原文:Win8Metro(C#)数字图像处理--2.25二值图像距离变换



[函数名称]

二值图像距离变换函数DistanceTransformProcess(WriteableBitmap
src)

[算法说明]

 二值图像的距离变换实际上就是将二值图像转换为灰度图像,在二值图像中我们将图像分为目标图像和背景图像,假设目标图像像素值为1,即为白色,背景像素为0即为黑色。在转换后的幅灰度图像中,每个连通域的各个像素点的灰度级与该像素点到其背景像素的最近距离有关。其中灰度级最大点的集合为目标图像的骨架,就是目标图像中心部分的像素的集合,灰度级反应了背景像素与目标图像边界的影响关系。用数学语言表示如下:

 假设二值图像I包含一个连通域S,其中有目标O和背景B,距离图为D,则距离变换定义如下:

 

 

 

距离变换的具体步骤为:

     1,将图像中的目标像素点分类,分为内部点,外部点和孤立点。

以中心像素的四邻域为例,如果中心像素为目标像素(值为1)且四邻域都为目标像素(值为1),则该点为内部点。如果该中心像素为目标像素,四邻域为背景像素(值为0),则该中心点为孤立点,如下图所示。除了内部点和孤立点之外的目标区域点为边界点。

       6,对于孤立点保持不变。

 以上的距离变换方法由于计算量大,比较耗时,因此在实际应用中,我们采用一种倒角模版算法,只需要对图像进行两次扫描就可以实现距离变换。该方法称为Chamfer倒角距离变换法。

 该方法使用两个模版,分别为前向模版和后向模板,如下图所示:

 

 计算步骤如下:

 1,使用前向模板,对图像从上到下,从左到右进行扫描,模板中心0点对应的像素值如果为0则跳过,如果为1则计算模板中每个元素与其对应的像素值的和,分别为Sum1,Sum2,Sum3,Sum4,Sum5,而中心像素值为这五个和值中的最小值。

 2,使用后向模板,对图像从下到上,从右到左进行扫描,方法同上。

 3,一般我们使用的模板为3*3和5*5,分别如下图所示:

 

                          

[函数代码]

       ///<summary>

       ///
Distance transform of binary image.

       ///</summary>

       ///<param
name="src">The source image.</param>

       ///<returns></returns>

       publicstaticWriteableBitmap
DistanceTransformProcess(WriteableBitmap src)////25二值图像距离变换

       {

           if
(src !=null)

           {

               int
w = src.PixelWidth;

               int
h = src.PixelHeight;

               WriteableBitmap
expansionImage =newWriteableBitmap(w,
h);

               byte[]
temp = src.PixelBuffer.ToArray();

               int
t1, t2, t3, t4, t5, min = 0;

               for
(int y = 0; y < h; y++)

               {

                   for
(int x = 0; x < w * 4 - 4; x += 4)

                   {

                       if
(y == 0 || x == 0)

                       {

                           temp[x + y * w * 4] = 0;

                           temp[x + 1 + y * w * 4] = 0;

                           temp[x + 2 + y * w * 4] = 0;

                       }

                       else

                       {

                           if
(temp[x + y * w * 4] != 0)

                           {

                               t1 = temp[x - 3 + (y - 1) * w * 4] + 4;

                               t2 = temp[x + (y - 1) * w * 4] + 3;

                               t3 = temp[x + 3 + (y - 1) * w * 4] + 4;

                               t4 = temp[x - 3 + y * w * 4] + 3;

                               t5 = temp[x + y * w * 4];

                               min = GetMin(t1, t2, t3, t4, t5);

                               temp[x + y * w * 4] = (byte)min;

                               temp[x + 1 + y * w * 4] = (byte)min;
temp[x + 2 + y * w * 4] = (byte)min;

                           }

                           t2 = 0; t3 = 0; t4 = 0; t5 = 0; min = 0;

                       }

                   }

               }

               for
(int y = h - 2; y > 0; y--)

               {

                   for
(int x = w * 4 - 4; x > 0; x -= 4)

                   {

                       if
(y == 1 || x == 3)

                       {

                           temp[x + y * w * 4] = 0;

                           temp[x + 1 + y * w * 4] = 0;

                           temp[x + 2 + y * w * 4] = 0;

                       }

                       else

                       {

                           if
(temp[x + y * w * 4] != 0)

                           {

                               t1 = temp[x - 3 + (y + 1) * w * 4] + 4;

                               t2 = temp[x + (y + 1) * w * 4] + 3;

                               t3 = temp[x + 3 + (y + 1) * w * 4] + 4;

                               t4 = temp[x + 3 + y * w * 4] + 3;

                               t5 = temp[x + y * w * 4];

                               min = GetMin(t1, t2, t3, t4, t5);

                               temp[x + y * w * 4] = (byte)min;

                               temp[x + 1 + y * w * 4] = (byte)min;
temp[x + 2 + y * w * 4] = (byte)min;

                           }

                           t2 = 0; t3 = 0; t4 = 0; t5 = 0; min = 0;

                       }

                   }

               }

               Stream
sTemp = expansionImage.PixelBuffer.AsStream();

               sTemp.Seek(0,
SeekOrigin.Begin);

               sTemp.Write(temp, 0, w * 4 * h);

               return
expansionImage;

           }

           else

           {

               returnnull;

           }

       }

       privatestaticint
GetMin(int a,
int b,int
c,int d,int
e)

       {

           int
t = (a < b ? a : b) < c ? (a < b ? a : b) : c;

           return
((t < d ? t : d) < e ? (t < d ? t : d) : e);

       }

[图像效果]

Win8Metro(C#)数字图像处理--2.25二值图像距离变换的更多相关文章

  1. Win8Metro(C#)数字图像处理--2.24二值图像闭运算

    原文:Win8Metro(C#)数字图像处理--2.24二值图像闭运算  [函数名称] 二值图像闭运算函数CloseOperateProcess(WriteableBitmap src) [算法说 ...

  2. Win8Metro(C#)数字图像处理--2.22二值图像膨胀

    原文:Win8Metro(C#)数字图像处理--2.22二值图像膨胀  [函数名称] 二值图像膨胀函数DilationProcess(WriteableBitmap src) [算法说明]  膨胀 ...

  3. Win8Metro(C#)数字图像处理--2.23二值图像开运算

    原文:Win8Metro(C#)数字图像处理--2.23二值图像开运算  [函数名称] 二值图像开运算函数OpenOperateProcess(WriteableBitmap src) [算法说明 ...

  4. Win8Metro(C#)数字图像处理--2.21二值图像腐蚀

    原文:Win8Metro(C#)数字图像处理--2.21二值图像腐蚀  [函数名称] 二值图像腐蚀函数CorrosionProcess(WriteableBitmap src) [算法说明] 二值 ...

  5. Win8Metro(C#)数字图像处理--2.33图像非线性变换

    原文:Win8Metro(C#)数字图像处理--2.33图像非线性变换  [函数名称] 图像非线性变换函数NonlinearTransformProcess(WriteableBitmap src ...

  6. Win8Metro(C#)数字图像处理--2.40二值图像轮廓提取

    http://dongtingyueh.blog.163.com/blog/static/4619453201271481335630/ [函数名称] 二值图像轮廓提取         Contour ...

  7. Win8Metro(C#)数字图像处理--2.34直方图规定化

    原文:Win8Metro(C#)数字图像处理--2.34直方图规定化  [函数名称] WriteableBitmap HistogramSpecificateProcess(WriteableBi ...

  8. Win8Metro(C#)数字图像处理--2.30直方图均衡化

    原文:Win8Metro(C#)数字图像处理--2.30直方图均衡化 [函数名称] 直方图均衡化函数HistogramEqualProcess(WriteableBitmap src) [算法说明] ...

  9. Win8Metro(C#)数字图像处理--2.31灰度拉伸算法

    原文:Win8Metro(C#)数字图像处理--2.31灰度拉伸算法  [函数名称] 灰度拉伸函数GrayStretchProcess(WriteableBitmap src) [算法说明]    ...

随机推荐

  1. Java中的equals比较,小坑一个

    最近工作中,经常需要比较2个对象的值.有个问题经常遇到,就是下面的2种情况. public static void main(String[] args) { Integer a =11; Objec ...

  2. while 常见程序逻辑

    1. 查找 List L; Position P = L; while (P && P->Element != Key) { P = P->Next; } return P ...

  3. WIN32汇编语言中位图的使用

    说到位图.我们事实上非常早就接触过.从最早接触计算机,我们应该就知道有图片这个东西,然后再进一步说,图片在电脑上有好几种格式比方jpg. gif .png.pcx.bmp等等,当中bmp格式的图片文件 ...

  4. [Ramda] R.project -- Select a Subset of Properties from a Collection of Objects in Ramda

    In this lesson we'll take an array of objects and map it to a new array where each object is a subse ...

  5. [Ramda] Create an Array From a Seed Value with Ramda's unfold

    In this lesson we'll look at how you can use Ramda's unfold function to generate a list of values ba ...

  6. NOIP 模拟 玩积木 - 迭代加深搜索 / bfs+hash+玄学剪枝

    题目大意: 有一堆积木,0号节点每次可以和其上方,下方,左上,右下的其中一个交换,问至少需要多少次达到目标状态,若步数超过20,输出too difficult 目标状态: 0 1 1 2 2 2 3 ...

  7. 【BZOJ 1012】 [JSOI2008]最大数maxnumber(单调队列做法)

    [题目链接]:http://www.lydsy.com/JudgeOnline/problem.php?id=1012 [题意] [题解] 后加入的元素,如果比之前的元素大, 那么之前的元素比它小的元 ...

  8. bootstrap, boosting, bagging

    介绍boosting算法的资源: 视频讲义.介绍boosting算法,主要介绍AdaBoosing http://videolectures.net/mlss05us_schapire_b/ 在这个站 ...

  9. Android中判断网络是否连接并提示设置

    /** * 判断网络是否连通 * @param context * @return */ public static boolean isNetworkConnected(Context contex ...

  10. 【从翻译mos文章】采用高速全扫描索引(index ffs) 为了避免全表扫描

    采用高速全扫描索引(index ffs) 为了避免全表扫描 参考原始: Index Fast Full Scan Usage To Avoid Full Table Scans (Doc ID 701 ...