OpenCV学习(17) 细化算法(5)
本章我们看下Pavlidis细化算法，参考资料http://www.imageprocessingplace.com/downloads_V3/root_downloads/tutorials/contour_tracing_Abeer_George_Ghuneim/theo.html
Computer VisiAlgorithms in Image Algebra，second edition
该算法最初是做前景轮廓跟踪的。
假设使用下面的8邻域，且前景像素值为1，背景像素值为0。
下面是该算法的描述：
1. 求出前景像素的轮廓，并用2表示，如果轮廓点是孤立点，端点或者其它不可删除的点，标记其为3。
2. 在第1步求出的轮廓中判断那些是可以删除的，那些是不可删除的，不可删除的点标记为4。
3. 再次扫描值为2的轮廓点，标记可以删除的点为5。
4. 对值为2和5的点执行删除操作。
重复上述步骤，直到图像中没有可以删除的像素为止。结果如想就是我们要的骨架结构。
第一步是求轮廓的过程，对于一个值为1的像素点。如果它的p0,p2,p4,p6四个点都为1，则该点是内部点，继续循环，判断其它像素。
如果该像素是孤立点或端点，则其像素值标记为3。
如果像素是其它可能改变8连通性的点。比如以下的情况： p3, p7为0，但p4,p5,p6和p0,p1,p2中有非零值，如果删除p点，则连通性会改变。此时都标记当前像素值为3。
第一步后，我们会得到轮廓
第2步对不等于0的像素进行处理
如果像素周围全是2，则标记其为4(不删除)。
还有对于其它不可删除情况，比如下面这种情况，置当前像素为4。
第三步对于值为2的轮廓点再次进行判断，对于可删除的点，标记为5。
第四步删除值为2和5的点。
最终值为4的点为细化后的轮廓点。
算法实现的代码：
void gThin::cvPavlidis(cv::Mat& src, cv::Mat& dst)
{ if(src.type()!=CV_8UC1)
{
printf("只能处理二值或灰度图像\n");
return;
}
//非原地操作时候，copy src到dst
if(dst.data!=src.data)
{
src.copyTo(dst);
} char erase, n[8];
unsigned char bdr1,bdr2,bdr4,bdr5;
short k,b;
unsigned long i,j; int width, height;
width=dst.cols;
height= dst.rows; //把不能于0的值转化为1，便于后面处理
for(i=0; i< height; i++)
{
for(j=0; j<width; j++)
{
if(dst.at<uchar>(i,j)!=0)
{
dst.at<uchar>(i,j) = 1;
}
//图像边框像素值为0
if(i==0||i==(height-1)||j==0||j==(width-1))
dst.at<uchar>(i,j) = 0;
}
} erase =1;
width = width - 1;
height = height - 1;
uchar* img;
int step = dst.step;
while(erase)
{ img = dst.data;
//第一个循环，取得前景轮廓，轮廓用2表示
for(i=1; i< height; i++)
{
img += step;
for(j=1; j < width; j++)
{
uchar* p= img+j; if(p[0]!= 1)
continue; n[0]=p[1];
n[1]=p[-step+1];
n[2]=p[-step];
n[3]=p[-step-1];
n[4]=p[-1];
n[5]=p[step-1];
n[6]=p[step];
n[7]=p[step+1]; //bdr1是2进制表示的p0...p6p7排列，10000011,p0=1,p6=p7=1
bdr1 =0;
for(k=0; k<8; k++)
{
if(n[k]>=1)
bdr1|=0x80>>k;
}
//内部点,p0, p2, p4, p6都是为1, 非边界点，所以继续循环
//0xaa 10101010
// 0 1 0
// 1 1
// 0 1 0 if((bdr1&0xaa)== 0xaa)
continue;
//不是内部点，则是边界点，对于边界点，我们标记为2，是轮廓
p[0] = 2; b=0; for(k=0; k<=7; k++)
{
b+=bdr1&(0x80>>k);
}
//在边界点中，等于1，则是端点，等于0，则是孤立点，此时标记3
if(b<=1 )
p[0] = 3; //此条件说明p点是中间点，如果移去会引起断裂
// 0x70 0x7 0x88 0xc1 0x1c 0x22 0x82 0x1 0xa0 0x40 0x28 0x10 0xa 0x4
// 0 0 0 0 1 1 1 0 0 0 0 0 1 1 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 1 0
// 1 0 0 1 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0
// 1 1 0 0 0 0 0 0 1 0 1 1 0 0 0 1 0 1 0 0 1 0 0 0 1 0 1 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0
if((bdr1&0x70)!=0&&(bdr1&0x7)!=0&&(bdr1&0x88)==0)
p[0] = 3;
else if((bdr1&&0xc1)!=0&&(bdr1&0x1c)!=0&&(bdr1&0x22)==0)
p[0] = 3;
else if((bdr1&0x82)==0 && (bdr1&0x1)!=0)
p[0] = 3;
else if((bdr1&0xa0)==0 && (bdr1&0x40)!=0)
p[0] = 3;
else if((bdr1&0x28)==0 && (bdr1&0x10)!=0)
p[0] = 3;
else if((bdr1&0xa)==0 && (bdr1&0x4)!=0)
p[0] = 3; }
}
//printf("------------------------------\n");
//PrintMat(dst);
img = dst.data;
for(i=1; i<height; i++)
{
img += step;
for(j=1; j<width; j++)
{
uchar* p= img+j; if(p[0]== 0)
continue; n[0]=p[1];
n[1]=p[-step+1];
n[2]=p[-step];
n[3]=p[-step-1];
n[4]=p[-1];
n[5]=p[step-1];
n[6]=p[step];
n[7]=p[step+1]; bdr1 = bdr2 =0; //bdr1是2进制表示的当前点p的8邻域连通情况，hdr2是当前点周围轮廓点的连接情况
for(k=0; k<=7; k++)
{
if(n[k]>=1)
bdr1|=0x80>>k;
if(n[k]>=2)
bdr2|=0x80>>k;
} //相等，就是周围全是值为2的像素，继续
if(bdr1==bdr2)
{
p[0] = 4;
continue;
} //p0不为2，继续
if(p[0]!=2) continue;
//=4都是不可删除的轮廓点
// 0x80 0xa 0x40 0x1 0x30 0x6
// 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 1 1
// 0 0 0 0 0 0 0 1 1 0 0 0
// 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 if(
(bdr2&0x80)!=0 && (bdr1&0xa)==0 &&
// ((bdr1&0x40)!=0 &&(bdr1&0x1)!=0 || ((bdr1&0x40)!=0 ||(bdr1 & 0x1)!=0) &&(bdr1&0x30)!=0 &&(bdr1&0x6)!=0 )
( ((bdr1&0x40)!=0 ||(bdr1 & 0x1)!=0) &&(bdr1&0x30)!=0 &&(bdr1&0x6)!=0 )
)
{
p[0]= 4;
}
//
else if((bdr2&0x20)!=0 && (bdr1&0x2)==0 &&
//((bdr1&0x10)!=0 && (bdr1&0x40)!=0 || ((bdr1&0x10)!=0 || (bdr1&0x40)!=0) && (bdr1&0xc)!=0 && (bdr1&0x81)!=0)
( ((bdr1&0x10)!=0 || (bdr1&0x40)!=0) && (bdr1&0xc)!=0 && (bdr1&0x81)!=0)
)
{
p[0]= 4;
} else if((bdr2&0x8)!=0 && (bdr1&0x80)==0 &&
//((bdr1&0x4)!=0 && (bdr1&0x10)!=0 || ((bdr1&0x4)!=0 || (bdr1&0x10)!=0) &&(bdr1&0x3)!=0 && (bdr1&0x60)!=0)
( ((bdr1&0x4)!=0 || (bdr1&0x10)!=0) &&(bdr1&0x3)!=0 && (bdr1&0x60)!=0)
)
{
p[0]= 4;
} else if((bdr2&0x2)!=0 && (bdr1&0x20)==0 &&
//((bdr1&0x1)!=0 && (bdr1&0x4)!=0 ||((bdr1&0x1)!=0 || (bdr1&0x4)!=0) &&(bdr1&0xc0)!=0 && (bdr1&0x18)!=0)
(((bdr1&0x1)!=0 || (bdr1&0x4)!=0) &&(bdr1&0xc0)!=0 && (bdr1&0x18)!=0)
)
{
p[0]= 4;
}
}
}
//printf("------------------------------\n");
//PrintMat(dst);
img = dst.data;
for(i=1; i<height; i++)
{
img += step;
for(j=1; j<width; j++)
{
uchar* p= img+j; if(p[0]!= 2)
continue; n[0]=p[1];
n[1]=p[-step+1];
n[2]=p[-step];
n[3]=p[-step-1];
n[4]=p[-1];
n[5]=p[step-1];
n[6]=p[step];
n[7]=p[step+1]; bdr4 = bdr5 =0;
for(k=0; k<=7; k++)
{
if(n[k]>=4)
bdr4|=0x80>>k;
if(n[k]>=5)
bdr5|=0x80>>k;
}
//值为4和5的像素
if((bdr4&0x8) == 0)
{
p[0]=5;
continue;
}
if((bdr4&0x20) == 0 && bdr5 ==0)
{
p[0]=5;
continue;
} }
}
erase = 0;
//printf("------------------------------\n");
//PrintMat(dst);
img = dst.data;
for(i=1; i<height; i++)
{
img += step;
for(j=1; j<width; j++)
{
uchar* p= img+j;
if(p[0]==2||p[0]==5)
{
erase = 1;
p[0] = 0;
}
}
}
//printf("------------------------------\n");
//PrintMat(dst);
//printf("------------------------\n");
} }
程序源代码：参加工程FirstOpenCV11
OpenCV学习(17) 细化算法(5)的更多相关文章
- OpenCV学习(16) 细化算法(4)
本章我们学习Rosenfeld细化算法,参考资料:http://yunpan.cn/QGRjHbkLBzCrn 在开始学习算法之前,我们先看下连通分量,以及4连通性,8连通性的概念: http://w ...
- OpenCV学习(18) 细化算法(6)
本章我们在学习一下基于索引表的细化算法. 假设要处理的图像为二值图,前景值为1,背景值为0. 索引表细化算法使用下面的8邻域表示法: 一个像素的8邻域,我们可以用8位二进制表示,比如下面的8邻域,表示 ...
- OpenCV学习(15) 细化算法(3)
本章我们学习一下Hilditch算法的基本原理,从网上找资料的时候,竟然发现两个有很大差别的算法描述,而且都叫Hilditch算法.不知道那一个才是正宗的,两个算法实现的效果接近,第一种算 ...
- OpenCV学习(14) 细化算法(2)
前面一篇教程中,我们实现了Zhang的快速并行细化算法,从算法原理上,我们可以知道,算法是基于像素8邻域的形状来决定是否删除当前像素.还有很多与此算法相似的细化算法,只是判断的条件不一样. ...
- OpenCV学习(13) 细化算法(1)
程序编码参考经典的细化或者骨架算法文章: T. Y. Zhang and C. Y. Suen, "A fast parallel algorithm for thinning digita ...
- OpenCV学习(19) 细化算法(7)
最后再来看一种通过形态学腐蚀和开操作得到骨架的方法.http://felix.abecassis.me/2011/09/opencv-morphological-skeleton/ 代码非常简单: v ...
- c++opencv中线条细化算法
要达到的效果就是将线条尽量细化成单像素,按照论文上的Hilditch算法试了一下,发现效果不好,于是自己尝试着写了一下细化的算法,基本原理就是从上下左右四个方向向内收缩. 1.先是根据图片中的原则确定 ...
- OpenCV学习(9) 分水岭算法(3)
本教程我学习一下opencv中分水岭算法的具体实现方式. 原始图像和Mark图像,它们的大小都是32*32,分水岭算法的结果是得到两个连通域的轮廓图. 原始图像:(原始图像必须是3通道图像) Mark ...
- OpenCV学习(21) Grabcut算法详解
grab cut算法是graph cut算法的改进.在理解grab cut算之前,应该学习一下graph cut算法的概念及实现方式. 我搜集了一些graph cut资料:http://yunpan. ...
随机推荐
- python opencv入门-形态学转换
目标: 学习不同的形态操作 例如 腐蚀.膨胀.开运算.闭运算 等. 我们要学习的函数有 cv2.erode(),cv2.dilate(),cv2.morphologyEx() 等. 原理 :一般对二值 ...
- 14个你可能不知道的JavaScript调试技巧
调试JS的时候,搜索一下这个标题
- Mendeley文献管理软件使用介绍
<!DOCTYPE html> New Document /* GitHub stylesheet for MarkdownPad (http://markdownpad.com) / / ...
- 20169211 《Linux内核原理与分析》第十一周作业
SET-UID程序漏洞实验 一.实验简介 Set-UID 是Unix系统中的一个重要的安全机制.当一个Set-UID程序运行的时候,它被假设为具有拥有者的权限.例如,如果程序的拥有者是root,那么任 ...
- web计时机制
前面的话 页面性能一直都是Web开发人员比较关注的领域.但在实际应用中,度量页面性能的指标,是javascript的Date对象.Web Timing API改变了这个局面,让开发人员通过javasc ...
- 机器学习之路：python 多项式特征生成PolynomialFeatures 欠拟合与过拟合
分享一下 线性回归中 欠拟合 和 过拟合 是怎么回事~为了解决欠拟合的情 经常要提高线性的次数建立模型拟合曲线, 次数过高会导致过拟合,次数不够会欠拟合.再建立高次函数时候,要利用多项式特征生成器 生 ...
- vijos p1883
题意: 有些东西就如同月光的魔法一般. Luke是爱着vijos的.他想为自己心爱的东西画些什么. 就画N个圆吧.把它们的圆心都固定在x轴上. 圆与圆.为了爱,两两不能相交.为了爱,它们可以互相贴在一 ...
- Codeforces Round #293 (Div. 2) C. Anya and Smartphone 数学题
C. Anya and Smartphone time limit per test 1 second memory limit per test 256 megabytes input standa ...
- hihocoder #1015 KMP
#include<stdio.h> #include<iostream> #include<math.h> #include<string.h> usi ...
- Python学习笔记（六）—元组的操作
元祖也是一个列表,它和list的区别是元祖里面的元素无法修改: 如果元祖里面只有一个元素的话,那么你必须在这个元素后边加上逗号,这样才是元祖的类型:否则类型会显示其他类型 元组的定义: 元祖中的方法: ...