骨架提取算法应用

最新推荐文章于 2026-04-04 10:00:37 发布

原创

最新推荐文章于 2026-04-04 10:00:37 发布 · 5.6k 阅读

1、引言
根据个人理解，骨架提取（顾名思义）就是根据各个连通区域，将其抽离出与其轮廓近似的单像素表示形态。以便于直观观察、图像的后继处理。因此可以将其视为图像处理中的预处理，其操作是基于二值图。为了更好的提取图像骨架，必要时需要对图像进行相应的预处理（比如去噪、滤波、形态学变换等）。
我的应用主要集中在对一些包含线条型的零件检测，除此之外，骨架提取的应用特别广泛，比如文字的检测/识别、道路观测等。

2、原理
Zhang和Suen提出了一种带有模板匹配的并行细化算法，生成一个像素宽的骨架，不仅保持图像的连通性，并且产生更薄的结果，保持快速的处理速度。
Zhang-Suen细化算法通常是一个迭代算法，整个迭代过程分为两步：

第一步：循环所有前景像素点，对符合如下条件的像素点标记为删除：
1)2<=N(P1)<=6
2)S(P1)=1
3)P2P4P6=0
4)P4P6P8=0
其中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)表示从P2-P9-P2像素中出现0-1的累积次数，其中0表示背景，1表示前景，完整的P1-P9的像素位置分布如表1：
在这里插入图片描述
第二步：
1)2<=N(P1)<=6
2)S(P1)=1
3)P2P4P8=0
4)P2P6P8=0
循环以上两个步骤，直到两步中没有像素被标记为删除为止，输出的结果即为二值图像细化后的骨架。

3、案例核心代码

//Zhang-Sun细化算法
void SkeletonExtraction()
{
   
   
	//原图像名称
	string Img_name = "TEST.png";
	//载入源图像
	Mat Src = imread(Img_name);
	Mat src = Src.clone();
	//灰度化
	cvtColor(src, src, COLOR_RGB2GRAY);
	//Otsu求阈值
	int thre = Otsu(src);
	Mat Img;
	//二值化
	threshold(src, Img, thre, 255, THRESH_BINARY_INV);
	namedWindow("原始二值化图像", 0);
	imshow("原始二值化图像", Img);

	Mat srcImg = Img.clone();
	/****************骨架提取算法：Zhang-Suen法*****检测焊条数量************************/
	vector<Point> deleteList;
	int neighbourhood[9];
	int row = srcImg.rows;
	int col = srcImg.cols;
	bool inOddIterations = true;
	while (true) {
   
   
		for (int j = 1; j < (row - 1); j++) {
   
   
			uchar* data_last = srcImg.ptr<uchar>(j - 1);
			uchar* data = srcImg.ptr<u