基于OpenCV实现二值图细化,骨骼化并求出端点和交叉点

首先给大家推荐一下我老师大神的人工智能教学网站。教学不仅零基础,通俗易懂,而且非常风趣幽默,还时不时有内涵黄段子!点这里可以跳转到网站

所谓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,可以理解为物体的中轴,例如一个长方形的骨架是它的长方向上的中轴线;正方形的骨架是它的中心点;圆的骨架是它的圆心,直线的骨架是它自身,孤立点的骨架也是自身。得到了骨架,就相当于突出物体的主要结构和形状信息,去除了多余信息,根据这些信息可以实现图像上特征点的检测,如端点,交叉点和拐点。

下面先介绍经典的Zhang并行快速细化算法:

        设p1点的八邻域为:

p9 p2 p3

  p8 p1 p4

p7 p6 p5

(其中p1为白点也就是物体,如果以下四个条件同时满足,则删除p1,即令p1=0)

其中迭代分为两个子过程:

过程1 细化删除条件为:              
(1)、2 <=N(p1) <= 6,   N(x)为x的8邻域中黑点的数目
(2)、A(p1)=1,A(x)指的是将p2-p8之间按序前后分别成对值为0、1的个数(背景色:0)
(3)、p2*p4*p6=0 
(4)、p4*p6*p8=0
如果同时满足以上四个条件则该点可以删除(赋值为0)。

过程2 细化删除条件为:        
(1)、2 <=N(p1) <= 6,   N(x)为x的8邻域中黑点的数目
(2)、A(p1)=1,A(x)指的是将p2-p8之间按序前后分别为0、1的对数(背景色:0)
(3)、p2*p4*p8=0 
(4)、p2*p6*p8=0
如果同时满足以上四个条件则该点可以删除。这样反复迭代,直到获取细化图像为止。

过滤部分较为简单:

如果p2+p3+p8+p9>=1,则该点可以删除(赋值为0)。实现每两个白点之间不能紧靠在一起

检测部分比较复杂需要反复实验:

过程1 确定卷积邻域范围: 

p25 p10 p11 p12 p13

p24 p9 p2 p3 p14

  p23 p8 p1 p4 p15

p22 p7 p6 p5 p16

p21 p20 p19 p18 p17

(这里是使用5×5,实际上为了更好的检测需要至少6×6的卷积且为圆形)

过程2 统计卷积范围内白点个数:

如果白点个数较多,则说明p1为交叉点。

如果白点个数较少,则说明p1为端点。

过程3 对检测出的点进行合并:

如果两个点之间距离太近,取平均值。(下面代码没有实现该功能)

所有程序源代码:

#include <opencv2/opencv.hpp>  #include <opencv2/core/core.hpp>  #include <iostream>  #include <vector>  using namespace cv;using namespace std; /*** @brief 对输入图像进行细化,骨骼化* @param src为输入图像,用cvThreshold函数处理过的8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* @param 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* @return 为对src细化后的输出图像,格式与src格式相同,元素中只有0与1,1代表有元素,0代表为空白*/cv::Mat thinImage(const cv::Mat & src, const int maxIterations = -1){	assert(src.type() == CV_8UC1);	cv::Mat dst;	int width = src.cols;	int height = src.rows;	src.copyTo(dst);	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::vector<uchar *> mFlag; //用于标记需要删除的点  		//对点标记  		for (int i = 0; i < height; ++i)		{			uchar * p = dst.ptr<uchar>(i);			for (int j = 0; j < width; ++j)			{				//如果满足四个条件,进行标记  				//  p9 p2 p3  				//  p8 p1 p4  				//  p7 p6 p5  				uchar p1 = p[j];				if (p1 != 1) continue;				uchar p4 = (j == width - 1) ? 0 : *(p + j + 1);				uchar p8 = (j == 0) ? 0 : *(p + j - 1);				uchar p2 = (i == 0) ? 0 : *(p - dst.step + j);				uchar p3 = (i == 0 || j == width - 1) ? 0 : *(p - dst.step + j + 1);				uchar p9 = (i == 0 || j == 0) ? 0 : *(p - dst.step + j - 1);				uchar p6 = (i == height - 1) ? 0 : *(p + dst.step + j);				uchar p5 = (i == height - 1 || j == width - 1) ? 0 : *(p + dst.step + j + 1);				uchar p7 = (i == height - 1 || j == 0) ? 0 : *(p + dst.step + 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 && p2 * p4 * p6 == 0 && p4 * p6 * p8 == 0)					{						//标记  						mFlag.push_back(p + j);					}				}			}		} 		//将标记的点删除  		for (std::vector<uchar *>::iterator i = mFlag.begin(); i != mFlag.end(); ++i)		{			**i = 0;		} 		//直到没有点满足,算法结束  		if (mFlag.empty())		{			break;		}		else		{			mFlag.clear();//将mFlag清空  		} 		//对点标记  		for (int i = 0; i < height; ++i)		{			uchar * p = dst.ptr<uchar>(i);			for (int j = 0; j < width; ++j)			{				//如果满足四个条件,进行标记  				//  p9 p2 p3  				//  p8 p1 p4  				//  p7 p6 p5  				uchar p1 = p[j];				if (p1 != 1) continue;				uchar p4 = (j == width - 1) ? 0 : *(p + j + 1);				uchar p8 = (j == 0) ? 0 : *(p + j - 1);				uchar p2 = (i == 0) ? 0 : *(p - dst.step + j);				uchar p3 = (i == 0 || j == width - 1) ? 0 : *(p - dst.step + j + 1);				uchar p9 = (i == 0 || j == 0) ? 0 : *(p - dst.step + j - 1);				uchar p6 = (i == height - 1) ? 0 : *(p + dst.step + j);				uchar p5 = (i == height - 1 || j == width - 1) ? 0 : *(p + dst.step + j + 1);				uchar p7 = (i == height - 1 || j == 0) ? 0 : *(p + dst.step + 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 && p2 * p4 * p8 == 0 && p2 * p6 * p8 == 0)					{						//标记  						mFlag.push_back(p + j);					}				}			}		} 		//将标记的点删除  		for (std::vector<uchar *>::iterator i = mFlag.begin(); i != mFlag.end(); ++i)		{			**i = 0;		} 		//直到没有点满足,算法结束  		if (mFlag.empty())		{			break;		}		else		{			mFlag.clear();//将mFlag清空  		}	}	return dst;} /*** @brief 对骨骼化图数据进行过滤,实现两个点之间至少隔一个空白像素* @param thinSrc为输入的骨骼化图像,8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*/void filterOver(cv::Mat thinSrc){	assert(thinSrc.type() == CV_8UC1);	int width = thinSrc.cols;	int height = thinSrc.rows;	for (int i = 0; i < height; ++i)	{		uchar * p = thinSrc.ptr<uchar>(i);		for (int j = 0; j < width; ++j)		{			// 实现两个点之间至少隔一个像素			//  p9 p2 p3  			//  p8 p1 p4  			//  p7 p6 p5  			uchar p1 = p[j];			if (p1 != 1) continue;			uchar p4 = (j == width - 1) ? 0 : *(p + j + 1);			uchar p8 = (j == 0) ? 0 : *(p + j - 1);			uchar p2 = (i == 0) ? 0 : *(p - thinSrc.step + j);			uchar p3 = (i == 0 || j == width - 1) ? 0 : *(p - thinSrc.step + j + 1);			uchar p9 = (i == 0 || j == 0) ? 0 : *(p - thinSrc.step + j - 1);			uchar p6 = (i == height - 1) ? 0 : *(p + thinSrc.step + j);			uchar p5 = (i == height - 1 || j == width - 1) ? 0 : *(p + thinSrc.step + j + 1);			uchar p7 = (i == height - 1 || j == 0) ? 0 : *(p + thinSrc.step + j - 1);			if (p2 + p3 + p8 + p9 >= 1)			{				p[j] = 0;			}		}	}} /*** @brief 从过滤后的骨骼化图像中寻找端点和交叉点* @param thinSrc为输入的过滤后骨骼化图像,8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* @param raudis卷积半径,以当前像素点位圆心,在圆范围内判断点是否为端点或交叉点* @param thresholdMax交叉点阈值,大于这个值为交叉点* @param thresholdMin端点阈值,小于这个值为端点* @return 为对src细化后的输出图像,格式与src格式相同,元素中只有0与1,1代表有元素,0代表为空白*/std::vector<cv::Point> getPoints(const cv::Mat &thinSrc, unsigned int raudis = 4, unsigned int thresholdMax = 6, unsigned int thresholdMin = 4){	assert(thinSrc.type() == CV_8UC1);	int width = thinSrc.cols;	int height = thinSrc.rows;	cv::Mat tmp;	thinSrc.copyTo(tmp);	std::vector<cv::Point> points;	for (int i = 0; i < height; ++i)	{		for (int j = 0; j < width; ++j)		{			if (*(tmp.data + tmp.step * i + j) == 0)			{				continue;			}			int count=0;			for (int k = i - raudis; k < i + raudis+1; k++)			{				for (int l = j - raudis; l < j + raudis+1; l++)				{					if (k < 0 || l < 0||k>height-1||l>width-1)					{						continue;											}					else if (*(tmp.data + tmp.step * k + l) == 1)					{						count++;					}				}			} 			if (count > thresholdMax||count<thresholdMin)			{				Point point(j, i);				points.push_back(point);			}		}	}	return points;}  int main(int argc, char*argv[]){	cv::Mat src;	//获取图像  	if (argc != 2)	{		src = cv::imread("src.jpg", cv::IMREAD_GRAYSCALE);	}	else	{		src = cv::imread(argv[1], cv::IMREAD_GRAYSCALE);	}	if (src.empty())	{		std::cout << "读取文件失败!" << std::endl;		return -1;	} 	//将原图像转换为二值图像  	cv::threshold(src, src, 128, 1, cv::THRESH_BINARY);	//图像细化,骨骼化  	cv::Mat dst = thinImage(src);	//过滤细化后的图像	filterOver(dst);	//查找端点和交叉点  	std::vector<cv::Point> points = getPoints(dst,6,9,6);	//二值图转化成灰度图,并绘制找到的点	dst = dst * 255;	src = src * 255;	vector<cv::Point>::iterator it = points.begin();	for (;it != points.end(); it++)	{		circle(dst, *it,4,255, 1);	}	imwrite("dst.jpg", dst);	//显示图像  	cv::namedWindow("src1", CV_WINDOW_AUTOSIZE);	cv::namedWindow("dst1", CV_WINDOW_AUTOSIZE);	cv::imshow("src1", src);	cv::imshow("dst1", dst);	cv::waitKey(0);}

测试结果1图片:

原图

细化及检测结果

测试结果2图片:

原图

细化及检测结果

整个程序运行时间大约需要0.02秒,不会占用什么资源,代码还可以进一步优化,检测出的点也没有过滤合并。对于拐点的检测可以使用局部求导,多点拟合

或者傅里叶变换。有实现的朋友大家可以共享代码。

点这里可以跳转到人工智能网站

0 0 投票数
文章评分
订阅评论
提醒
0 评论
内联反馈
查看所有评论
0
希望看到您的想法,请发表评论。x
()
x