OpenCV学习（13）改进算法（1）
电脑杂谈 发布时间：2020-07-30 04:05:20 来源：网络整理
程序编码是指经典的改进或骨架算法文章:
T. Y. Zhang和C. Y. Suen，“一种用于稀疏数字图案的快速并行算法”，通讯. ACM，第一卷27号3，第236-239页，1984年.
它的原理也很简单:
我们对二值图像执行骨架提取，即删除不必要的轮廓点，仅保留其骨架点. 假设一个像素点，我们将该点定义为p1，其下一个八邻点p2-> p9如下所示. 该算法考虑p1点邻域的实际情况，以便决定是否删除p1点. 假设我们正在处理一个二进制图像，背景是黑色，值为0opencv图像细化，要精炼的前景对象的像素值为1.
算法描述如下.
首先将源图像复制到目标图像，然后创建一个临时图像，然后执行以下操作:
1. 将目标图像复制到临时图像，然后扫描一次. 对于不为0的点，如果满足以下四个条件，则删除目标图像中的点（即将像素设置为0），其中p2，...，p9是像素的灰度值相应的位置（为1或0）.
a. 2
等于或大于2将确保点p1不是端点或孤立点，因为删除端点和孤立点是不合理的，并且小于或等于6可确保点p1是边界点，不是内在的观点. 当它等于0时，不存在等于1的像素，因此p1是一个孤立点. 等于1时，只有1个像素的灰度等于1，因此它是一个端点（注意: 该端点被1个像素包围，并且只能有1个值）.
按照
的排列顺序
b. p2-> p9，01个图案的数量为1. 例如opencv图像细化，在下图中，p2p3 => 01，p6p7 => 01，因此该像素的01个图案的数量为2.
01个图案的数量为1的原因是为了确保删除当前像素后的连通性. 例如，在下图中，01个图案的数量大于1. 如果删除了当前点p1，则不能保证连接.
c. P2 * p4 * p6 = 0
d. p4 * p6 * p8 = 0
在第一个子迭代中，无论西北边界点如何，都仅删除东南边界点. 请注意，p4和p6出现两次，也就是说，其中一个为0，则满足c和d.
2. 接下来，将目标图像再次复制到临时图像，然后扫描一次. 如果不为0的点及其八个邻域满足以下4个条件，则删除目标图像中的点（即将像素设置为0）
a. 2
b. p2->在p9的排列顺序中，01个模式的数目（这里假设二元图的非零值为1）是1.
c. p2 * p4 * p8 = 0
d. p2 * p6 * p8 = 0
第二次迭代是相反的. 西北的边界点将被删除. 请注意，p2和p8出现两次，也就是说，如果其中之一为0，则满足c和d.
执行上述两个步骤后，完善算法. 我们可以多次重复上述过程以获得最终的骨架图.
细化算法代码如下:
void gThin::cvThin(cv::Mat& src, cv::Mat& dst, int intera)
{
if(src.type()!=CV_8UC1)
{
printf("只能处理二值或灰度图像\n");
return;
}
//非原地操作时候，copy src到dst
if(dst.data!=src.data)
{
src.copyTo(dst);
}
int i, j, n;
int width, height;
width = src.cols -1;
//之所以减1，是方便处理8邻域，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表示迭代次数
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; //满足删除条件，设置当前像素为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; //满足删除条件，设置当前像素为0
ifEnd = true;
}
}
}
}
}
//如果两个子迭代已经没有可以细化的像素了，则退出迭代
if(!ifEnd) break;
}
}
以下是经过三次细化的结果. 可以看出，H在垂直方向上变短，这是不完美的.
下面我们对两个汉字进行5次迭代优化，结果如下:
程序代码: Engineering FirstOpenCV11
本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-289104-1.html
发表论文需要审稿费吗 官方通报107篇论文被撤稿：涉521人 正依规处理
对毕业论文的重复率有要求吗？
面向将来的计算方式普适计算与云计算报告人ppt下载
#吴亦凡1106生日快乐##吴亦凡原来你还在这里##吴亦凡夏有乔木##吴亦凡##吴亦凡赴约演爵迹##挑战者吴亦凡##吴亦凡银尘#新歌去不了现场