OpenCV實現圖像細化算法
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，一些文章經常將細化結果描述為“骨架化”、“中軸轉換”和“對稱軸轉換”。
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量骨架的方法進行研究具有現實意義。
根據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並行細化算法。
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的刪除取決於到執行過的所有操作，也就是必須在第(n-1)次迭代結果和第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行中是固定順序的，它不僅取決於前次迭代的結果，也取決於本次迭代中已處理過像素點分佈情況。
- 並行算法：在並行算法中，第n次迭代中像素的刪除隻取決於(n-1)次迭代後留下的結果，因此所有像素能在每次迭代中以並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，僅取決於前次迭代效果。
2.細化過程
細化算法有ZS算法和查表法。ZS細化算法是一種基於8領域的並行細化算法，通過對目標像素8領域進行分佈的算術邏輯運算，來確定該像素是否能刪除。八領域如下圖所示。
細化判斷依據為：內部點不能刪除、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 小於等於 Pi從i=2到i=9的和 小於等於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。在目標點8鄰域P2-P9的范圍內，像素值由0變1的次數隻能為1次。條件(2)保證瞭圖像細化後的連通性。
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，由於輸入的圖像是一張二值圖，將其歸一化為像素值隻有0和1的圖像，然後對其進行卷積操作。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，最後得到細化結果。
3.代碼實現
#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 16
int MatX = mat_in.rows;
int MatY = mat_in.cols;
int num = 512;
//表的維數和卷積核中的數據有關,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區域
mat_in.copyTo(mat_expend_Roi); //將傳入矩陣賦給Roi區域
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 為細化後的圖像
Mat mat_in = mat;
//在數字圖像處理時，隻有單通道、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函數返回灰度值不為0的像素數
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
int main()
{
Mat src_img, src_imgBool;
//輸入道路二值圖，參數 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);
//保存結果
imwrite("D:\\Desktop\\......\\細化222.png", imgbone * 255);
waitKey();
system("pause");
return 0;
}
4.實驗結果
細化前
細化後
到此這篇關於OpenCV實現圖像細化算法的文章就介紹到這瞭,更多相關OpenCV 圖像細化內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！
推薦閱讀：
- 詳解Python OpenCV圖像分割算法的實現
- openCV實現圖像分割
- C++中實現OpenCV圖像分割與分水嶺算法
- Python傳統圖像處理之皮膚區域檢測詳解
- opencv實現機器視覺檢測和計數的方法