视觉组学习内容：Zhang-Suen骨架提取算法

╰+攻爆jí腚メ 2022-04-01 11:24 617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；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。
    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

  1. #ifndef C_ZHANGSUEN_DIY_H
  2. #define C_ZHANGSUEN_DIY_H
  4. #include<opencv2/core.hpp>                                            ///基本数据类型
  5. #include<opencv2/imgproc/imgproc.hpp>                                ///图像存取&线性变换
  6. #include<opencv2/highgui.hpp>                                        ///输出接口&交互接口
  8. using namespace std;
  9. using namespace cv;
  11. class Skeleton {
  13. public:
  14.     void initialize();
  15.     void getDst(Mat src);
  16.     void DstToImg();
  17.     int getAP(int i, int j);
  18.     int getBP(int i, int j);
  19.     bool condition34IsOK_1(int i, int j);
  20.     bool condition34IsOK_2(int i, int j);
  21.     void erasePoint(int i, int j);
  22.     Mat Mat_return();
  23.     Skeleton();
  24. private:
  25.     Mat dst;
  26.     Mat tmpImg;
  27.     int height;
  28.     int width;
  29. };
  31. //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
  35. Mat skeleton(Mat src);
  37. #endif //C_ZHANGSUEN_DIY_H

主文件

  1. //*recoverd by Zhenglin/on 2018/12/29 
  2. #include "ZhangSuen_DIY.h"/
  4. Mat skeleton(Mat src);
  6. int main(){
  8.     Mat src = imread("E:/Python/6.jpg");
  9.     Mat gray, binary, dst, skeleton_image;
  11.     //图像预处理
  12.     cvtColor(src, gray, CV_BGR2GRAY);
  13.     threshold(gray, binary, 200, 255, CV_THRESH_BINARY);            ///二值化需要在灰度基础上进行
  14.     namedWindow("Binary", 0);                                        ///只能对黑底白线进行提取，否则需要位反
  15.     imshow("Binary", binary);
  17.     //骨架提取
  18.     skeleton_image = skeleton(binary);
  20.     //输出图像
  21.     namedWindow("Result", 0);
  22.     imshow("Result", skeleton_image);
  23.     waitKey(0);
  24. }

成员函数实现

  1. #include "ZhangSuen_DIY.h"
  3. //此算法的四个条件：
  4. //(a) 2 ≤ B(P1) ≤ 6
  5. //(b) A(P1) = 1
  6. //(c) 
  7. //       1. P2 x P4 x P6 = 0 in odd iterations
  8. //       2. P2 x P4 x P8 = 0 in even iterations
  9. //(d) 
  10. //       1. P4 x P6 x P8 = 0 in odd iterations
  11. //       2. P2 x P6 x P8 = 0 in even iterations    
  14. void Skeleton::initialize() {
  16.     height = dst.cols - 1;
  17.     width = dst.rows - 1;
  18. }
  20. Skeleton::Skeleton() {
  22.     height = dst.cols - 1;
  23.     width = dst.rows - 1;
  24. }
  26. void Skeleton::getDst(Mat src) {
  28.     src.copyTo(dst);
  29. }
  31. void Skeleton::DstToImg() {
  33.     dst.copyTo(tmpImg);
  34. }
  36. int Skeleton::getAP(int i, int j) {
  38.     int ap = 0;
  39.     uchar *pU, *pC, *pD;
  40.     pU = tmpImg.ptr<uchar>(i - 1);                            ///uchar类型的行指针
  41.     pC = tmpImg.ptr<uchar>(i);
  42.     pD = tmpImg.ptr<uchar>(i + 1);
  43.     if (pC[j] > 0) {
  45.         int ap = 0;
  46.         int p2 = (pU[j] > 0);
  47.         int p3 = (pU[j + 1] > 0);
  48.         if (p2 == 0 && p3 == 1)
  49.             ap++;
  51.         int p4 = (pC[j + 1] > 0);
  52.         if (p3 == 0 && p4 == 1)
  53.             ap++;
  55.         int p5 = (pD[j + 1] > 0);                        ///9 2 3 
  56.         if (p4 == 0 && p5 == 1)                            ///8 j 4
  57.             ap++;                                        ///7 6 5
  59.         int p6 = (pD[j] > 0);
  60.         if (p5 == 0 && p6 == 1)
  61.             ap++;
  63.         int p7 = (pD[j - 1] > 0);
  64.         if (p6 == 0 && p7 == 1)
  65.             ap++;
  67.         int p8 = (pC[j - 1] > 0);
  68.         if (p7 == 0 && p8 == 1)
  69.             ap++;
  71.         int p9 = (pU[j - 1] > 0);
  72.         if (p8 == 0 && p9 == 1)
  73.             ap++;
  75.         if (p9 == 0 && p2 == 1)
  76.             ap++;
  78.         return ap;
  79.     }
  80. }
  82. int Skeleton::getBP(int i, int j) {
  84.     uchar *pU, *pC, *pD;
  85.     pU = tmpImg.ptr<uchar>(i - 1);
  86.     pC = tmpImg.ptr<uchar>(i);
  87.     pD = tmpImg.ptr<uchar>(i + 1);
  88.     if (pC[j] > 0) {
  90.         int p2 = (pU[j] > 0);
  91.         int p3 = (pU[j + 1] > 0);
  92.         int p4 = (pC[j + 1] > 0);
  93.         int p5 = (pD[j + 1] > 0);
  94.         int p6 = (pD[j] > 0);
  95.         int p7 = (pD[j - 1] > 0);
  96.         int p8 = (pC[j - 1] > 0);
  97.         int p9 = (pU[j - 1] > 0);
  99.         return p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9;
  100.     }
  101. }
  103. bool Skeleton::condition34IsOK_1(int i, int j) {
  105.     uchar *pU, *pC, *pD;
  106.     pU = tmpImg.ptr<uchar>(i - 1);
  107.     pC = tmpImg.ptr<uchar>(i);
  108.     pD = tmpImg.ptr<uchar>(i + 1);
  109.     if (pC[j] > 0) {
  111.         int p2 = (pU[j] > 0);
  112.         int p3 = (pU[j + 1] > 0);
  113.         int p4 = (pC[j + 1] > 0);
  114.         int p5 = (pD[j + 1] > 0);
  115.         int p6 = (pD[j] > 0);
  116.         int p7 = (pD[j - 1] > 0);
  117.         int p8 = (pC[j - 1] > 0);
  118.         int p9 = (pU[j - 1] > 0);
  120.         if ((p2*p4*p6 == 0) && (p4*p6*p8 == 0)) return 1;
  121.         else return 0;
  122.     }
  123. };
  125. bool Skeleton::condition34IsOK_2(int i, int j) {
  127.     uchar *pU, *pC, *pD;
  128.     pU = tmpImg.ptr<uchar>(i - 1);
  129.     pC = tmpImg.ptr<uchar>(i);
  130.     pD = tmpImg.ptr<uchar>(i + 1);
  131.     if (pC[j] > 0) {
  133.         int p2 = (pU[j] > 0);
  134.         int p3 = (pU[j + 1] > 0);
  135.         int p4 = (pC[j + 1] > 0);
  136.         int p5 = (pD[j + 1] > 0);
  137.         int p6 = (pD[j] > 0);
  138.         int p7 = (pD[j - 1] > 0);
  139.         int p8 = (pC[j - 1] > 0);
  140.         int p9 = (pU[j - 1] > 0);
  142.         if ((p2*p4*p8 == 0) && (p2*p6*p8 == 0)) return 1;
  143.         else return 0;
  144.     }
  145. };
  147. void Skeleton::erasePoint(int i, int j) {
  149.     dst.ptr<uchar>(i)[j] = 0;
  150. }
  152. Mat Skeleton::Mat_return() {
  154.     return dst;
  155. };
  157. Mat skeleton(Mat src) {
  160.     int i = 0, j = 0;
  161.     bool isFinished = false;
  163.     Skeleton skel;
  164.     skel.getDst(src);
  165.     skel.initialize();
  167.     while (true) {
  169.         skel.DstToImg();
  170.         isFinished = false;
  172.         //扫描过程一 开始
  173.         for (i = 1; i < src.cols - 1; i++) {
  175.             for (int j = 1; j < src.rows - 1; j++) {
  177.                 if (skel.getBP(i, j) > 1 && skel.getBP(i, j) < 7) {
  179.                     if (skel.getAP(i, j) == 1) {
  181.                         if (skel.condition34IsOK_1(i, j)) {
  183.                             skel.erasePoint(i, j);
  184.                             isFinished = true;
  185.                         }
  186.                     }
  187.                 }
  188.             }
  190.         }
  191.         //扫描过程一 结束
  193.         skel.DstToImg();
  195.         //扫描过程二 开始
  196.         for (i = 1; i < src.cols - 1; i++) {
  198.             for (int j = 1; j < src.rows - 1; j++) {
  200.                 if (skel.getBP(i, j) > 1 && skel.getBP(i, j) < 7) {
  202.                     if (skel.getAP(i, j) == 1) {
  204.                         if (skel.condition34IsOK_2(i, j)) {
  206.                             skel.erasePoint(i, j);
  207.                             isFinished = true;
  208.                         }
  209.                     }
  210.                 }
  211.             }
  212.         }
  213.         //扫描过程二 结束
  215.         if (isFinished == false)///如果在扫描过程中没有删除点则提前退出
  216.             return skel.Mat_return();
  217.     }
  218. }

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

发表评论

表情：
评论列表 （有 0 条评论，617人围观）

还没有评论，来说两句吧...

相关阅读