视觉组学习内容：Zhang-Suen骨架提取算法

╰+攻爆jí腚メ 2022-04-01 11:24 575阅读 0赞

### 视觉组学习内容：Zhang-Suen骨架提取算法 ###

*  前言
 *   *  任务要求
     *  实现要求
     *  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
         *  2.使用类对原函数进行封装与调试
         *  3.配置Ubuntu环境
         *  4.在Terminal中使用g++完成编译
     *  封装代码
     *  参考文献：

# 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: ![Alt][]

## 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<opencv2/opencv.hpp>；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][1_ _zhubaohua_bupt]
 *  **代码实现**  
    [【20160924】GOCVHelper 图像增强部分（3） 博主：jsxyhelu][20160924_GOCVHelper _3_ _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][Opencv3.2_Opencv2.4_]

### 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][Zhang Suen_ _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][Ubuntu 18.04_ _ _ 163_ _ _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。  
    ![结果][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1pleWlSVGFuZ2VudA_size_16_color_FFFFFF_t_70]  
    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][1_ _zhubaohua_bupt]  
\[2\][【20160924】GOCVHelper 图像增强部分（3） 博主：jsxyhelu][20160924_GOCVHelper _3_ _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][Opencv3.2_Opencv2.4_]  
\[4\][图像处理之Zhang Suen细化算法 博主：gloomyfish][Zhang Suen_ _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][Ubuntu 18.04_ _ _ 163_ _ _nudt_qxx]

[Alt]: /images/20220401/73484bd510e6435ba7c445ec55e7980c.png
[1_ _zhubaohua_bupt]: https://blog.csdn.net/zhubaohua_bupt/article/details/76850555
[20160924_GOCVHelper _3_ _jsxyhelu]: https://www.cnblogs.com/jsxyhelu/p/5907544.html
[Opencv3.2_Opencv2.4_]: https://blog.csdn.net/u011028345/article/details/74502317
[Zhang Suen_ _gloomyfish]: https://blog.csdn.net/jia20003/article/details/52142992
[Ubuntu 18.04_ _ _ 163_ _ _nudt_qxx]: https://blog.csdn.net/xiangxianghehe/article/details/80112149
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1pleWlSVGFuZ2VudA_size_16_color_FFFFFF_t_70]: /images/20220401/995d11402ea441919bb6c1ecde0d8e61.png