python 骨架提取及细化算法（可直接用）

原创

已于 2023-02-15 11:16:12 修改 · 4.2k 阅读

38 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #计算机视觉 #python

于 2022-11-09 15:44:57 首次发布

本文介绍了如何使用Zhang-Suen细化算法对灰度图像进行处理，通过中值滤波和二值化，然后应用细化算法提取图像的骨架，展示了从原始图像到精细化结构的完整过程。

# 导入库
import matplotlib
import matplotlib.pyplot as plt
import cv2 as cv
# 将图像转为灰度图像
from PIL import Image

path_img = r'C:\Users\Administrator\PycharmProjects\acquire_RGB\picture\B1F\105242247.png'
# 读取灰度图像
img_original = cv.imread(path_img)
gray = cv.cvtColor(img_original, cv.COLOR_BGRA2GRAY)  # 把彩色通道图像转换成灰度图

# 对图像进行预处理，二值化
# 中值滤波
median_img = cv.medianBlur(gray,5)
# 二值化
ret,BW_Original = cv.threshold(median_img,10,255,cv.THRESH_BINARY)
# BW_Original = (BW_Original < 235)
cv.imshow('b',BW_Original)
cv.waitKey()
# 定义像素点周围的8邻域
#                P9 P2 P3
#                P8 P1 P4
#                P7 P6 P5

def neighbours(x, y, image):
    img = image
    x_1, y_1, x1, y1 = x - 1, y - 1, x + 1, y + 1
    return [img[x_1][y], img[x_1][y1], img[x][y1], img[x1][y1],  # P2,P3,P4,P5
            img[x1][y], img[x1][y_1], img[x][y_1], img[x_1][y_1]]  # P6,P7,P8,P9

#N(p1)表示与1相邻的8个像素点中，为前景像素点的个数。
def sum_number(n):
    S = 0
    for i in range(len(n)):