【opencv】图像细化
【原文:http://blog.csdn.net/qianchenglenger/article/details/19332011】
在我们进行图像处理的时候,有可能需要对图像进行细化,提取出图像的骨架信息,进行更加有效的分析。
图像细化(Image Thinning),一般指二值图像的骨架化(Image Skeletonization)
的一种操作运算。
所谓的细化就是经过一层层的剥离,从原来的图中去掉一些点,但仍要保持原来的形状,直到得到图像的骨架。骨架,可以理解为图象的中轴。
好的细化算法一定要满足:
- 收敛性;
- 保证细化后细线的连通性;
- 保持原图的基本形状;
- 减少笔画相交处的畸变;
- 细化结果是原图像的中心线;
- 细化的快速性和迭代次数少;
这里,我们对"Zhang并行快速细化算法"进行了实现(注意,该算法为并行算法,而我们在实现过程中并没有并行化处理,所以,效率并没有达到最好)。
参考资料
细化算法
论文 A fast parallel algorithm for thinning digital patterns
[cpp] view plaincopy
- #include <opencv2/opencv.hpp>
- #include <iostream>
- #include <vector>
- #include <limits>
- using namespace cv;
- using namespace std;
- /**
- * @brief 对输入图像进行细化
- 位灰度图像格式,元素中只有0与1,1代表有元素,0代表为空白
- 与1,1代表有元素,0代表为空白
- * @param[in] maxIterations限制迭代次数,如果不进行限制,默认为-1,代表不限制迭代次数,直到获得最终结果
- */
- void thinImage(IplImage* src,IplImage* dst,int maxIterations = -1 )
- {
- CvSize size = cvGetSize(src);
- cvCopy(src,dst);//将src中的内容拷贝到dst中
- int count = 0; //记录迭代次数
- while (true)
- {
- count++;
- if(maxIterations!=-1 && count > maxIterations) //限制次数并且迭代次数到达
- break;
- //std::cout << count << ' ';输出迭代次数
- vector<pair<int,int> > mFlag; //用于标记需要删除的点
- //对点标记
- for (int i=0; i<size.height; ++i)
- {
- for (int j=0; j<size.width; ++j)
- {
- //如果满足四个条件,进行标记
- // p9 p2 p3
- // p8 p1 p4
- // p7 p6 p5
- int p1 = CV_IMAGE_ELEM(dst,uchar,i,j);
- int p2 = (i==0)?0:CV_IMAGE_ELEM(dst,uchar,i-1,j);
- int p3 = (i==0 || j==size.width-1)?0:CV_IMAGE_ELEM(dst,uchar,i-1,j+1);
- int p4 = (j==size.width-1)?0:CV_IMAGE_ELEM(dst,uchar,i,j+1);
- int p5 = (i==size.height-1 || j==size.width-1)?0:CV_IMAGE_ELEM(dst,uchar,i+1,j+1);
- int p6 = (i==size.height-1)?0:CV_IMAGE_ELEM(dst,uchar,i+1,j);
- int p7 = (i==size.height-1 || j==0)?0:CV_IMAGE_ELEM(dst,uchar,i+1,j-1);
- int p8 = (j==0)?0:CV_IMAGE_ELEM(dst,uchar,i,j-1);
- int p9 = (i==0 || j==0)?0:CV_IMAGE_ELEM(dst,uchar,i-1,j-1);
- if ((p2+p3+p4+p5+p6+p7+p8+p9)>=2 && (p2+p3+p4+p5+p6+p7+p8+p9)<=6)
- {
- int ap=0;
- if (p2==0 && p3==1) ++ap;
- if (p3==0 && p4==1) ++ap;
- if (p4==0 && p5==1) ++ap;
- if (p5==0 && p6==1) ++ap;
- if (p6==0 && p7==1) ++ap;
- if (p7==0 && p8==1) ++ap;
- if (p8==0 && p9==1) ++ap;
- if (p9==0 && p2==1) ++ap;
- if (ap==1)
- {
- if (p2*p4*p6==0)
- {
- if (p4*p6*p8==0)
- {
- //标记
- mFlag.push_back(make_pair(i,j));
- }
- }
- }
- }
- }
- }
- //将标记的点删除
- for (vector<pair<int,int> >::iterator i=mFlag.begin(); i!=mFlag.end(); ++i)
- {
- CV_IMAGE_ELEM(dst,uchar,i->first,i->second) = 0;
- }
- //直到没有点满足,算法结束
- if (mFlag.size()==0)
- {
- break;
- }
- else
- {
- mFlag.clear();//将mFlag清空
- }
- //对点标记
- for (int i=0; i<size.height; ++i)
- {
- for (int j=0; j<size.width; ++j)
- {
- //如果满足四个条件,进行标记
- // p9 p2 p3
- // p8 p1 p4
- // p7 p6 p5
- int p1 = CV_IMAGE_ELEM(dst,uchar,i,j);
- if(p1!=1) continue;
- int p2 = (i==0)?0:CV_IMAGE_ELEM(dst,uchar,i-1,j);
- int p3 = (i==0 || j==size.width-1)?0:CV_IMAGE_ELEM(dst,uchar,i-1,j+1);
- int p4 = (j==size.width-1)?0:CV_IMAGE_ELEM(dst,uchar,i,j+1);
- int p5 = (i==size.height-1 || j==size.width-1)?0:CV_IMAGE_ELEM(dst,uchar,i+1,j+1);
- int p6 = (i==size.height-1)?0:CV_IMAGE_ELEM(dst,uchar,i+1,j);
- int p7 = (i==size.height-1 || j==0)?0:CV_IMAGE_ELEM(dst,uchar,i+1,j-1);
- int p8 = (j==0)?0:CV_IMAGE_ELEM(dst,uchar,i,j-1);
- int p9 = (i==0 || j==0)?0:CV_IMAGE_ELEM(dst,uchar,i-1,j-1);
- if ((p2+p3+p4+p5+p6+p7+p8+p9)>=2 && (p2+p3+p4+p5+p6+p7+p8+p9)<=6)
- {
- int ap=0;
- if (p2==0 && p3==1) ++ap;
- if (p3==0 && p4==1) ++ap;
- if (p4==0 && p5==1) ++ap;
- if (p5==0 && p6==1) ++ap;
- if (p6==0 && p7==1) ++ap;
- if (p7==0 && p8==1) ++ap;
- if (p8==0 && p9==1) ++ap;
- if (p9==0 && p2==1) ++ap;
- if (ap==1)
- {
- if (p2*p4*p8==0)
- {
- if (p2*p6*p8==0)
- {
- //标记
- mFlag.push_back(make_pair(i,j));
- }
- }
- }
- }
- }
- }
- //删除
- for (vector<pair<int,int> >::iterator i=mFlag.begin(); i!=mFlag.end(); ++i)
- {
- CV_IMAGE_ELEM(dst,uchar,i->first,i->second) = 0;
- }
- //直到没有点满足,算法结束
- if (mFlag.size()==0)
- {
- break;
- }
- else
- {
- mFlag.clear();//将mFlag清空
- }
- }
- }
- int main(int argc, char*argv[])
- {
- //获取图像
- if (argc!=2)
- {
- cout << "参数个数错误!"<<endl;
- return -1;
- }
- IplImage *pSrc = cvLoadImage(argv[1],CV_LOAD_IMAGE_GRAYSCALE);
- if (!pSrc)
- {
- cout << "读取文件失败!" << endl;
- return -1;
- }
- IplImage *pTemp = cvCreateImage(cvGetSize(pSrc),pSrc->depth,pSrc->nChannels);
- IplImage *pDst = cvCreateImage(cvGetSize(pSrc),pSrc->depth,pSrc->nChannels);
- //将原图像转换为二值图像
- cvThreshold(pSrc,pTemp,128,1,CV_THRESH_BINARY);
- //图像细化
- thinImage(pTemp,pDst);
- for (int i=0; i<pDst->height; ++i)
- {
- for (int j=0; j<pDst->width; ++j)
- {
- if(CV_IMAGE_ELEM(pDst,uchar,i,j)==1)
- CV_IMAGE_ELEM(pDst,uchar,i,j)= 255;
- }
- }
- namedWindow("src",CV_WINDOW_AUTOSIZE);
- namedWindow("dst",CV_WINDOW_AUTOSIZE);
- cvShowImage("src",pSrc);
- cvShowImage("dst",pDst);
- waitKey(0);
- }
运行效果
1原图像
2.运行效果
【opencv】图像细化的更多相关文章
- OpenCV图像细化的一个例子
转自:http://blog.csdn.net/zfdxx369/article/details/9091953?utm_source=tuicool 本文是zhang的一篇经典图像细化论文,效果很好 ...
- opencv 图像细化
图像细化多用于机器人视觉,OCR字符识别等领域,细化后的图像经过去毛刺就成为了我们常说的图像的骨架. 该图像细化代码依据论文: T. Y. ZHANG and C. Y. SUEN A Fast P ...
- SSE图像算法优化系列三十二:Zhang\Guo图像细化算法的C语言以及SIMD指令优化
二值图像的细化算法也有很多种,比较有名的比如Hilditch细化.Rosenfeld细化.基于索引表的细化.还有Opencv自带的THINNING_ZHANGSUEN.THINNING_GUOHALL ...
- OpenCV图像金字塔:高斯金字塔、拉普拉斯金字塔与图片尺寸缩放
这篇已经写得很好,真心给作者点个赞.题目都是直接转过来的,直接去看吧. Reference Link : http://blog.csdn.net/poem_qianmo/article/detail ...
- 【OpenCV新手教程之十三】OpenCV图像金字塔:高斯金字塔、拉普拉斯金字塔与图片尺寸缩放
本系列文章由@浅墨_毛星云 出品,转载请注明出处. 文章链接:http://blog.csdn.net/poem_qianmo/article/details/26157633 作者:毛星云(浅墨) ...
- Opencv 图像叠加 添加水印
Opencv 图像叠加 添加水印 C++: void Mat::copyTo(OutputArray m) const C++: void Mat::copyTo(OutputArray m, Inp ...
- opencv图像读取-imread
前言 图像的读取和保存一定要注意imread函数的各个参数及其意义,尽量不要使用默认参数,否则就像数据格式出现错误(here)一样,很难查找错误原因的: re: 1.opencv图像的读取与保存; 完
- 学习 opencv---(12)OpenCV 图像金字塔:高斯金字塔,拉普拉斯金字塔与图片尺寸缩放
在这篇文章里,我们一起学习下 图像金字塔 的一些基本概念,如何使用OpenCV函数pyrUp和pyrDown 对图像进行向上和向下采样,以及了解专门用于缩放图像尺寸的resize函数的用法.此博文一共 ...
- [OpenCV Qt教程] 在Qt图形界面中显示OpenCV图像的OpenGL Widget(第二部分)
本文译自:http://www.robot-home.it/blog/en/software/tutorial-opencv-qt-opengl-widget-per-visualizzare-imm ...
随机推荐
- struts2拦截器-简单实现非法登录验证
概念:什么是拦截器 拦截器实现了面向切面的组件,它会影响多个业务对象的公共行为封装到一个个可重用的模块,减少了系统的重复代码,实现高度内聚,确保业务对象的整洁! 为什么使用拦截器 拦截器消除了动作 ...
- 字符串截取 方法 String b=a.substring(0, a.indexOf("乘坐"));
String b=a.substring(0, a.indexOf("乘坐"));
- 酷摄影:关于梦 - Miki takahashi
这组摄影来自于日本东京摄影师 Miki takahashi 是一组双重曝光摄影,分开看也许很平常,但是结合在一起却非常有韵味. [gallery]
- ie6 iframe src="javascript:" 报安全警报问题
<iframe id="shuaka_iframe" class="embed-page-iframe" data-src="https://w ...
- Python 开源异步并发框架的未来
http://segmentfault.com/a/1190000000471602 开源 Python 是开源的,介绍的这几个框架 Twisted.Tornado.Gevent 和 tulip 也都 ...
- python time相关操作
1.获取当前时间的两种方法: 代码如下: import datetime,timenow = time.strftime("%Y-%m-%d %H:%M:%S")print now ...
- [itint5]两数积全为1
http://www.itint5.com/oj/#18 这一题,首先如果直接去算的话,很容易就超出int或者long的表示范围了.那么要利用%的性质,(num * 10 + 1) % a = 10 ...
- rand5()产生rand7()
http://www.cnblogs.com/dwdxdy/archive/2012/07/28/2613135.html 利用rand5()产生rand7().rand5()产生1到5的整数,ran ...
- 99. Recover Binary Search Tree
题目: Two elements of a binary search tree (BST) are swapped by mistake. Recover the tree without chan ...
- 浩顺AC671指纹考勤机二次开发(demo)
关于考勤机 AC671,是新换的机器,以前的那部机器,通过网络死活连接不上,换了AC671网络连接是好用了.但是,我要吐槽 浩顺的考勤机应该是卖了很多了吧,可是自带的软件太不给力,最后分析出来的数据一 ...