版权声明：本文为CSDN博主「晴堂」的原创文章
原文链接：https://blog.csdn.net/xukaiwen_2016/article/details/53135866
————————————————
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5x5，实际上为了更好的检测需要至少6x6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*，取*均值。（下面代码没有实现该功能）
所有程序源代码：
1 #include <opencv2/opencv.hpp> 2 #include <opencv2/core/core.hpp> 3 #include <iostream> 4 #include <vector> 5 using namespace cv; 6 using namespace std; 7 8 /** 9 * @brief 对输入图像进行细化,骨骼化 10 * @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 11 * @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 12 * @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 13 */ 14 cv::Mat thinImage(const cv::Mat & src, const int maxIterations = -1) 15 { 16 assert(src.type() == CV_8UC1); 17 cv::Mat dst; 18 int width = src.cols; 19 int height = src.rows; 20 src.copyTo(dst); 21 int count = 0; //记录迭代次数 22 while (true) 23 { 24 count++; 25 if (maxIterations != -1 && count > maxIterations) //限制次数并且迭代次数到达 26 break; 27 std::vector<uchar *> mFlag; //用于标记需要删除的点 28 //对点标记 29 for (int i = 0; i < height; ++i) 30 { 31 uchar * p = dst.ptr<uchar>(i); 32 for (int j = 0; j < width; ++j) 33 { 34 //如果满足四个条件，进行标记 35 // p9 p2 p3 36 // p8 p1 p4 37 // p7 p6 p5 38 uchar p1 = p[j]; 39 if (p1 != 1) continue; 40 uchar p4 = (j == width - 1) ? 0 : *(p + j + 1); 41 uchar p8 = (j == 0) ? 0 : *(p + j - 1); 42 uchar p2 = (i == 0) ? 0 : *(p - dst.step + j); 43 uchar p3 = (i == 0 || j == width - 1) ? 0 : *(p - dst.step + j + 1); 44 uchar p9 = (i == 0 || j == 0) ? 0 : *(p - dst.step + j - 1); 45 uchar p6 = (i == height - 1) ? 0 : *(p + dst.step + j); 46 uchar p5 = (i == height - 1 || j == width - 1) ? 0 : *(p + dst.step + j + 1); 47 uchar p7 = (i == height - 1 || j == 0) ? 0 : *(p + dst.step + j - 1); 48 if ((p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) >= 2 && (p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) <= 6) 49 { 50 int ap = 0; 51 if (p2 == 0 && p3 == 1) ++ap; 52 if (p3 == 0 && p4 == 1) ++ap; 53 if (p4 == 0 && p5 == 1) ++ap; 54 if (p5 == 0 && p6 == 1) ++ap; 55 if (p6 == 0 && p7 == 1) ++ap; 56 if (p7 == 0 && p8 == 1) ++ap; 57 if (p8 == 0 && p9 == 1) ++ap; 58 if (p9 == 0 && p2 == 1) ++ap; 59 60 if (ap == 1 && p2 * p4 * p6 == 0 && p4 * p6 * p8 == 0) 61 { 62 //标记 63 mFlag.push_back(p + j); 64 } 65 } 66 } 67 } 68 69 //将标记的点删除 70 for (std::vector<uchar *>::iterator i = mFlag.begin(); i != mFlag.end(); ++i) 71 { 72 **i = 0; 73 } 74 75 //直到没有点满足，算法结束 76 if (mFlag.empty()) 77 { 78 break; 79 } 80 else 81 { 82 mFlag.clear();//将mFlag清空 83 } 84 85 //对点标记 86 for (int i = 0; i < height; ++i) 87 { 88 uchar * p = dst.ptr<uchar>(i); 89 for (int j = 0; j < width; ++j) 90 { 91 //如果满足四个条件，进行标记 92 // p9 p2 p3 93 // p8 p1 p4 94 // p7 p6 p5 95 uchar p1 = p[j]; 96 if (p1 != 1) continue; 97 uchar p4 = (j == width - 1) ? 0 : *(p + j + 1); 98 uchar p8 = (j == 0) ? 0 : *(p + j - 1); 99 uchar p2 = (i == 0) ? 0 : *(p - dst.step + j); 100 uchar p3 = (i == 0 || j == width - 1) ? 0 : *(p - dst.step + j + 1); 101 uchar p9 = (i == 0 || j == 0) ? 0 : *(p - dst.step + j - 1); 102 uchar p6 = (i == height - 1) ? 0 : *(p + dst.step + j); 103 uchar p5 = (i == height - 1 || j == width - 1) ? 0 : *(p + dst.step + j + 1); 104 uchar p7 = (i == height - 1 || j == 0) ? 0 : *(p + dst.step + j - 1); 105 106 if ((p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) >= 2 && (p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) <= 6) 107 { 108 int ap = 0; 109 if (p2 == 0 && p3 == 1) ++ap; 110 if (p3 == 0 && p4 == 1) ++ap; 111 if (p4 == 0 && p5 == 1) ++ap; 112 if (p5 == 0 && p6 == 1) ++ap; 113 if (p6 == 0 && p7 == 1) ++ap; 114 if (p7 == 0 && p8 == 1) ++ap; 115 if (p8 == 0 && p9 == 1) ++ap; 116 if (p9 == 0 && p2 == 1) ++ap; 117 118 if (ap == 1 && p2 * p4 * p8 == 0 && p2 * p6 * p8 == 0) 119 { 120 //标记 121 mFlag.push_back(p + j); 122 } 123 } 124 } 125 } 126 127 //将标记的点删除 128 for (std::vector<uchar *>::iterator i = mFlag.begin(); i != mFlag.end(); ++i) 129 { 130 **i = 0; 131 } 132 133 //直到没有点满足，算法结束 134 if (mFlag.empty()) 135 { 136 break; 137 } 138 else 139 { 140 mFlag.clear();//将mFlag清空 141 } 142 } 143 return dst; 144 } 145 146 /** 147 * @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 148 * @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 149 */ 150 void filterOver(cv::Mat thinSrc) 151 { 152 assert(thinSrc.type() == CV_8UC1); 153 int width = thinSrc.cols; 154 int height = thinSrc.rows; 155 for (int i = 0; i < height; ++i) 156 { 157 uchar * p = thinSrc.ptr<uchar>(i); 158 for (int j = 0; j < width; ++j) 159 { 160 // 实现两个点之间至少隔一个像素 161 // p9 p2 p3 162 // p8 p1 p4 163 // p7 p6 p5 164 uchar p1 = p[j]; 165 if (p1 != 1) continue; 166 uchar p4 = (j == width - 1) ? 0 : *(p + j + 1); 167 uchar p8 = (j == 0) ? 0 : *(p + j - 1); 168 uchar p2 = (i == 0) ? 0 : *(p - thinSrc.step + j); 169 uchar p3 = (i == 0 || j == width - 1) ? 0 : *(p - thinSrc.step + j + 1); 170 uchar p9 = (i == 0 || j == 0) ? 0 : *(p - thinSrc.step + j - 1); 171 uchar p6 = (i == height - 1) ? 0 : *(p + thinSrc.step + j); 172 uchar p5 = (i == height - 1 || j == width - 1) ? 0 : *(p + thinSrc.step + j + 1); 173 uchar p7 = (i == height - 1 || j == 0) ? 0 : *(p + thinSrc.step + j - 1); 174 if (p2 + p3 + p8 + p9 >= 1) 175 { 176 p[j] = 0; 177 } 178 } 179 } 180 } 181 182 /** 183 * @brief 从过滤后的骨骼化图像中寻找端点和交叉点 184 * @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 185 * @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 186 * @param thresholdMax交叉点阈值，大于这个值为交叉点 187 * @param thresholdMin端点阈值，小于这个值为端点 188 * @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 189 */ 190 std::vector<cv::Point> getPoints(const cv::Mat &thinSrc, unsigned int raudis = 4, unsigned int thresholdMax = 6, unsigned int thresholdMin = 4) 191 { 192 assert(thinSrc.type() == CV_8UC1); 193 int width = thinSrc.cols; 194 int height = thinSrc.rows; 195 cv::Mat tmp; 196 thinSrc.copyTo(tmp); 197 std::vector<cv::Point> points; 198 for (int i = 0; i < height; ++i) 199 { 200 for (int j = 0; j < width; ++j) 201 { 202 if (*(tmp.data + tmp.step * i + j) == 0) 203 { 204 continue; 205 } 206 int count=0; 207 for (int k = i - raudis; k < i + raudis+1; k++) 208 { 209 for (int l = j - raudis; l < j + raudis+1; l++) 210 { 211 if (k < 0 || l < 0||k>height-1||l>width-1) 212 { 213 continue; 214 215 } 216 else if (*(tmp.data + tmp.step * k + l) == 1) 217 { 218 count++; 219 } 220 } 221 } 222 223 if (count > thresholdMax||count<thresholdMin) 224 { 225 Point point(j, i); 226 points.push_back(point); 227 } 228 } 229 } 230 return points; 231 } 232 233 234 int main(int argc, char*argv[]) 235 { 236 cv::Mat src; 237 //获取图像 238 if (argc != 2) 239 { 240 src = cv::imread("src.jpg", cv::IMREAD_GRAYSCALE); 241 } 242 else 243 { 244 src = cv::imread(argv[1], cv::IMREAD_GRAYSCALE); 245 } 246 if (src.empty()) 247 { 248 std::cout << "读取文件失败！" << std::endl; 249 return -1; 250 } 251 252 //将原图像转换为二值图像 253 cv::threshold(src, src, 128, 1, cv::THRESH_BINARY); 254 //图像细化，骨骼化 255 cv::Mat dst = thinImage(src); 256 //过滤细化后的图像 257 filterOver(dst); 258 //查找端点和交叉点 259 std::vector<cv::Point> points = getPoints(dst,6,9,6); 260 //二值图转化成灰度图，并绘制找到的点 261 dst = dst * 255; 262 src = src * 255; 263 vector<cv::Point>::iterator it = points.begin(); 264 for (;it != points.end(); it++) 265 { 266 circle(dst, *it,4,255, 1); 267 } 268 imwrite("dst.jpg", dst); 269 //显示图像 270 cv::namedWindow("src1", CV_WINDOW_AUTOSIZE); 271 cv::namedWindow("dst1", CV_WINDOW_AUTOSIZE); 272 cv::imshow("src1", src); 273 cv::imshow("dst1", dst); 274 cv::waitKey(0); 275 }
处理效果：
