圖像細化
細化技術：把一個平面區域簡化成圖的結構形狀表示法
骨架：一種細化結構，它是目標的重要拓撲描述，具有非常廣泛的應用。在圖像識別或數據壓縮時，經常用細化結構。
例如：在識別字符之前，往往要先對字符作細化處理，求出字符的細化結構。
細化的作用：目的將圖像的骨架提取出來的同時，保持圖像細小部分的連通性，對被處理的圖像進行細化有助於突出形狀特點和減少冗余信息量。
細化算法
細化算法：采取逐次去除邊界的方法進行的，不能破化圖像的連通性。
通常選擇一組結構元素對，不斷在這些結構對中循環，如果所得結果不再變化，則終止迭代過程，隨着迭代的進行，集合也不斷細化。
結構對的選擇：僅受結構元素不相交的限制（不同的結構對），事實上，我們可以使用同一個結構對，即在不斷重復的迭代細化過程使用同一個結構對。
細化滿足的條件：
1.在細化的過程中，圖像應該有規律地縮小；
2.在圖像逐步縮小的過程中，應當使圖像的連通性質保持不變。
細化算法過程詳解
我們對一副二值圖像進行骨架提取，就是刪除不需要的輪廓點，只保留其骨架點。假設一個像素點，我們定義該點為p1，則它的八鄰域點p2->p9位置如下圖所示，該算法考慮p1點鄰域的實際情況，以便決定是否刪除p1點。假設我們處理的為二值圖像，背景為黑色，值為0，要細化的前景物體像素值為1。
算法的描述如下。
首先復制源圖像到目地圖像，然后建立一個臨時圖像，接着執行下面操作：
1. 把目地圖像復制給臨時圖像，對臨時圖像進行一次掃描，對於不為0的點，如果滿足以下四個條件，則在目地圖像中刪除該點(就是設置該像素為0)，這里p2，…，p9是對應位置的像素灰度值(其為1或者0)。
a. 2<= p2+p3+p4+p5+p6+p7+p8+p9<=6
大於等於2會保證p1點不是端點或孤立點，因為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，所以p1為孤立點，等於1的時候，周圍只有1個灰度等於1的像素，所以是端點（注：端點是周圍有且只能有1個值為1的像素)。
b. p2->p9的排列順序中，01模式的數量為1，比如下面的圖中，有p2p3 => 01, p6p7=>01,所以該像素01模式的數量為2。
之所以要01模式數量為1，是要保證刪除當前像素點后的連通性。比如下面的圖中，01模式數量大於1，如果刪除當前點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，就是說它們有一個為0，則c，d就滿足。
2. 接下來，把目地圖像再次復制到臨時圖像，接着對臨時圖像進行一次掃描，如果不為0的點它的八鄰域滿足以下4個條件，則在目地圖像中刪除該點(就是設置該像素為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(這里假設二值圖非零值為1)為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，就是說它們有一個為0，則c，d就滿足。
執行完上面兩個步驟后，就完成了一次細化算法，我們可以多次迭代執行上述過程，得到最終的骨架圖。
細化實例編程
1.首先對圖像進行二值化，白色為255，黑色為0。
2.設置一個3*3的領域S模板。
3.S模板中各個位置上的取值取決於模板所對應圖像中不同位置的像素，如果S模板某一個位置上所對應的像素值為白，模板上該位置賦為0，否則賦為1。
4.循環所有的前景像素點，對符合如下條件的像素點標記為刪除：
- 2 ≤ N(p1) ≤ 6——N(p1)表示跟P1相鄰的8個像素點中，為前景像素點的個數
- S(P1) = 1——S(P1)表示將p2-p9-p2之間按序前后分別成對值為0、1的個數
- P2 * P4 * P6 = 0
- P4 * P6 * P8 = 0
5.循環所有的前景像素點，對符合如下條件的像素點標記為刪除：
- 2 ≤ N(p1) ≤ 6——N(p1)表示跟P1相鄰的8個像素點中，為前景像素點的個數
- S(P1) = 1——S(P1)表示將p2-p9-p2之間按序前后分別成對值為0、1的個數
- P2 * P4 * P8 = 0
- P2 * P6 * P8 = 0
6.如果沒有滿足的點，則結束細化過程。
下面：
Image_Use為目標圖像：高120，長180，處理時不考慮邊界（四邊）
//背景為黑色，值為0，要細化的前景物體像素值為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; //第二步根據模板所對應的像素點，對模板進行賦值 //如果S模板某一個位置上所對應的像素值為白，模板上該位置賦為0，否則賦為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; //第二步根據模板所對應的像素點，對模板進行賦值 //如果S模板某一個位置上所對應的像素值為白，模板上該位置賦為0，否則賦為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; } }
測試結果:
二值化圖像粗化處理
粗化處理可以對圖像的二值化補集進行細化后得到。
refer：