欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

深入解析opencv骨架提取的算法步驟

 更新時(shí)間:2022年05月06日 09:24:23   作者:追天一方  
這篇文章主要介紹了深入解析opencv骨架提取的算法步驟

前言

個(gè)人感覺骨架提取提取的就是開運(yùn)算過程的不可逆。

一.算法步驟

1.算法步驟

首先上一下比較官方的算法步驟:

1.獲得原圖像的首地址及圖像的寬和高,并設(shè)置循環(huán)標(biāo)志1

2.用結(jié)構(gòu)元素腐蝕原圖像,并保存腐蝕結(jié)果

3.設(shè)置循環(huán)標(biāo)志為0,如果腐蝕結(jié)果中有一個(gè)點(diǎn)為255,即原圖像尚未被完全腐蝕成空集,則將循環(huán)標(biāo)志設(shè)為1.

4.用結(jié)構(gòu)元素對(duì)腐蝕后的圖像進(jìn)行開運(yùn)算(消除小的白色區(qū)域),并求取腐蝕運(yùn)算與開運(yùn)算的差(得到消除的白色區(qū)域)

5.用[4]中求得的結(jié)果與之前求得的骨架進(jìn)行并集運(yùn)算,以獲得本次循環(huán)求得的骨架
6.把本次循環(huán)中保存的腐蝕結(jié)果賦值給原圖像

7.重復(fù)步驟[2]-[6],直到將原圖像腐蝕成空集為止。

最終求得的骨架就是結(jié)果。

2.分析

作者的理解是這樣的:

輸入:img(二值圖)
輸出:out(和img一樣shape的圖像,初始化是全0)
while img中有像素值為255(在這個(gè)循環(huán)里面,一直腐蝕我們的二值圖,直到全部為黑色):
    腐蝕img圖像
    對(duì)img開運(yùn)算
	img2=開運(yùn)算前的圖像減去開運(yùn)算后的圖像
	out+=img2
輸出out

首先說一下開運(yùn)算,就是對(duì)圖像先做腐蝕再做膨脹。上面一個(gè)核心點(diǎn)就是這一步(img2=開運(yùn)算前的圖像減去開運(yùn)算后的圖像),在這里為什么說個(gè)人感覺骨架提取提取的就是開運(yùn)算過程的不可逆呢?我們對(duì)這個(gè)開運(yùn)算過程分析一下:

1.假如開運(yùn)算后的圖像和開運(yùn)算前的圖像不一樣,比如下面這張圖片:

在這里插入圖片描述

可以看到這張圖片中白色的大部分都比較細(xì)小,我們對(duì)這張圖片做開運(yùn)算的時(shí)候,我們先腐蝕,很容易就讓一部分的白色的部分消失掉,那么這個(gè)白色的部分消失掉之后對(duì)腐蝕后的圖片做膨脹消失的白色部分是膨脹不回來的。這些消失的部分就是開運(yùn)算過程中的不可逆的部分了。

然后我們?cè)诤竺?img2=開運(yùn)算前的圖像減去開運(yùn)算后的圖像),這一步當(dāng)中就是得到了開運(yùn)算中消失的那些白色部分了,這一部分就是開運(yùn)算過程中的不可逆的部分,然后將它疊加到out上。

然后我們通過對(duì)圖像不斷的腐蝕,開運(yùn)算,得到了所有這些圖像中在開運(yùn)算中不可逆的部分,就得到了我們的骨架了。

2.假如開運(yùn)算后的圖像和開運(yùn)算前的圖像不一樣,那這樣的話我們?cè)谶@一步(img2=開運(yùn)算前的圖像減去開運(yùn)算后的圖像)得到img2中的每一個(gè)元素就為0了,那在后面out+=img2這一步的時(shí)候就out相當(dāng)于不變,進(jìn)入下一步循環(huán)在繼續(xù)把白色部分腐蝕地更小,直到得到開運(yùn)算中出現(xiàn)了不可逆地部分再疊加到out上。

所以粗暴地來說,骨架提取就是對(duì)我們地前景區(qū)域,不斷地腐蝕,細(xì)化前景,直到將前景壓縮到細(xì)地不能再細(xì)了。我們的骨架提取提取的就是這一部分。

二.代碼實(shí)現(xiàn)

1.預(yù)處理

這里我們的圖片是以灰度圖片方式讀取進(jìn)來的,然后需要閾值處理轉(zhuǎn)換到二值圖。

然后我們的圖片可能會(huì)有一些其他的較大的噪聲的影響,我們首先對(duì)圖像先進(jìn)行腐蝕操作,手動(dòng)過濾掉一些濾波可能無法過濾的較大噪聲。

'''
用于挑選一個(gè)好的二值圖
'''
import cv2
import numpy as np
import os

def refine(img_path):
    img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
    # thresh, img = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
    thresh, img = cv2.threshold(img, 50, 255, cv2.THRESH_BINARY)
    h, w = img.shape[0:2]
    #前景背景反轉(zhuǎn)
    for i in range(h):
        for j in range(w):
            if img[i, j] == 255:
                img[i, j] = 0
            else:
                img[i, j] = 255
    cv2.namedWindow("binary", 0)
    cv2.resizeWindow("binary", 640, 480)
    cv2.imshow('binary', img)
    dst = img.copy()

    num_erode = 0

    while (True):
        if np.sum(dst) == 0:
            break
        kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (3, 3))
        dst = cv2.erode(dst, kernel)
        cv2.namedWindow("z", 0)
        cv2.resizeWindow("z", 640, 480)
        cv2.imshow('z', dst)
        c = cv2.waitKey(0)
        if c == ord("q"):
            print("保存")
            cv2.imwrite("./refine.png", dst)
            break
        num_erode = num_erode + 1

if __name__ == '__main__':
    refine("input.png")

在這里需要注意的是我們對(duì)圖像進(jìn)行二值化可能會(huì)將我們的背景和前景反轉(zhuǎn),在這里我們需要反轉(zhuǎn)回來。否則的話把反轉(zhuǎn)的代碼注釋掉即可。

我的原圖如下:

在這里插入圖片描述

然后經(jīng)過腐蝕的圖片如下:

在這里插入圖片描述

2. 骨架提取實(shí)現(xiàn)

然后下面就是骨架提取的代碼了:

'''
骨架提取
'''
import cv2
import numpy as np

#由于我們經(jīng)過之前的代碼轉(zhuǎn)換到了二值圖,所以這里不需要轉(zhuǎn)換
img = cv2.imread('refine.png', cv2.IMREAD_GRAYSCALE)
dst = img.copy()

skeleton = np.zeros(dst.shape, np.uint8)
while (True):
    if np.sum(dst) == 0:
        break
    kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (7, 7))
    dst = cv2.erode(dst, kernel, None, None, 1)
    open_dst = cv2.morphologyEx(dst, cv2.MORPH_OPEN, kernel)
    result = dst - open_dst
    skeleton = skeleton + result
    cv2.waitKey(1)



cv2.namedWindow("result",0)
cv2.resizeWindow("result",640,480)
cv2.imshow('result', skeleton)
cv2.imwrite("output.png",skeleton)

cv2.waitKey(0)
cv2.destroyAllWindows()

在這里我們可以通過開運(yùn)算的結(jié)果元大小來稍微調(diào)整一下提取的骨架粗細(xì)。

77開運(yùn)算結(jié)構(gòu)元提取的骨架如下:

在這里插入圖片描述

55開運(yùn)算結(jié)構(gòu)元提取的骨架如下:

在這里插入圖片描述

 到此這篇關(guān)于深入解析opencv骨架提取的算法步驟的文章就介紹到這了,更多相關(guān)opencv骨架提取內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • python 網(wǎng)絡(luò)爬蟲初級(jí)實(shí)現(xiàn)代碼

    python 網(wǎng)絡(luò)爬蟲初級(jí)實(shí)現(xiàn)代碼

    這篇文章主要介紹了python 網(wǎng)絡(luò)爬蟲初級(jí)實(shí)現(xiàn)代碼,需要的朋友可以參考下
    2016-02-02
  • python中文分詞,使用結(jié)巴分詞對(duì)python進(jìn)行分詞(實(shí)例講解)

    python中文分詞,使用結(jié)巴分詞對(duì)python進(jìn)行分詞(實(shí)例講解)

    下面小編就為大家?guī)硪黄猵ython中文分詞,使用結(jié)巴分詞對(duì)python進(jìn)行分詞的實(shí)例講解。有比較好的參考價(jià)值,希望能給大家做個(gè)參考。一起跟隨小編過來看看吧
    2017-11-11
  • python如何停止遞歸

    python如何停止遞歸

    在本篇內(nèi)容里小編給大家整理的是一篇關(guān)于python停止遞歸的方法和相關(guān)知識(shí)點(diǎn),有興趣的朋友們可以學(xué)習(xí)下。
    2020-09-09
  • Python+OpenCV實(shí)現(xiàn)圖像的全景拼接

    Python+OpenCV實(shí)現(xiàn)圖像的全景拼接

    這篇文章主要為大家詳細(xì)介紹了Python+OpenCV實(shí)現(xiàn)圖像的全景拼接,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2020-03-03
  • 最新評(píng)論