，說明P1為邊界點。S(P1)表示目標像素P1的8鄰域中，順時針變化一周像素由0變1的次數(shù)。在目標點8鄰域P2-P9的范圍內(nèi)，像素值由0變1的次數(shù)只能為1次。條件(2)保證了圖像細化后的連通性。
第二次迭代中，像素點如果滿足第一次迭代中的條件(1)和(2)及以下條件，則移除該像素點：
(5)P2×P4×P8=0;
(6)P2×P6×P8=0;
重復以上迭代過程，直至處理完所有像素點，此時細化完成。
查表法中，由于輸入的圖像是一張二值圖，將其歸一化為像素值只有0和1的圖像，然后對其進行卷積操作。具體卷積操作為：將目標點的八領域和卷積進行點乘，接著將所有值相加即可得表的索引M，下一步用索引值M去找表中對應的值，對應的值為0或1，就把目標點的像素值修改為0或1，其中1為不可刪除點，0位可刪除點。重復上述步驟，遍歷完所有像素點，對目標點進行查表、修改目標像素值，最后得到細化結(jié)果。
3.代碼實現(xiàn)
#include<iostream>
#include <opencv2\opencv.hpp>
using namespace std;
using namespace cv;
//查表法//
Mat lookUpTable(Mat& mat, int lut[])
{
Mat mat_in;
mat.convertTo(mat_in, CV_16UC1); //8 轉(zhuǎn) 16
int MatX = mat_in.rows;
int MatY = mat_in.cols;
int num = 512;
//表的維數(shù)和卷積核中的數(shù)據(jù)有關,小矩陣初始化按行賦值
Mat kern = (Mat_<int>(3, 3) << 1, 8, 64, 2, 16, 128, 4, 32, 256); //卷積核
Mat mat_out = Mat::zeros(MatX, MatY, CV_16UC1);
Mat mat_expend = Mat::zeros(MatX + 2, MatY + 2, CV_16UC1);
Rect Roi(1, 1, MatY, MatX); //（列，行，列，行）
Mat mat_expend_Roi(mat_expend, Roi); //確定擴展矩陣的Roi區(qū)域
mat_in.copyTo(mat_expend_Roi); //將傳入矩陣賦給Roi區(qū)域
Mat Mat_conv;
//實用卷積核和和每一個八鄰域進行點乘再相加，其結(jié)果為表的索引，對應值為0能去掉，為1則不能去掉
filter2D(mat_expend, Mat_conv, mat_expend.depth(), kern); //卷積
Mat mat_index = Mat_conv(Rect(1, 1, MatY, MatX));
for (int i = 0; i < MatX; i++)
{
for (int j = 0; j < MatY; j++)
{
int matindex = mat_index.at<short>(i, j);
if ((matindex < num) && (matindex > 0))
{
mat_out.at<short>(i, j) = lut[matindex];
}
else if (matindex > num)
{
mat_out.at<short>(i, j) = lut[num - 1];
}
}
}
return mat_out;
}
//道路細化查表法//
Mat img_bone(Mat& mat)
{
// mat 為細化后的圖像
Mat mat_in = mat;
//在數(shù)字圖像處理時，只有單通道、三通道 8bit 和 16bit 無符號(即CV_16U)的 mat 才能被保存為圖像
mat.convertTo(mat_in, CV_16UC1);
int lut_1[] = { 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 0, 0, 1, 1, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 0, 0, 1, 1, 0, 0, 1, 1, 0, 0, 1, 1, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 1, 1, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 0, 0, 0, 1, 0, 0, 1, 1, 0, 0, 1, 1, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 1, 0, 0, 0, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 };
int lut_2[] = { 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 0, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 1, 1, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 0, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 1, 1, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 0, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 1, 1, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 0, 1, 1, 1, 1,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 1, 1, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 1, 1 };
Mat mat_bool;
threshold(mat_in, mat_bool, 0, 1, THRESH_BINARY); //二值圖像歸一化
Mat mat_out;
Mat image_iters;
while (true)
{
mat_out = mat_bool;
//查表：水平、垂直
image_iters = lookUpTable(mat_bool, lut_1);
mat_bool = lookUpTable(image_iters, lut_2);
Mat diff = mat_out != mat_bool;
//countNonZero函數(shù)返回灰度值不為0的像素數(shù)
bool mat_equal = countNonZero(diff) == 0; //判斷圖像是否全黑
if (mat_equal)
{
break;
}
}
Mat Matout;
mat_bool.convertTo(Matout, CV_8UC1);
return Matout;
}
//主函數(shù)
int main()
{
Mat src_img, src_imgBool;
//輸入道路二值圖，參數(shù) 0 是指imread按單通道的方式讀入圖像，即灰白圖像
src_img = imread("......png", 0);
//去掉噪，例如過濾很小或很大像素值的圖像點
//threshold(src_img, src_imgBool, 0, 255, THRESH_OTSU);
//threshold(src_img, src_imgBool, 0, 155, THRESH_OTSU);
//imshow("Binary Image", src_imgBool);
Mat imgbone = img_bone(src_img);
//保存結(jié)果
imwrite("D:\\Desktop\\......\\細化222.png", imgbone * 255);
waitKey();
system("pause");
return 0;
}
4.實驗結(jié)果
細化前
細化后
到此這篇關于OpenCV實現(xiàn)圖像細化算法的文章就介紹到這了,更多相關OpenCV 圖像細化內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
本文主要介紹了Qt信號槽與事件循環(huán)的關系，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2022-08-08
c語言連接mysql數(shù)據(jù)庫的實現(xiàn)方法
C語言連接mysql數(shù)據(jù)庫，需要相應的頭文件和lib文件，如果你安裝Mysql數(shù)據(jù)庫，會在安裝目錄下找到這些庫文件，如果沒有安裝，也可以在網(wǎng)上找到2012-05-05
基于Matlab實現(xiàn)離散系統(tǒng)分岔圖的繪制
這篇文章主要介紹了如何利用Matlab實現(xiàn)離散分岔圖的繪制，文中的示例代碼講解詳細，對我們學習Matlab有一定的幫助，需要的可以參考一下2022-04-04
這篇文章主要為大家詳細介紹了OpenCV實現(xiàn)馬賽克和毛玻璃濾鏡效果，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-01-01
最近項目需要,matlab的一些算法需要工程用,因此需要直接轉(zhuǎn)成Qt能夠調(diào)用的形式,下面這篇文章主要給大家介紹了關于QT與MATLAB混合編程的相關資料,需要的朋友可以參考下2023-01-01
Cocos2d-x學習筆記之CCLayerColor層的使用實例
這篇文章主要介紹了Cocos2d-x學習筆記之CCLayerColor層的使用實例,CCLayerColor是一個顏色布景層類,本文依然使用Hello World作為例子講解,需要的朋友可以參考下2014-09-09
這篇文章主要為大家詳細介紹了C++實現(xiàn)簡單圖書館管理系統(tǒng)，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-03-03
這篇文章主要為大家詳細介紹了C語言零基礎入門的方法，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助2022-03-03
這篇文章主要為大家詳細介紹了C語言之飛機大戰(zhàn)，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2020-12-12
這篇文章主要介紹了C++中頭文件和源文件詳細介紹的相關資料,需要的朋友可以參考下2017-02-02