【OpenCV学习笔记】之四：二值图像细化方法/骨架提取----基于2.0 Mat接口
由于OpenCV没有自带的图像细化函数，网上提供的基本是基于1.0接口的，于是乎动手搞成2.0 Mat类型接口的，方便好用。
细化方法当中，当属经典的Zhang并行快速细化算法，细化之后的轮廓走势与原图保持得相对较好。
参照 http://blog.csdn.net/byxdaz/article/details/5642669， 代码改造结果如下，
//将 DEPTH_8U型二值图像进行细化 经典的Zhang并行快速细化算法
void thin(const Mat &src, Mat &dst, const int iterations)
{
const int height =src.rows -1;
const int width =src.cols -1;
//拷贝一个数组给另一个数组
if(src.data != dst.data)
{
src.copyTo(dst);
}
int n = 0,i = 0,j = 0;
Mat tmpImg;
uchar *pU, *pC, *pD;
BOOL isFinished =FALSE;
for(n=0; n<iterations; n++)
{
dst.copyTo(tmpImg);
isFinished =FALSE; //一次 先行后列扫描 开始
//扫描过程一 开始
for(i=1; i<height; i++)
{
pU = tmpImg.ptr<uchar>(i-1);
pC = tmpImg.ptr<uchar>(i);
pD = tmpImg.ptr<uchar>(i+1);
for(int j=1; j<width; j++)
{
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);
if(p4==0 && p5==1)
{
ap++;
}
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++;
}
if((p2+p3+p4+p5+p6+p7+p8+p9)>1 && (p2+p3+p4+p5+p6+p7+p8+p9)<7)
{
if(ap==1)
{
if((p2*p4*p6==0)&&(p4*p6*p8==0))
{
dst.ptr<uchar>(i)[j]=0;
isFinished =TRUE;
}
// if((p2*p4*p8==0)&&(p2*p6*p8==0))
// {
// dst.ptr<uchar>(i)[j]=0;
// isFinished =TRUE;
// }
}
}
}
} //扫描过程一 结束
dst.copyTo(tmpImg);
//扫描过程二 开始
for(i=1; i<height; i++) //一次 先行后列扫描 开始
{
pU = tmpImg.ptr<uchar>(i-1);
pC = tmpImg.ptr<uchar>(i);
pD = tmpImg.ptr<uchar>(i+1);
for(int j=1; j<width; j++)
{
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);
if(p4==0 && p5==1)
{
ap++;
}
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++;
}
if((p2+p3+p4+p5+p6+p7+p8+p9)>1 && (p2+p3+p4+p5+p6+p7+p8+p9)<7)
{
if(ap==1)
{
// if((p2*p4*p6==0)&&(p4*p6*p8==0))
// {
// dst.ptr<uchar>(i)[j]=0;
// isFinished =TRUE;
// }
if((p2*p4*p8==0)&&(p2*p6*p8==0))
{
dst.ptr<uchar>(i)[j]=0;
isFinished =TRUE;
}
}
}
}
}
} //一次 先行后列扫描完成
//如果在扫描过程中没有删除点，则提前退出
if(isFinished ==FALSE)
{
break;
}
}
}
}
另一种实现方法，细化结果不大好，但看起来好像是简洁些，适合一般的简单应用。
BOOL isContourPoint(const int x, const int y, const Mat& bwImg)
{
BOOL p[10] ={0}; //记录当前点的8邻域的有无情况
const BYTE *pU= bwImg.ptr(y-1, x); //上一行
const BYTE *pC= bwImg.ptr(y, x); //当前行
const BYTE *pD= bwImg.ptr(y+1, x); //下一行
p[2]=*(pU) ? true:false;
p[3]=*(pU+1) ? true:false;
p[4]=*(pC+1) ? true:false;
p[5]=*(pD+1) ? true:false;
p[6]=*(pD) ? true:false;
p[7]=*(pD-1) ? true:false;
p[8]=*(pC-1) ? true:false;
p[9]=*(pU-1) ? true:false;
int Np=0;//邻域不为零节点总数
int Tp=0;//邻域节点由0变成1的次数
for (int i=2; i<10; i++)
{
Np += p[i];
int k= (i<9) ? (i+1) : 2;
if ( p[k] -p[i]>0)
{
Tp++;
}
}
int p246= p[2] && p[4] && p[6];
int p468= p[4] && p[6] && p[8];
int p24= p[2] && !p[3] && p[4] && !p[5] && !p[6] && !p[7] && !p[8] && !p[9];
int p46= !p[2] && !p[3] && p[4] && !p[5] && p[6] && !p[7] && !p[8] && !p[9];
int p68= !p[2] && !p[3] && !p[4] && !p[5] && p[6] && !p[7] && p[8] && !p[9];
int p82= p[2] && !p[3] && !p[4] && !p[5] && !p[6] && !p[7] && p[8] && !p[9];
int p782= p[2] && !p[3] && !p[4] && !p[5] && !p[6] && p[7] && p[8] && !p[9];
int p924= p[2] && !p[3] && p[4] && !p[5] && !p[6] && !p[7] && !p[8] && p[9];
int p346= !p[2] && p[3] && p[4] && !p[5] && p[6] && !p[7] && !p[8] && !p[9];
int p568= !p[2] && !p[3] && !p[4] && p[5] && p[6] && !p[7] && p[8] && !p[9];
int p689= !p[2] && !p[3] && !p[4] && !p[5] && p[6] && !p[7] && p[8] && p[9];
int p823= p[2] && p[3] && !p[4] && !p[5] && !p[6] && !p[7] && p[8] && !p[9];
int p245= p[2] && !p[3] && p[4] && p[5] && !p[6] && !p[7] && !p[8] && !p[9];
int p467= !p[2] && !p[3] && p[4] && !p[5] && p[6] && p[7] && !p[8] && !p[9];
int p2468= p24 || p46 || p68 || p82;
int p3333= p782 || p924 || p346 || p568 || p689 || p823 || p245 || p467;
//判定条件第一个由数字图像处理上得到，由于结果不够满意，又加上两个条件
return ( !p246 && !p468 && (Np<7) && (Np>1) && (Tp==1) ) || p2468 || p3333;
}
//细化二值图像，得到单像素连通域
void thin(Mat& bwImg)
{
const int imgRows=bwImg.rows -1;
const int imgCols=bwImg.cols -1;
int Remove_Num;
int i, j;
do //循环调用，直至没有可以去掉的点
{
Remove_Num=0;
for (j = 1; j < imgRows; j++)
{
for(i = 1; i < imgCols; i++)
{
if ( *bwImg.ptr(j, i) && isContourPoint( i, j, bwImg))//符合条件，去掉
{
*bwImg.ptr(j, i)=0;
Remove_Num++;
} //if
} //for
} //for
} while( Remove_Num);
}