opencv的骨架提取代码实现

opencv实现图像骨架提取

文章目录

• 一.图像骨架提取

• 二.ximgproc.thinning

• 三.使用腐蚀和开运算实现

一.图像骨架提取

骨架提取，也叫二值图像细化。这种算法能将一个连通区域细化成一个像素的宽度，用于特征提取和目标拓扑表示。

二.ximgproc.thinning

下载包opencv-contrib-python，更新到最新版本，即可使用ximgproc.thinning。关于部分帖子说opencv-contrib-python和python-opencv不能共存实为谬论。

import cv2
import numpy as np

img = cv2.imread('filename', 0)
skeleton = np.zeros_like(img)
skeleton = cv2.ximgproc.thinning(img, skeleton)
cv2.imshow("filename",skeleton)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果如图：

三.使用腐蚀和开运算实现

对一个图像不断腐蚀直到为空，在每次腐蚀过程中执行如下步骤：

1.对腐蚀的图像进行开运算，

2.用开运算前的图像减去开运算后的图像，

3.将步骤2得到的图像累加，

步骤3中累加的图案即为骨架。

import cv2
import numpy as np

img = cv2.imread('filename', 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, (3, 3))
    # 腐蚀
    dst = cv2.erode(dst, kernel)
    # 开运算
    open_dst = cv2.morphologyEx(dst, cv2.MORPH_OPEN, kernel)
    # 原图像减去开运算
    result = dst - open_dst
    # 累加
    skeleton = skeleton + result
cv2.imwrite("filename", skeleton)