程序編碼參考經典的細化或者骨架算法文章:git
T. Y. Zhang and C. Y. Suen, 「A fast parallel algorithm for thinning digital patterns,」 Comm. ACM, vol. 27, no. 3, pp. 236-239, 1984.算法
它的原理也很簡單:app
咱們對一副二值圖像進行骨架提取,就是刪除不須要的輪廓點,只保留其骨架點。假設一個像素點,咱們定義該點爲p1,則它的八鄰域點p2->p9位置以下圖所示,該算法考慮p1點鄰域的實際狀況,以便決定是否刪除p1點。假設咱們處理的爲二值圖像,背景爲黑色,值爲0,要細化的前景物體像素值爲1。編碼
算法的描述以下。spa
首先複製源圖像到目地圖像,而後創建一個臨時圖像,接着執行下面操做:3d
1. 把目地圖像複製給臨時圖像,對臨時圖像進行一次掃描,對於不爲0的點,若是知足如下四個條件,則在目地圖像中刪除該點(就是設置該像素爲0),這裏p2,…,p9是對應位置的像素灰度值(其爲1或者0)。code
a. 2<= p2+p3+p4+p5+p6+p7+p8+p9<=6blog
大於等於2會保證p1點不是端點或孤立點,由於刪除端點和孤立點是不合理的,小於等於6保證p1點是一個邊界點,而不是一個內部點。等於0時候,周圍沒有等於1的像素,因此p1爲孤立點,等於1的時候,周圍只有1個灰度等於1的像素,因此是端點(注:端點是周圍有且只能有1個值爲1的像素)。ip
b. p2->p9的排列順序中,01模式的數量爲1,好比下面的圖中,有p2p3 => 01, p6p7=>01,因此該像素01模式的數量爲2。get
之因此要01模式數量爲1,是要保證刪除當前像素點後的連通性。好比下面的圖中,01模式數量大於1,若是刪除當前點p1,則連通性不能保證。
c. P2*p4*p6 = 0
d. p4*p6*p8 = 0
在第一次子迭代中,只是移去東南的邊界點,而不考慮西北的邊界點,注意p4,p6出現了2次,就是說它們有一個爲0,則c,d就知足。
2. 接下來,把目地圖像再次複製到臨時圖像,接着對臨時圖像進行一次掃描,若是不爲0的點它的八鄰域知足如下4個條件,則在目地圖像中刪除該點(就是設置該像素爲0)
a. 2<= p2+p3+p4+p5+p6+p7+p8+p9<=6
b. p2->p9的排列順序中,01模式的數量(這裏假設二值圖非零值爲1)爲1。
c. p2*p4*p8 = 0
d. p2*p6*p8 = 0
第二次迭代則相反,會移去西北的邊界點,注意p2,p8出現了2次,就是說它們有一個爲0,則c,d就知足。
執行完上面兩個步驟後,就完成了一次細化算法,咱們能夠屢次迭代執行上述過程,獲得最終的骨架圖。
細化算法代碼以下:
void gThin::cvThin(cv::Mat& src, cv::Mat& dst, int intera)
{
if(src.type()!=CV_8UC1)
{
printf("只能處理二值或灰度圖像\n");
return;
}
//非原地操做時候,copy src到dst
if(dst.data!=src.data)
{
src.copyTo(dst);
}
int i, j, n;
int width, height;
width = src.cols -1;
//之因此減1,是方便處理8鄰域,防止越界
height = src.rows -1;
int step = src.step;
int p2,p3,p4,p5,p6,p7,p8,p9;
uchar* img;
bool ifEnd;
int A1;
cv::Mat tmpimg;
//n表示迭代次數
for(n = 0; n<intera; n++)
{
dst.copyTo(tmpimg);
ifEnd = false;
img = tmpimg.data;
for(i = 1; i < height; i++)
{
img += step;
for(j =1; j<width; j++)
{
uchar* p = img + j;
A1 = 0;
if( p[0] > 0)
{
if(p[-step]==0&&p[-step+1]>0) //p2,p3 01模式
{
A1++;
}
if(p[-step+1]==0&&p[1]>0) //p3,p4 01模式
{
A1++;
}
if(p[1]==0&&p[step+1]>0) //p4,p5 01模式
{
A1++;
}
if(p[step+1]==0&&p[step]>0) //p5,p6 01模式
{
A1++;
}
if(p[step]==0&&p[step-1]>0) //p6,p7 01模式
{
A1++;
}
if(p[step-1]==0&&p[-1]>0) //p7,p8 01模式
{
A1++;
}
if(p[-1]==0&&p[-step-1]>0) //p8,p9 01模式
{
A1++;
}
if(p[-step-1]==0&&p[-step]>0) //p9,p2 01模式
{
A1++;
}
p2 = p[-step]>0?1:0;
p3 = p[-step+1]>0?1:0;
p4 = p[1]>0?1:0;
p5 = p[step+1]>0?1:0;
p6 = p[step]>0?1:0;
p7 = p[step-1]>0?1:0;
p8 = p[-1]>0?1:0;
p9 = p[-step-1]>0?1:0;
if((p2+p3+p4+p5+p6+p7+p8+p9)>1 && (p2+p3+p4+p5+p6+p7+p8+p9)<7 && A1==1)
{
if((p2==0||p4==0||p6==0)&&(p4==0||p6==0||p8==0)) //p2*p4*p6=0 && p4*p6*p8==0
{
dst.at<uchar>(i,j) = 0; //知足刪除條件,設置當前像素爲0
ifEnd = true;
}
}
}
}
}
dst.copyTo(tmpimg);
img = tmpimg.data;
for(i = 1; i < height; i++)
{
img += step;
for(j =1; j<width; j++)
{
A1 = 0;
uchar* p = img + j;
if( p[0] > 0)
{
if(p[-step]==0&&p[-step+1]>0) //p2,p3 01模式
{
A1++;
}
if(p[-step+1]==0&&p[1]>0) //p3,p4 01模式
{
A1++;
}
if(p[1]==0&&p[step+1]>0) //p4,p5 01模式
{
A1++;
}
if(p[step+1]==0&&p[step]>0) //p5,p6 01模式
{
A1++;
}
if(p[step]==0&&p[step-1]>0) //p6,p7 01模式
{
A1++;
}
if(p[step-1]==0&&p[-1]>0) //p7,p8 01模式
{
A1++;
}
if(p[-1]==0&&p[-step-1]>0) //p8,p9 01模式
{
A1++;
}
if(p[-step-1]==0&&p[-step]>0) //p9,p2 01模式
{
A1++;
}
p2 = p[-step]>0?1:0;
p3 = p[-step+1]>0?1:0;
p4 = p[1]>0?1:0;
p5 = p[step+1]>0?1:0;
p6 = p[step]>0?1:0;
p7 = p[step-1]>0?1:0;
p8 = p[-1]>0?1:0;
p9 = p[-step-1]>0?1:0;
if((p2+p3+p4+p5+p6+p7+p8+p9)>1 && (p2+p3+p4+p5+p6+p7+p8+p9)<7 && A1==1)
{
if((p2==0||p4==0||p8==0)&&(p2==0||p6==0||p8==0)) //p2*p4*p8=0 && p2*p6*p8==0
{
dst.at<uchar>(i,j) = 0; //知足刪除條件,設置當前像素爲0
ifEnd = true;
}
}
}
}
}
//若是兩個子迭代已經沒有能夠細化的像素了,則退出迭代
if(!ifEnd) break;
}
}
下面是三次細化的結果,能夠看出在垂直方向H變短了,感受這是不完美的地方。
下面咱們對兩個漢字進行5次迭代細化,結果以下:
程序代碼:工程FirstOpenCV11