【数字图像处理】图像细化处理

 

图像细化

细化技术：把一个平面区域简化成图的结构形状表示法
骨架：一种细化结构，它是目标的重要拓扑描述，具备很是普遍的应用。在图像识别或数据压缩时，常常用细化结构。
例如：在识别字符以前，每每要先对字符做细化处理，求出字符的细化结构。
细化的做用：目的将图像的骨架提取出来的同时，保持图像细小部分的连通性，对被处理的图像进行细化有助于突出形状特色和减小冗余信息量。

 

细化算法

细化算法：采起逐次去除边界的方法进行的，不能破化图像的连通性。
一般选择一组结构元素对，不断在这些结构对中循环，若是所得结果再也不变化，则终止迭代过程，随着迭代的进行，集合也不断细化。
结构对的选择：仅受结构元素不相交的限制（不一样的结构对），事实上，咱们可使用同一个结构对，即在不断重复的迭代细化过程使用同一个结构对。
细化知足的条件：
1.在细化的过程当中，图像应该有规律地缩小；
2.在图像逐步缩小的过程当中，应当使图像的连通性质保持不变。

 

 

 

 

细化算法过程详解

      咱们对一副二值图像进行骨架提取，就是删除不须要的轮廓点，只保留其骨架点。假设一个像素点，咱们定义该点为p1，则它的八邻域点p2->p9位置以下图所示，该算法考虑p1点邻域的实际状况，以便决定是否删除p1点。假设咱们处理的为二值图像，背景为黑色，值为0，要细化的前景物体像素值为1。

 

算法的描述以下。

首先复制源图像到目地图像，而后创建一个临时图像，接着执行下面操做：

1. 把目地图像复制给临时图像，对临时图像进行一次扫描，对于不为0的点，若是知足如下四个条件，则在目地图像中删除该点(就是设置该像素为0)，这里p2，…，p9是对应位置的像素灰度值(其为1或者0)。

   a. 2<= p2+p3+p4+p5+p6+p7+p8+p9<=6

    大于等于2会保证p1点不是端点或孤立点，由于删除端点和孤立点是不合理的，小于等于6保证p1点是一个边界点，而不是一个内部点。等于0时候，周围没有等于1的像素，因此p1为孤立点，等于1的时候，周围只有1个灰度等于1的像素，因此是端点（注：端点是周围有且只能有1个值为1的像素)。

 

   b. p2->p9的排列顺序中，01模式的数量为1，好比下面的图中，有p2p3 => 01, p6p7=>01,因此该像素01模式的数量为2。

     之因此要01模式数量为1，是要保证删除当前像素点后的连通性。好比下面的图中，01模式数量大于1，若是删除当前点p1，则连通性不能保证。

    c. P2*p4*p6 = 0

    d. p4*p6*p8 = 0

      在第一次子迭代中，只是移去东南的边界点，而不考虑西北的边界点，注意p4,p6出现了2次，就是说它们有一个为0，则c，d就知足。

2. 接下来，把目地图像再次复制到临时图像，接着对临时图像进行一次扫描，若是不为0的点它的八邻域知足如下4个条件，则在目地图像中删除该点(就是设置该像素为0)

    a. 2<= p2+p3+p4+p5+p6+p7+p8+p9<=6

    b. p2->p9的排列顺序中，01模式的数量(这里假设二值图非零值为1)为1。

    c. p2*p4*p8 = 0

    d. p2*p6*p8 = 0

第二次迭代则相反，会移去西北的边界点，注意p2,p8出现了2次，就是说它们有一个为0，则c，d就知足。

执行完上面两个步骤后，就完成了一次细化算法，咱们能够屡次迭代执行上述过程，获得最终的骨架图。

 

细化实例编程

1.首先对图像进行二值化，白色为255，黑色为0。
2.设置一个3*3的领域S模板。
3.S模板中各个位置上的取值取决于模板所对应图像中不一样位置的像素，若是S模板某一个位置上所对应的像素值为白，模板上该位置赋为0，不然赋为1。
4.循环全部的前景像素点，对符合以下条件的像素点标记为删除：

• 2 ≤ N(p1) ≤ 6——N(p1)表示跟P1相邻的8个像素点中，为前景像素点的个数
• S(P1) = 1——S(P1)表示将p2-p9-p2之间按序先后分别成对值为0、1的个数
• P2 * P4 * P6 = 0
• P4 * P6 * P8 = 0

5.循环全部的前景像素点，对符合以下条件的像素点标记为删除：

•  2 ≤ N(p1) ≤ 6——N(p1)表示跟P1相邻的8个像素点中，为前景像素点的个数
•  S(P1) = 1——S(P1)表示将p2-p9-p2之间按序先后分别成对值为0、1的个数
•  P2 * P4 * P8 = 0
• P2 * P6 * P8 = 0

 6.若是没有知足的点，则结束细化过程。

 

下面：

Image_Use为目标图像：高120，长180，处理时不考虑边界（四边）

//背景为黑色，值为0，要细化的前景物体像素值为1。
int temp[3][3]; int count = 0,flinsh_flag = 0; while(1){ flinsh_flag = 0; for(int i = 1;i<120-1;i++) { for(int j = 1;j<180-1;j++) { if(Image_Use[i][j] == 255) continue; //第一步初始化模板
                  memset(temp, 0, sizeof(temp)); count = 0; //第二步根据模板所对应的像素点，对模板进行赋值 //若是S模板某一个位置上所对应的像素值为白，模板上该位置赋为0，不然赋为1
                  if(Image_Use[i][j-1] == 0) temp[1][0] = 1; if(Image_Use[i][j+1] == 0) temp[1][2] = 1; if(Image_Use[i-1][j-1] == 0) temp[0][0] = 1; if(Image_Use[i-1][j+1] == 0) temp[0][2] = 1; if(Image_Use[i-1][j] == 0) temp[0][1] = 1; if(Image_Use[i+1][j-1] == 0) temp[2][0] = 1; if(Image_Use[i+1][j+1] == 0) temp[2][2] = 1; if(Image_Use[i+1][j] == 0) temp[2][1] = 1; //                   for(int x = 0;x<3;x++) for(int y = 0;y<3;y++) { if(x == 1 && y == 1) continue; if(temp[x][y] == 1) count ++; } if(count>=2&&count<=6) { int ap = 0; if (temp[0][1] == 0 && temp[0][2] == 1) ++ap; if (temp[0][2] == 0 && temp[1][2] == 1) ++ap; if (temp[1][2] == 0 && temp[2][2] == 1) ++ap; if (temp[2][2] == 0 && temp[2][1] == 1) ++ap; if (temp[2][1] == 0 && temp[2][0] == 1) ++ap; if (temp[2][0] == 0 && temp[1][0] == 1) ++ap; if (temp[1][0] == 0 && temp[0][0] == 1) ++ap; if (temp[0][0] == 0 && temp[0][1] == 1) ++ap;
                    if(ap == 1&&((temp[0][1]*temp[1][2]*temp[2][1])== 0)&&((temp[1][2]*temp[2][1]*temp[1][0])== 0)) { Image_Use[i][j] = 255; flinsh_flag ++; } } } } if(flinsh_flag == 0) { break; } flinsh_flag = 0; for(int i = 1;i<120-1;i++) { for(int j = 1;j<180-1;j++) { if(Image_Use[i][j] == 255) continue; //第一步初始化模板
                   memset(temp, 0, sizeof(temp)); count = 0; //第二步根据模板所对应的像素点，对模板进行赋值 //若是S模板某一个位置上所对应的像素值为白，模板上该位置赋为0，不然赋为1
                  if(Image_Use[i][j-1] == 0) temp[1][0] = 1; if(Image_Use[i][j+1] == 0) temp[1][2] = 1; if(Image_Use[i-1][j-1] == 0) temp[0][0] = 1; if(Image_Use[i-1][j+1] == 0) temp[0][2] = 1; if(Image_Use[i-1][j] == 0) temp[0][1] = 1; if(Image_Use[i+1][j-1] == 0) temp[2][0] = 1; if(Image_Use[i+1][j+1] == 0) temp[2][2] = 1; if(Image_Use[i+1][j] == 0) temp[2][1] = 1; //                   for(int x = 0;x<3;x++) for(int y = 0;y<3;y++) { if(x == 1 && y == 1) continue; if(temp[x][y] == 1) count ++; } if(count>=2&&count<=6) { int ap = 0; if (temp[0][1] == 0 && temp[0][2] == 1) ++ap; if (temp[0][2] == 0 && temp[1][2] == 1) ++ap; if (temp[1][2] == 0 && temp[2][2] == 1) ++ap; if (temp[2][2] == 0 && temp[2][1] == 1) ++ap; if (temp[2][1] == 0 && temp[2][0] == 1) ++ap; if (temp[2][0] == 0 && temp[1][0] == 1) ++ap; if (temp[1][0] == 0 && temp[0][0] == 1) ++ap; if (temp[0][0] == 0 && temp[0][1] == 1) ++ap; if(ap == 1&&((temp[0][1]*temp[1][2]*temp[1][0])== 0)&&((temp[0][1]*temp[2][1]*temp[1][0]) == 0)) { Image_Use[i][j] = 255; flinsh_flag++; } } } } if(flinsh_flag == 0) { break; } }

 测试结果:

 

 

 

 

 

 二值化图像粗化处理

粗化处理能够对图像的二值化补集进行细化后获得。

 

refer：

图像处理细化算法

C/C++ 图像处理（19）------细化算法