OpenCV骨架提取代码

提取骨架常用的方法有zhang快速细化法，rosenfeld方法等。两种算法的原理可以参考：贾挺猛. 葡萄树冬剪机器人剪枝点定位方法研究[D]. 浙江工业大学, 2012.

这篇文章中有比较详细的解释。此外《数字图像处理》（第三版）-冈萨雷斯，9.5.7和11.1.7两个小节对骨架提取问题进行了比较详细的介绍。下面是实现两种算法的代码。

#define p1 SrcImage.at<uchar>(i, j)
#define p2 SrcImage.at<uchar>(i - 1, j)
#define p3 SrcImage.at<uchar>(i - 1, j + 1)
#define p4 SrcImage.at<uchar>(i, j + 1)
#define p5 SrcImage.at<uchar>(i + 1, j + 1)
#define p6 SrcImage.at<uchar>(i + 1, j)
#define p7 SrcImage.at<uchar>(i + 1, j - 1)
#define p8 SrcImage.at<uchar>(i, j - 1)
#define p9 SrcImage.at<uchar>(i - 1, j - 1)
#define p10 p2

void ZhangFindSkeleton(Mat SrcImage, Mat &DstImage)//输入的目标像素为1，背景像素为0
{  /*0：先对图像的边缘进行处理,避免图片的边缘对骨架提取造成的影响——如果图片四边都为0则没有必要*/  for (int j = 0;j < SrcImage.cols;j++)  {  SrcImage.at<uchar>(0, j) = 0;  SrcImage.at<uchar>(SrcImage.rows - 1, j) = 0;  }  for (int i = 0;i < SrcImage.rows;i++)  {  SrcImage.at<uchar>(i, 0) = 0;  SrcImage.at<uchar>(i, SrcImage.cols - 1) = 0;  }  /*0:记录所有非零点的坐标*/  vector<Point>target;  for (int i = 1;i < SrcImage.rows - 1;i++)  {  for (int j = 1;j < SrcImage.cols - 1;j++)  {  if (SrcImage.at<uchar>(i, j) == 1)  {  target.push_back(Point(i, j));  }  }  }  //--------------------------Zhang----------------------------------  int flag = 1;  while (flag)  {  flag = 0;//清空标志位  /*1：检测像素点是否满足Zhang快速细化法步骤1的四个条件*/  vector<Point> erase,reserve;  for (int k = 0;k < target.size();k++)//只检测已经记录的点  {  int i = target[k].x, j = target[k].y;  //检测条件a 2<=N(p1)<=6  int n = p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9;  if (n < 2 || n > 6)//不满足条件a，该点不能删除，直接检测下一个点  {  reserve.push_back(Point(i, j));  continue;  }  //检测条件b T(p1)=1  int t = 0;  if (p2 == 0 && p3 == 1)  t++;  if (p3 == 0 && p4 == 1)  t++;  if (p4 == 0 && p5 == 1)  t++;  if (p5 == 0 && p6 == 1)  t++;  if (p6 == 0 && p7 == 1)  t++;  if (p7 == 0 && p8 == 1)  t++;  if (p8 == 0 && p9 == 1)  t++;  if (p9 == 0 && p10 == 1)  t++;  if (t != 1)//不满足条件b，该点不能删除，直接检测下一个点  {  reserve.push_back(Point(i, j));  continue;  }  //检测条件c p2*p4*p6=0  if (p2 * p4 * p6 != 0)//不满足条件c，该点不能删除，直接检测下一个点  {  reserve.push_back(Point(i, j));  continue;  }  //检测条件d  p4*p6*p8=0  if (p4 * p6 * p8 != 0)//不满足条件d，该点不能删除，直接检测下一个点  {  reserve.push_back(Point(i, j));  continue;  }  //已经满足了所有的条件，该点可以被删除,使用vector记录下当前要删除的点的坐标  erase.push_back(Point(i, j));//其实这里是反的，在后面又重新反了回来  flag = 1;//置1标志位，表示有过修改  }  /*2:删除所有标记点*/  for (int i = 0;i < erase.size();i++)  {  SrcImage.at<uchar>(erase[i].x, erase[i].y) = 0;  }  erase.clear();  target.clear();  target = reserve;//更新当前的非零点坐标  reserve.clear();  /*3:检测像素点是否满足Zhang快速细化法步骤2的四个条件*/  for (int k = 0;k < target.size();k++)  {  int i = target[k].x, j = target[k].y;  //检测条件a 2<=N(p1)<=6  int n = p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9;  if (n < 2 || n > 6)//不满足条件a，该点不能删除，直接检测下一个点  {  reserve.push_back(Point(i, j));  continue;  }  //检测条件b T(p1)=1  int t = 0;  if (p2 == 0 && p3 == 1)  t++;  if (p3 == 0 && p4 == 1)  t++;  if (p4 == 0 && p5 == 1)  t++;  if (p5 == 0 && p6 == 1)  t++;  if (p6 == 0 && p7 == 1)  t++;  if (p7 == 0 && p8 == 1)  t++;  if (p8 == 0 && p9 == 1)  t++;  if (p9 == 0 && p10 == 1)  t++;  if (t != 1)//不满足条件b，该点不能删除，直接检测下一个点  {  reserve.push_back(Point(i, j));  continue;  }  //检测条件c p2*p4*p8=0  if (p2 * p4 * p8 != 0)//不满足条件c，该点不能删除，直接检测下一个点  {  reserve.push_back(Point(i, j));  continue;  }  //检测条件d  p2*p6*p8=0  if (p2 * p6 * p8 != 0)//不满足条件d，该点不能删除，直接检测下一个点  {  reserve.push_back(Point(i, j));  continue;  }  //已经满足了所有的条件，该点可以被删除，使用vector记录下当前要删除的点的坐标  erase.push_back(Point(i, j));  flag = 1;//置1标志位，表示有过修改  }  /*4:删除所有标记点*/  for (int i = 0;i < erase.size();i++)  {  SrcImage.at<uchar>(erase[i].x, erase[i].y) = 0;  }  erase.clear();  target.clear();  target = reserve;//更新当前的非零点坐标  reserve.clear();  }  DstImage = SrcImage;
}

void rosenfeld(Mat src, Mat &dst)
{  for (int t = 0;t < 10;t++)//这里的迭代次数不限，可以检查到没有更新之后再跳出  {  /*可以事先保存下所有的为1的点，避免后面再全部遍历，提高运算速度*/  for (int i = 1;i < src.rows-1;i++)  {  for (int j = 1;j < src.cols-1;j++)  {  if (src.at<uchar>(i, j) == 1)//对该点为1的进行检测  {  if (src.at<uchar>(i, j + 1) == 0 || src.at<uchar>(i, j - 1) == 0 || src.at<uchar>(i + 1, j) == 0 || src.at<uchar>(i - 1, j) == 0)//第一轮模板匹配  {  /*模板匹配成功，目标点位于边界位置，进行第二轮模板匹配*/  //中间一列为0,1,0  if (src.at<uchar>(i - 1, j) + src.at<uchar>(i + 1, j) == 0)  {  if (src.at<uchar>(i, j + 1) + src.at<uchar>(i - 1, j + 1) + src.at<uchar>(i + 1, j + 1) + src.at<uchar>(i, j - 1) + src.at<uchar>(i - 1, j - 1) + src.at<uchar>(i + 1, j - 1) >= 1)//至少有一个1  {  //匹配成功，不应该删除，继续寻找下一个点  continue;  }  else  {  src.at<uchar>(i, j) = 0;  }  }  //中间一行为0,1,0  else if (src.at<uchar>(i, j - 1) + src.at<uchar>(i, j + 1) == 0)  {  if (src.at<uchar>(i + 1, j) + src.at<uchar>(i + 1, j - 1) + src.at<uchar>(i + 1, j + 1) + src.at<uchar>(i - 1, j) + src.at<uchar>(i - 1, j - 1) + src.at<uchar>(i - 1, j + 1) >= 1)  {  //匹配成功，不应该删除，继续寻找下一个点  continue;  }  else  {  src.at<uchar>(i, j) = 0;  }  }  //左下角为1  else if (src.at<uchar>(i + 1, j - 1) == 1 && (src.at<uchar>(i, j - 1) + src.at<uchar>(i + 1, j) == 0))  {  //匹配成功，不应该删除，继续寻找下一个点  continue;  }  //右下角为1  else if (src.at<uchar>(i + 1, j + 1) == 1 && (src.at<uchar>(i + 1, j) + src.at<uchar>(i, j + 1) == 0))  {  //匹配成功，不应该删除，继续寻找下一个点  continue;  }  //左上角为1  else if (src.at<uchar>(i - 1, j - 1) == 1 && (src.at<uchar>(i - 1, j) + src.at<uchar>(i, j - 1) == 0))  {  //匹配成功，不应该删除，继续寻找下一个点  continue;  }  //右上角为1  else if (src.at<uchar>(i - 1, j + 1) == 1 && (src.at<uchar>(i - 1, j) + src.at<uchar>(i, j + 1) == 0))  {  //匹配成功，不应该删除，继续寻找下一个点  continue;  }  //上述匹配都不成功  else  {  src.at<uchar>(i, j) = 0;  }  }  //模板匹配失败，进行下一个点的匹配  }  }  }  }  dst = src;
}

测试过程中，方法1效果比较好，但是花费的时间比较多，如果有必要可以对骨架的毛刺进行处理。

OpenCV骨架提取代码相关推荐

opencv 骨架提取/图片细化代码
其实在opencv里面是有骨架提取的代码的只不过是在扩展模块opencv-contrib void cv::ximgproc::thinning ( InputArray src,OutputArr ...
opencv 骨架提取_抗爆墙方盛提取车间抗爆墙记录@温州贴吧
抗爆墙方盛提取车间抗爆墙记录@温州贴吧河北鼎卓安防设备科技公司pnXPz8uK抗爆墙,泄爆墙专业供应商,是一家集生产.销售及运营于一体的抗爆墙,泄爆墙生产的企业,拥有一支专业性强.技术精.素质高的生 ...
Zhang-Suen 图像骨架提取算法的原理和OpenCV实现
记录一下图像骨架提取算法,转载至两种图像骨架提取算法的研究(1)原理部分基于OpenCV的实现代码如下,代码部分参考 opencv骨架提取/图像细化 void thinImage(Mat & ...
（代码已更新）QT 环境下用opencv 进行骨架细化（骨架提取）得到图像中心线
之前的任务是把如下的一个直钢管图像进行处理,提取出中心线,用到了骨架细化算法以及一些常用的opencv处理.思路就是: 预处理通过灰度得到二值图像--二值图形态学处理--骨架细化提取中心线--霍夫概率 ...
OpenCV PCA提取对象的方向的实例(附完整代码)
OpenCV PCA提取对象的方向的实例 OpenCV PCA提取对象的方向的实例 OpenCV PCA提取对象的方向的实例 #include "opencv2/core.hpp" ...
python人体行为识别代码_人体行为识别（骨架提取），搭建openpose环境，VS2019(python3.7)+openpose...
这几天开始接触人体行为识别,经过多方对比后,选择了现在最热的人体骨架提取开源库,openpose. 下面就不多说了,直接开始openpose在win10下的配置: 需求如下: 1. VS2019 ...
迷宫问题图解 : 基于骨架提取、四邻域
目录 1. 迷宫的连通域 2. How to remove branch ? 3. 基于4邻域的 remove 分支 3.1 找到分支的端点 3.2 4邻域的 remove 分支 3.3 循环移除分支 ...
基于zhang 的骨架提取
最近在学图像处理的骨架提取,发现很多中文教材对这个方面讲的很有欠缺,于是我决定看英文原文的论文.看了2篇论文, "A fast parallel algorithm for thinning ...
cv python 样例_【CV实战】OpenCV—Hello world代码示例
简介OpenCV OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux.Windows.Android和Mac OS操作系统上.它轻量级而且高效--由一系列 C 函数 ...
python图片保存为txt文件_python + opencv实现提取png图像的像素信息并存储到txt文件中（附安装指导）...
相关库安装指导: 这里我们需要 opencv_python,numpy,matplotlib库,另外我用的是python3.6.1版本. 一般库大家都是用pip install命令安装的,不过不知道为 ...

OpenCV骨架提取代码

OpenCV骨架提取代码相关推荐

最新文章

热门文章