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
- php输出多余的空格或者空行
1,文件是否有bom.可以通过脚步检测,或者利用notepa++打开,查看编码格式. 2. <?php echo 'something'; ?> 或许是你的php标签外,有空格或者空行 ...
- poj2387 Til the Cows Come Home(Dijkstra)
题目链接 http://poj.org/problem?id=2387 题意 有n个路标,编号1~n,输入路标编号及路标之间相隔的距离,求从路标n到路标1的最短路径(由于是无向图,所以也就是求从路标1 ...
- spring boot上传文件错误The temporary upload location [/tmp/tomcat.5260880110861696164.8090/work/Tomcat/localhost/ROOT] is not valid
参考了:https://www.jianshu.com/p/cfbbc0bb0b84 再次感谢,但还是有些调整 一.在zuul服务中加入两个配置参数(location: /data/apps/temp ...
- JPA实体类中的注解
@Entity 标注于实体类上,通常和@Table是结合使用的,代表是该类是实体类@Table 标注于实体类上,表示该类映射到数据库中的表,没有指定名称的话就表示与数据库中表名为该类的简单类名的表名相 ...
- 图形文件元数据管理工具exiv2
图形文件元数据管理工具exiv2 图形文件通常都包含多种元数据,如Exif.IPTC.XMP.这些信息往往是渗透人员收集的目标.为了便于管理这些信息,Kali Linux内置了专用工具exiv2. ...
- 决策树(CART)
CART算法全称是分类回归算法,(Classification And Regression Tree),他与ID3.C4.5的不同在于: 1.既可以处理分类问题又可以处理回归问题 2.使用基尼系数作 ...
- 使用 Nokia Imaging SDK 开发有滤镜功能的 Windows Phone 8 应用
说到滤镜应用,相信很多数开发者都对照片特效的经验都十分有限,通常都是去找一些三方的类库进行学习或移植,今天在这里给大家介绍下 Nokia 的 Imaging SDK, 相信大家对Nokia的自家图像软 ...
- MySQL规约(阿里巴巴)
建表规约 [强制]表达是与否概念的字段,必须使用 is _ xxx 的方式命名,数据类型是 unsigned tinyint ( 1 表示是,0 表示否 ) ,此规则同样适用于 odps 建表. 说明 ...
- Oil Deposits 搜索 bfs 强联通
Description The GeoSurvComp geologic survey company is responsible for detecting underground oil dep ...
- Codeforces Round #280 (Div. 2) E. Vanya and Field 思维题
E. Vanya and Field time limit per test 2 seconds memory limit per test 256 megabytes input standard ...