视觉组学习内容：Zhang-Suen骨架提取算法

前言

这是视觉组dalao给大家布置的学期末学习任务。
因为之前没有接触过linux，环境也没有配置好，对很多操作不够熟悉，做这个任务从头到尾大约花了两天合计15个小时的时间，中间还问过dalao两个小时左右的问题（此处给大佬比心），虽然和大佬说的三个小时相去甚远但是最后还是赶在ddl之前完成了任务。
总的来说收获很多，了解了ZhangSuen骨架提取算法的原理和算法实现，复习了面向对象编程的C++，还对linux系统(Ubuntu)有了进一步的了解，写第一篇博文记录一下大致过程和心得。

任务要求

使用ZhangSuen骨架提取算法实现简化数字轮廓

效果如图所示:

实现要求

• 使用类简化代码量，增强可读性；类的声明放在.h头文件中，函数实现单独放在.cpp文件中
• 不允许包含；把要用到的模块搞清楚，包含最少的头文件
• Linux下使用命令行或makefile编译程序，不允许使用pkg-config，不能有-lopencv_*这种写法，需要用到哪个库文件就明确调用哪个库文件

任务完成流程概要

1.在Windows平台的VS 2017上写好函数风格代码

这里参考了CSDN上和博客园的两篇文章，分别涉及原理和代码实现，链接附上

• 原理
  两种图像骨架提取算法的研究(1)原理部分 博主：zhubaohua_bupt
• 代码实现
  【20160924】GOCVHelper 图像增强部分（3） 博主：jsxyhelu
• 了解opencv各个模块的功能
  要求2是不能使用opencv.hpp，那就要了解其他模块的功能。
  参考Opencv3.2各个模块功能详细简介（包括与Opencv2.4的区别) 博主：朱铭德

2.使用类对原函数进行封装与调试

• 复习C++面向对象编程
  类的成员函数定义、初始化函数等概念的复习
• 类的声明/定义/使用
  类的封装风格参考过图像处理之Zhang Suen细化算法 博主：gloomyfish，虽然是java平台的opencv，但是可以启发灵感
  代码应该是在Ubuntu的环境中直接写的，但是由于没有配置，所以先在Windows写好以后再到Ubuntu里面使用，代码见后。

3.配置Ubuntu环境

• 换源
  换源是为了提高网络速度。这里弄了一阵子的时间，原因是因为很多教程都不是从零起步，而且有一定问题。很多网站上都是直接用vim（有可能没安装） 或者使用“打开”/"编辑"这种用语，对初入Ubuntu的小白很不友好。
  正确操作是先按Ctrl+Alt+T打开终端，然后输入sudo gedit /etc/apt/sources.list，在打开的文件窗口中将内容全部删除并复制上镜像源地址：参考Ubuntu 18.04换国内源 中科大源 阿里源 163源 清华源 博主:nudt_qxx，从中选一个复制粘贴(终端中的粘贴是Ctrl+Shift+V)，然后把结尾CSDN附带的注释删除再保存就可以了，不知道需不需要重启。
• 安装cmake(虽然没用上)
  用于cmake和makefile（？）
• 安装opencv环境
  任务3要求在终端中编译(编译用g++，这个我是自己用sudo apt-get install g++安装的)或者用makefile。不配置opencv的环境无法编译项目。
  在终端中使用sudo apt-get install synapic，再在系统自带的新立得安装包管理器里搜索opencv就可以下载了。出乎意料的方便。
• 安装编辑器及其他软件

4.在Terminal中使用g++完成编译

• 使用g++编译
  大佬实力操作。
  到这一步要准备编译。首先把我写好的两个cpp和一个.h文件放到同一个文件夹下，然后在右键菜单中点击“在终端打开”，输入g++ -o Zhenglin main.cpp class.cpp `pkg-config --libs --cflags opencv`要求3是不允许使用pkg-config和-lopencv_*，那写g++ -o z class.cpp main.cpp -lopencv_core -lopencv_highgui -lopencv_imgproc -lopencv_imgcodecs也是正确的。注意，虽然头文件没有，但是终端还是要通过-l调用-lopencv_imgcodecs，否则会报错。
  如果程序正确，编译成功了就会生成一个叫做Zhenglin的文件，此时再输入./Zhenglin就可以执行这个文件了。可以看到输出结果。
  
  注意:使用文件时要注意有没有输入的图片，需要在源文件中修改路径。

封装代码

头文件

#ifndef C_ZHANGSUEN_DIY_H
#define C_ZHANGSUEN_DIY_H

#include<opencv2/core.hpp>											///基本数据类型
#include<opencv2/imgproc/imgproc.hpp>								///图像存取&线性变换
#include<opencv2/highgui.hpp>										///输出接口&交互接口

using namespace std;
using namespace cv;

class Skeleton {
public:
	void initialize();
	void getDst(Mat src);
	void DstToImg();
	int getAP(int i, int j);
	int getBP(int i, int j);
	bool condition34IsOK_1(int i, int j);
	bool condition34IsOK_2(int i, int j);
	void erasePoint(int i, int j);
	Mat Mat_return();
	Skeleton();
private:
	Mat dst;
	Mat tmpImg;
	int height;
	int width;
};

//主函数调用函数 函数调用类 并在函数体中判断条件 最后利用函数体返回



Mat skeleton(Mat src);

#endif //C_ZHANGSUEN_DIY_H

主文件

//*recoverd by Zhenglin/on 2018/12/29 
#include "ZhangSuen_DIY.h"/

Mat skeleton(Mat src);

int main(){
    Mat src = imread("E:/Python/6.jpg");
	Mat gray, binary, dst, skeleton_image;

	//图像预处理
	cvtColor(src, gray, CV_BGR2GRAY);
	threshold(gray, binary, 200, 255, CV_THRESH_BINARY);			///二值化需要在灰度基础上进行
	namedWindow("Binary", 0);										///只能对黑底白线进行提取，否则需要位反
	imshow("Binary", binary);

	//骨架提取
	skeleton_image = skeleton(binary);

	//输出图像
    namedWindow("Result", 0);
    imshow("Result", skeleton_image);
	waitKey(0);
}

成员函数实现

#include "ZhangSuen_DIY.h"

//此算法的四个条件：
//(a) 2 ≤ B(P1) ≤ 6
//(b) A(P1) = 1
//(c) 
//       1. P2 x P4 x P6 = 0 in odd iterations
//       2. P2 x P4 x P8 = 0 in even iterations
//(d) 
//       1. P4 x P6 x P8 = 0 in odd iterations
//       2. P2 x P6 x P8 = 0 in even iterations	


void Skeleton::initialize() {
	height = dst.cols - 1;
	width = dst.rows - 1;
}

Skeleton::Skeleton() {
	height = dst.cols - 1;
	width = dst.rows - 1;
}

void Skeleton::getDst(Mat src) {
	src.copyTo(dst);
}

void Skeleton::DstToImg() {
	dst.copyTo(tmpImg);
}

int Skeleton::getAP(int i, int j) {
	int ap = 0;
	uchar *pU, *pC, *pD;
	pU = tmpImg.ptr<uchar>(i - 1);							///uchar类型的行指针
	pC = tmpImg.ptr<uchar>(i);
	pD = tmpImg.ptr<uchar>(i + 1);
	if (pC[j] > 0) {
		int ap = 0;
		int p2 = (pU[j] > 0);
		int p3 = (pU[j + 1] > 0);
		if (p2 == 0 && p3 == 1)
			ap++;

		int p4 = (pC[j + 1] > 0);
		if (p3 == 0 && p4 == 1)
			ap++;

		int p5 = (pD[j + 1] > 0);						///9 2 3 
		if (p4 == 0 && p5 == 1)							///8 j 4
			ap++;										///7 6 5

		int p6 = (pD[j] > 0);
		if (p5 == 0 && p6 == 1)
			ap++;

		int p7 = (pD[j - 1] > 0);
		if (p6 == 0 && p7 == 1)
			ap++;

		int p8 = (pC[j - 1] > 0);
		if (p7 == 0 && p8 == 1)
			ap++;

		int p9 = (pU[j - 1] > 0);
		if (p8 == 0 && p9 == 1)
			ap++;

		if (p9 == 0 && p2 == 1)
			ap++;

		return ap;
	}
}

int Skeleton::getBP(int i, int j) {
	uchar *pU, *pC, *pD;
	pU = tmpImg.ptr<uchar>(i - 1);
	pC = tmpImg.ptr<uchar>(i);
	pD = tmpImg.ptr<uchar>(i + 1);
	if (pC[j] > 0) {
		int p2 = (pU[j] > 0);
		int p3 = (pU[j + 1] > 0);
		int p4 = (pC[j + 1] > 0);
		int p5 = (pD[j + 1] > 0);
		int p6 = (pD[j] > 0);
		int p7 = (pD[j - 1] > 0);
		int p8 = (pC[j - 1] > 0);
		int p9 = (pU[j - 1] > 0);

		return p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9;
	}
}

bool Skeleton::condition34IsOK_1(int i, int j) {
	uchar *pU, *pC, *pD;
	pU = tmpImg.ptr<uchar>(i - 1);
	pC = tmpImg.ptr<uchar>(i);
	pD = tmpImg.ptr<uchar>(i + 1);
	if (pC[j] > 0) {
		int p2 = (pU[j] > 0);
		int p3 = (pU[j + 1] > 0);
		int p4 = (pC[j + 1] > 0);
		int p5 = (pD[j + 1] > 0);
		int p6 = (pD[j] > 0);
		int p7 = (pD[j - 1] > 0);
		int p8 = (pC[j - 1] > 0);
		int p9 = (pU[j - 1] > 0);

		if ((p2*p4*p6 == 0) && (p4*p6*p8 == 0)) return 1;
		else return 0;
	}
};

bool Skeleton::condition34IsOK_2(int i, int j) {
	uchar *pU, *pC, *pD;
	pU = tmpImg.ptr<uchar>(i - 1);
	pC = tmpImg.ptr<uchar>(i);
	pD = tmpImg.ptr<uchar>(i + 1);
	if (pC[j] > 0) {
		int p2 = (pU[j] > 0);
		int p3 = (pU[j + 1] > 0);
		int p4 = (pC[j + 1] > 0);
		int p5 = (pD[j + 1] > 0);
		int p6 = (pD[j] > 0);
		int p7 = (pD[j - 1] > 0);
		int p8 = (pC[j - 1] > 0);
		int p9 = (pU[j - 1] > 0);

		if ((p2*p4*p8 == 0) && (p2*p6*p8 == 0)) return 1;
		else return 0;
	}
};

void Skeleton::erasePoint(int i, int j) {
	dst.ptr<uchar>(i)[j] = 0;
}

Mat Skeleton::Mat_return() {
	return dst;
};

Mat skeleton(Mat src) {

	int i = 0, j = 0;
	bool isFinished = false;

	Skeleton skel;
	skel.getDst(src);
	skel.initialize();

	while (true) {
		skel.DstToImg();
		isFinished = false;

		//扫描过程一 开始
		for (i = 1; i < src.cols - 1; i++) {
			for (int j = 1; j < src.rows - 1; j++) {
				if (skel.getBP(i, j) > 1 && skel.getBP(i, j) < 7) {
					if (skel.getAP(i, j) == 1) {
						if (skel.condition34IsOK_1(i, j)) {
							skel.erasePoint(i, j);
							isFinished = true;
						}
					}
				}
			}
			
		}
		//扫描过程一 结束

		skel.DstToImg();

		//扫描过程二 开始
		for (i = 1; i < src.cols - 1; i++) {
			for (int j = 1; j < src.rows - 1; j++) {
				if (skel.getBP(i, j) > 1 && skel.getBP(i, j) < 7) {
					if (skel.getAP(i, j) == 1) {
						if (skel.condition34IsOK_2(i, j)) {
							skel.erasePoint(i, j);
							isFinished = true;
						}
					}
				}
			}
		}
		//扫描过程二 结束

		if (isFinished == false)///如果在扫描过程中没有删除点则提前退出
			return skel.Mat_return();
	}
}

经验+5

参考文献：

[1]两种图像骨架提取算法的研究(1)原理部分 博主：zhubaohua_bupt
[2]【20160924】GOCVHelper 图像增强部分（3） 博主：jsxyhelu
[3]Opencv3.2各个模块功能详细简介（包括与Opencv2.4的区别) 博主：朱铭德
[4]图像处理之Zhang Suen细化算法 博主：gloomyfish
[5]Ubuntu 18.04换国内源 中科大源 阿里源 163源 清华源 博主:nudt_qxx