图像处理-形态学操作


C++代码提取骨架的实现:(代码来自opencv的扩展模块ximgproc.hpp)

cpp 复制代码
void thinningIteration(Mat &img, int iter, int thinningType)
{
	Mat marker = Mat::zeros(img.size(), CV_8UC1);
	if (thinningType == 0)
	{
		for (int i = 1; i < img.rows - 1; i++)
		{
			for (int j = 1; j < img.cols - 1; j++)
			{
				if (img.at<uchar>(i, j) == 0)
				{
					continue;
				}
				uchar p2 = img.at<uchar>(i - 1, j);
				uchar p3 = img.at<uchar>(i - 1, j + 1);
				uchar p4 = img.at<uchar>(i, j + 1);
				uchar p5 = img.at<uchar>(i + 1, j + 1);
				uchar p6 = img.at<uchar>(i + 1, j);
				uchar p7 = img.at<uchar>(i + 1, j - 1);
				uchar p8 = img.at<uchar>(i, j - 1);
				uchar p9 = img.at<uchar>(i - 1, j - 1);

				int A = (p2 == 0 && p3 == 1) + (p3 == 0 && p4 == 1) +
					(p4 == 0 && p5 == 1) + (p5 == 0 && p6 == 1) +
					(p6 == 0 && p7 == 1) + (p7 == 0 && p8 == 1) +
					(p8 == 0 && p9 == 1) + (p9 == 0 && p2 == 1);
				int B = p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9;
				int m1 = iter == 0 ? (p2 * p4 * p6) : (p2 * p4 * p8);
				int m2 = iter == 0 ? (p4 * p6 * p8) : (p2 * p6 * p8);

				if (A == 1 && (B >= 2 && B <= 6) && m1 == 0 && m2 == 0)
					marker.at<uchar>(i, j) = 1;
			}
		}
	}
	if (thinningType == 1) //THINNING_GUOHALL
	{
		for (int i = 1; i < img.rows - 1; i++)
		{
			for (int j = 1; j < img.cols - 1; j++)
			{
				if (img.at<uchar>(i, j) == 0)
				{
					continue;
				}
				uchar p2 = img.at<uchar>(i - 1, j);
				uchar p3 = img.at<uchar>(i - 1, j + 1);
				uchar p4 = img.at<uchar>(i, j + 1);
				uchar p5 = img.at<uchar>(i + 1, j + 1);
				uchar p6 = img.at<uchar>(i + 1, j);
				uchar p7 = img.at<uchar>(i + 1, j - 1);
				uchar p8 = img.at<uchar>(i, j - 1);
				uchar p9 = img.at<uchar>(i - 1, j - 1);

				int C = ((!p2) & (p3 | p4)) + ((!p4) & (p5 | p6)) +
					((!p6) & (p7 | p8)) + ((!p8) & (p9 | p2));
				int N1 = (p9 | p2) + (p3 | p4) + (p5 | p6) + (p7 | p8);
				int N2 = (p2 | p3) + (p4 | p5) + (p6 | p7) + (p8 | p9);
				int N = N1 < N2 ? N1 : N2;
				int m = iter == 0 ? ((p6 | p7 | (!p9)) & p8) : ((p2 | p3 | (!p5)) & p4);

				if ((C == 1) && ((N >= 2) && ((N <= 3)) & (m == 0)))
					marker.at<uchar>(i, j) = 1;
			}
		}
	}
	img &= ~marker;
}

Mat thinning(Mat input, int thinningType)
{
	Mat output = input.clone();
	// Enforce the range of the input image to be in between 0 - 255
	output /= 255;

	Mat prev = Mat::zeros(output.size(), CV_8UC1);
	Mat diff;

	do {
		thinningIteration(output, 0, thinningType);
		thinningIteration(output, 1, thinningType);
		absdiff(output, prev, diff);
		output.copyTo(prev);
	} while (countNonZero(diff) > 0);

	output *= 255;
	return output;
}
相关推荐
linzᅟᅠ2 分钟前
机器学习Day5-模型诊断
人工智能·深度学习·机器学习
Dr.Water3 分钟前
AI 产品的 MVP 构建逻辑:Prompt 工程 ≠ 产品工程?(实战增补篇)
人工智能·prompt
何玺9 分钟前
6年“豹变”,vivo S30系列引领手机进入场景“体验定义”时代
人工智能·智能手机
风筝超冷12 分钟前
LLaMaFactory 微调QwenCoder模型
人工智能·深度学习·机器学习
油泼辣子多加12 分钟前
【大模型】Bert应对超长文本
人工智能·深度学习·bert
LChuck14 分钟前
【大模型微调】魔搭社区GPU进行LLaMA-Factory微调大模型自我认知
人工智能·语言模型·自然语言处理·nlp·llama·魔搭社区·modelscope
NLP小讲堂18 分钟前
LLama-Factory使用教程-2025最新版
人工智能
神经星星22 分钟前
一键部署丨DeepSeek-R1 新版本小幅升级便登顶开源王座,多项评测超越 Qwen3
人工智能·机器学习·编程语言
hao_wujing25 分钟前
在大型中实施访问控制 语言模型
人工智能·语言模型·自然语言处理
明明跟你说过25 分钟前
深入 RAG(检索增强生成)系统架构:如何构建一个能查资料的大语言模型系统
人工智能·语言模型·自然语言处理·embedding·rag