本文共 4748 字，大约阅读时间需要 15 分钟。
程序编码参考经典的细化或者骨架算法文章
转载链接：http://www.cnblogs.com/mikewolf2002/p/3321732.html
程序编码参考经典的细化或者骨架算法文章
它的原理也很简单：
我们对一副二值图像进行骨架提取，就是删除不需要的轮廓点，只保留其骨架点。假设一个像素点，我们定义该点为p1，则它的八邻域点p2-p9位置如下图所示，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。
算法的描述如下：
首先复制源图像到目标图像，然后建立一个临时图像，接着执行下面操作：
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，因为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的时候，周围没有等于1的像素，所以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，所以是端点。
b. p2-p9的排列顺序中，01模式的数量为1，比如下面的图中，有p2p3 => 01, p6p7 => 01，所以该像素01模式的数量为2。
之所以要01模式数量为1，是要保证删除当前像素点后的连通性。比如下面的图中，01模式数量大于1，如果删除当前点p1，则连通性不能保证。
c. P2p4p6 = 0
d. p4p6p8 = 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就满足。
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. p2p4p8 = 0
d. p2p6p8 = 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就满足。
执行完上面两个步骤后，就完成了一次细化算法，我们可以多次迭代执行上述过程，得到最终的骨架图。
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; } if(dst.data!=src.data) { src.copyTo(dst); } int i, j, n; int width = src.cols -1; int 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; 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++) { if(img[0] != 0) { A1++; if(img[-step] == 0 && img[-step+1] != 0) { A1++; } if(img[-step+1] == 0 && img[1] != 0) { A1++; } if(img[1] == 0 && img[step+1] != 0) { A1++; } if(img[step+1] == 0 && img[step] != 0) { A1++; } if(img[step] == 0 && img[step-1] != 0) { A1++; } if(img[step-1] == 0 && img[-1] != 0) { A1++; } if(img[-1] == 0 && img[-step-1] != 0) { A1++; } if(img[-step-1] == 0 && img[-step] != 0) { A1++; } p2 = img[-step] != 0 ? 1 : 0; p3 = img[-step+1] != 0 ? 1 : 0; p4 = img[1] != 0 ? 1 : 0; p5 = img[step+1] != 0 ? 1 : 0; p6 = img[step] != 0 ? 1 : 0; p7 = img[step-1] != 0 ? 1 : 0; p8 = img[-1] != 0 ? 1 : 0; p9 = img[-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)) { dst.at (i,j) = 0; ifEnd = true; } } } } } if(!ifEnd) break; dst.copyTo(tmpimg); img = tmpimg.data; for(i = 1; i < height; i++) { img += step; for(j = 1; j < width; j++) { if(img[0] != 0) { A1++; if(img[-step] == 0 && img[-step+1] != 0) { A1++; } if(img[-step+1] == 0 && img[1] != 0) { A1++; } if(img[1] == 0 && img[step+1] != 0) { A1++; } if(img[step+1] == 0 && img[step] != 0) { A1++; } if(img[step] == 0 && img[step-1] != 0) { A1++; } if(img[step-1] == 0 && img[-1] != 0) { A1++; } if(img[-1] == 0 && img[-step-1] != 0) { A1++; } if(img[-step-1] == 0 && img[-step] != 0) { A1++; } p2 = img[-step] != 0 ? 1 : 0; p3 = img[-step+1] != 0 ? 1 : 0; p4 = img[1] != 0 ? 1 : 0; p5 = img[step+1] != 0 ? 1 : 0; p6 = img[step] != 0 ? 1 : 0; p7 = img[step-1] != 0 ? 1 : 0; p8 = img[-1] != 0 ? 1 : 0; p9 = img[-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)) { dst.at (i,j) = 0; ifEnd = true; } } } } } if(!ifEnd) break; }} 下面是三次细化的结果，可以看出在垂直方向H变短了，感觉这是不完美的地方。
下面我们对两个汉字进行5次迭代细化，结果如下：
程序代码：工程FirstOpenCV11
转载于:https://www.cnblogs.com/mobileliker/articles/4059882.html