基于Mat变换的骨架提取Java
针对一副二值图像，区域内的点只有背景点（白点，0值）和前景点（黑点，1值）。对于给定区域的像素点逐次应用两个基本步骤，以提取骨架：
step1，如果一个像素点满足下列4个条件，那么将它标记为要删除的点：
(1)2<=N(p1)<=6,其中N(p1)=p2+p3+p4+...+p8+p9;
(2)T(p1)=1,其中T(p1)是以p2,p3,...,p8,p9,p2的次序旋转，从0到1的变换次数;
(3)p2*p4*p6=0;
(4)p4*p6*p8=0.
step2，条件(1)(2)不变，但是条件(3)(4)变为：
(3)p2*p4*p8=0;
(4)p2*p6*p8=0.
这里，每个像素点的八邻域结构为
| p9 | p2 | p3 |
| p8 | p1 | p4 |
| p7 | p6 | p5 |
基于Mat变换的骨架提取的完整步骤：
（1）执行step1，对需要删除的边界点进行标记；
（2）删除标记点；
（3）执行step2，对需要删除的边界点进行标记；
（4）删除标记点；
（1）到（4）属于一个循环过程，不断反复进行这一循环过程，检测是否存在符合条件的删除点，直到再也找不到可删除的点的时候，说明此时骨架已经生成，结束循环。
1 package com.example.lenovo.linehough;
2
3 import android.graphics.Color;
4
5 public class Mat {
6
7 public static int[] matswitch(int w, int h, int[] inputs) {
8 int[] imgBuf = new int[w * h];
9 int[] neighbor = new int[10];
10 int[] mark = new int[w * h];
11 int markNum1;
12 int markNum2;
13 boolean s = true;
14 for(int index=0;index<w*h;index++)
15 imgBuf[index] = inputs[index];
16 while (s) {
17 //第一步，统一黑点值为1，白点值为0
18 markNum1 = 0;//步骤1中标记被删除的边界点的个数
19 for (int x = 1; x < w - 1; x++) {
20 for (int y = 1; y < h - 1; y++) {
21 //条件1：p必须是边界点，值为1， 8邻域内至少有1个像素点值为0
22 if (imgBuf[y * w + x] == Color.WHITE) continue;
23 int[] detectBlack = new int[10];
24 neighbor[2] = ((imgBuf[(y - 1) * w + x] & 0x00ff0000) >> 16) / 255;//黑点neighbor为0，白点neighbor为1
25 neighbor[3] = ((imgBuf[(y - 1) * w + x + 1] & 0x00ff0000) >> 16) / 255;
26 neighbor[4] = ((imgBuf[y * w + x + 1] & 0x00ff0000) >> 16) / 255;
27 neighbor[5] = ((imgBuf[(y + 1) * w + x + 1] & 0x00ff0000) >> 16) / 255;
28 neighbor[6] = ((imgBuf[(y + 1) * w + x] & 0x00ff0000) >> 16) / 255;
29 neighbor[7] = ((imgBuf[(y + 1) * w + x - 1] & 0x00ff0000) >> 16) / 255;
30 neighbor[8] = ((imgBuf[(y) * w + x - 1] & 0x00ff0000) >> 16) / 255;
31 neighbor[9] = ((imgBuf[(y - 1) * w + x - 1] & 0x00ff0000) >> 16) / 255;
32 for (int i = 2; i <= 9; i++) {
33 if (neighbor[i] == 0)
34 detectBlack[i]++;//（黑点）neighbor为0，detectBlack就为1；（白点）neighbor为1，detectBlack就为0
35 }
36 //8领域的点都是黑点，证明该点不是边界点，退出该轮循环，检测下一个点
37 if (detectBlack[2] * detectBlack[3] * detectBlack[4] * detectBlack[5]
38 * detectBlack[6] * detectBlack[7] * detectBlack[8] * detectBlack[9] != 0)
39 continue;
40
41 //条件2：2<=N(p）<=6
42 int np = (detectBlack[2] + detectBlack[3] + detectBlack[4] + detectBlack[5]
43 + detectBlack[6] + detectBlack[7] + detectBlack[8] + detectBlack[9]);
44 if (np < 2 || np > 6) continue;
45
46 //条件3：T(p）=1
47 int tp = 0;
48 for (int i = 3; i <= 9; i++) {
49 /* if(neighbor[i]-neighbor[i-1]==Color.WHITE-Color.BLACK )*/
50 if (detectBlack[i] - detectBlack[i - 1] == 1)
51 tp++;
52 }
53 if (detectBlack[2] - detectBlack[9] == 1)
54 tp++;
55 if (tp != 1) continue;
56
57 //条件4：p2*p4*p6=0
58 if (detectBlack[2] * detectBlack[4] * detectBlack[6] != 0)
59 continue;
60 //条件5：p4*p6*p8=0
61 if (detectBlack[4] * detectBlack[6] * detectBlack[8] != 0)
62 continue;
63
64 //标记要被删除的点
65 mark[y * w + x] = 1;
66 markNum1++;
67 }
68 }
69
70 //将标记删除的点置为背景色
71 if (markNum1 > 0) {
72 for (int x = 1; x < w - 1; x++) {
73 for (int y = 1; y < h - 1; y++) {
74 //删除被标记的点，即置为背景色黑色
75 if (mark[y * w + x] == 1) {
76 imgBuf[y * w + x] = Color.WHITE;
77 }
78 }
79 }
80 }
81
82
83 //第二步
84 markNum2 = 0;//步骤2中标记被删除的点的个数
85 for (int x = 1; x < w - 1; x++) {
86 for (int y = 1; y < h - 1; y++) {
87 //条件1：p必须是前景点BLACK
88 if (imgBuf[y * w + x] == Color.WHITE) continue;
89 int[] detectBlack = new int[10];
90 neighbor[2] = ((imgBuf[(y - 1) * w + x] & 0x00ff0000) >> 16) / 255;
91 neighbor[3] = ((imgBuf[(y - 1) * w + x + 1] & 0x00ff0000) >> 16) / 255;
92 neighbor[4] = ((imgBuf[y * w + x + 1] & 0x00ff0000) >> 16) / 255;
93 neighbor[5] = ((imgBuf[(y + 1) * w + x + 1] & 0x00ff0000) >> 16) / 255;
94 neighbor[6] = ((imgBuf[(y + 1) * w + x] & 0x00ff0000) >> 16) / 255;
95 neighbor[7] = ((imgBuf[(y + 1) * w + x - 1] & 0x00ff0000) >> 16) / 255;
96 neighbor[8] = ((imgBuf[(y) * w + x - 1] & 0x00ff0000) >> 16) / 255;
97 neighbor[9] = ((imgBuf[(y - 1) * w + x - 1] & 0x00ff0000) >> 16) / 255;
98 for (int i = 2; i < 10; i++) {
99 if (neighbor[i] == 0) detectBlack[i]++;
100 }
101
102 if (detectBlack[2] * detectBlack[3] * detectBlack[4] * detectBlack[5]
103 * detectBlack[6] * detectBlack[7] * detectBlack[8] * detectBlack[9] != 0)
104 continue;
105
106 //条件2：2<=N(p）<=6
107 int np = (detectBlack[2] + detectBlack[3] + detectBlack[4] + detectBlack[5]
108 + detectBlack[6] + detectBlack[7] + detectBlack[8] + detectBlack[9]);
109 if (np < 2 || np > 6) continue;
110
111 //条件3：T(p）=1
112 int tp = 0;
113 for (int i = 3; i <= 9; i++) {
114 /* if(neighbor[i]-neighbor[i-1]==Color.WHITE-Color.BLACK )*/
115 if (detectBlack[i] - detectBlack[i - 1] == 1)
116 tp++;
117 }
118 if (detectBlack[2] - detectBlack[9] == 1)
119 tp++;
120 if (tp != 1) continue;
121
122 //条件4：p2*p4*p8==0
123 if (detectBlack[2] * detectBlack[4] * detectBlack[8] != 0)
124 continue;
125 //条件5：p2*p6*p8==0
126 if (detectBlack[2] * detectBlack[6] * detectBlack[8] != 0)
127 continue;
128
129 //标记删除
130 mark[y * w + x] = 1;
131 markNum2++;
132 }
133 }
134
135 //将标记删除的点置为背景色WHITE
136 if (markNum2 > 0) {
137 for (int x = 1; x < w - 1; x++) {
138 for (int y = 1; y < h - 1; y++) {
139 if (mark[y * w + x] == 1) {
140 imgBuf[y * w + x] = Color.WHITE;
141 }
142 }
143 }
144 }
145 //先步骤1再步骤2，一次周期循环后，不再出现标记删除的点时，说明已生成骨架了
146 if (markNum1 == 0 && markNum2 == 0) s = false;
147 else s = true;
148 }
149 return imgBuf;
150 }
151
152
153 }转载于:https://www.cnblogs.com/gxclmx/p/7498427.html
基于Mat变换的骨架提取Java相关推荐
- java骨架_基于Mat变换的骨架提取Java
针对一副二值图像,区域内的点只有背景点(白点,0值)和前景点(黑点,1值).对于给定区域的像素点逐次应用两个基本步骤,以提取骨架: step1,如果一个像素点满足下列4个条件,那么将它标记为要删除的点 ...
- 自己验证的一片扯淡的骨架提取论文
基于数学形态学的汉字骨架提取算法 程志君1 杨德强2 这篇论文的效果号称的效果图如下: 我经过自己的验证,写的程序如下,如果我的理解有错误,还请各位写评论啊, #include< ...
- 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 ...
- 基于灰度质心法和骨架的激光中心线提取
之前博主一直在做线结构光成像,硬件比较垃圾,相机加镜头和线激光器总共成本在1000以内,精度在0.1mm左右,感觉这种成本做出来还是不错的,其实主要大部分时间花在了分析上来达到最好的效果. 一般对于激 ...
- Udacity无人驾驶工程师课程笔记：1 计算机视觉基础——基于Hough变换的车道线提取
Udacity无人驾驶工程师课程笔记:1 计算机视觉基础--基于Hough变换的车道线提取 图像处理 颜色选择 区域遮罩 组合颜色和区域选择 边缘检测 Canny边缘检测 Hough变换 Hough变 ...
- 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 ...
- qr分解java代码_[转载]【原创】基于Givens变换QR分解Matlab代码
如果有任何问题.建议,或者更多资源.代码.视频,欢迎您访问专业的Matlab技术交流平台--Matlab技术论坛http://www.matlabsky.com Wish my dear girl,h ...
- 单像素骨架提取算法c语言实现,【图像】骨架提取与分水岭算法
1.骨架提取 骨架提取,也叫二值图像细化.这种算法能将一个连通区域细化成一个像素的宽度,用于特征提取和目标拓扑表示. morphology子模块提供了两个函数用于骨架提取,分别是Skeletonize ...
- 去毛边 叶片图像_一种用于植物叶片图像骨架提取的去毛刺方法.PDF
一种用于植物叶片图像骨架提取的去毛刺方法 第 27 卷 第 1 期 电子测量与仪器学报 Vol. 27 No. 1 · 52 · JOURNAL OF ELECTRONIC MEASUREMENT A ...
- 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 & ...
最新文章
- shell实现批量在多台windows服务器上执行同一命令并获取返回结果
- 解决无法删除的dll文件
- GitHub宣布推出Electron 1.0和Devtron，并将提供无限制的私有代码库
- Mysql 5.5的编译安装 在ubuntu 10平台上面
- Java 算法 S01串
- 基于容器的虚拟化资源调度系统架构设计 | 原力计划
- ORB-SLAM2 地图加载2
- 真正的研发之路（1）
- 运维 xshell 快捷键
- python工作流界面_python 版工作流设计
- 为什么大多公司不要培训班出来的JAVA程序员？
- ems苹果专线投递速度_苹果官网运抵速度让人欲罢不能
- 双十一，稳！2小时1000亿，阿里的技术露大脸了
- Java实现对称加密
- Miracle密码算法开源库（十三）分析 :mrflsh4.c
- 人工智能未来的发展前景
- 最全的BAT大厂面试题整理
- （转载）计算机视觉当中的专业英语
- 【电气设计】理论知识学习（持续更新中...）
- Java基础 —— 编程入门
热门文章
- html table奇偶行颜色设置 (CSS选择器)
- [ CSS ] animation 快速参考
- 同一进程不同线程之间的资源共享与独享
- java linux和windows下文件路径间隔符的写法——解决linux下程序在windows下运行时的上传文件出错问题...
- 非IT专业大学生对erp的思考
- 腾讯云dts使用注意事项
- 小辣椒android密码怎样开,小辣椒手机忘记密码怎么恢复出厂设置
- python处理文本_Python处理文本文件中控制字符的方法
- java文本框内容覆盖6_java中读入一个TXT文件到文本框空如何覆盖以前读的内容？...
- 广度搜索 -- 9.2 Word Ladder -- 求具体的路径 -- 图解