细化算法-优快云博客

本文链接：https://blog.youkuaiyun.com/tt2com/article/details/4954257

本文深入探讨了三种典型的图像细化算法，包括查询删除算法、常见细化算法及其变体，重点介绍了它们的工作原理、核心代码和实际应用效果。这些算法在不同场景下的表现各异，适用于特定类型的图像处理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

细化算法作为数学形态学在图像处理上的典型应用对应，可以求取图像基本形状特征，去除多余不相关数据。

细化算法比较多，这里只对3种算法进行分析。

1. 算法一：查询删除————————引自吕凤军《数字图像处理编程入门》

对应3*3局部数据，有1）内部点不删 2）孤立点不删 3）直线端点不删 4）去除后连通域增加不删。

依据事先的判断做出从0~255的元素表，每个元素，为1 获 0 ，并依据处理八个相连点的情况，对应查表结果若为1则可删除。

查表方法设从左上方开始到右下方结束 num=nw/255+n/255*2+ne/255*4+w/255*8+e/255*16+sw/255*32+s/255*64+se/255*125;

原文核心代码为：1 元素表

static int erasetable[256]={ 0,0,1,1,0,0,1,1, 1,1,0,1,1,1,0,1, 1,1,0,0,1,1,1,1, 0,0,0,0,0,0,0,1, 0,0,1,1,0,0,1,1, 1,1,0,1,1,1,0,1, 1,1,0,0,1,1,1,1, 0,0,0,0,0,0,0,1, 1,1,0,0,1,1,0,0, 0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0, 1,1,0,0,1,1,0,0, 1,1,0,1,1,1,0,1, 0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0, 0,0,1,1,0,0,1,1, 1,1,0,1,1,1,0,1, 1,1,0,0,1,1,1,1, 0,0,0,0,0,0,0,1, 0,0,1,1,0,0,1,1, 1,1,0,1,1,1,0,1, 1,1,0,0,1,1,1,1, 0,0,0,0,0,0,0,0, 1,1,0,0,1,1,0,0, 0,0,0,0,0,0,0,0, 1,1,0,0,1,1,1,1, 0,0,0,0,0,0,0,0, 1,1,0,0,1,1,0,0, 1,1,0,1,1,1,0,0, 1,1,0,0,1,1,1,0, 1,1,0,0,1,0,0,0 };

2 处理代码

Finished=FALSE;//对应释放进行细化的判断，迭代到不再有图像数据被删除 while(!Finished){ Finished=TRUE; for (y=1;y<bi.biHeight-1;y++){ lpPtr=(char *)lpImgData+(BufSize-LineBytes-y*LineBytes); lpTempPtr=(char *)lpTempImgData+(BufSize-LineBytes-y*LineBytes); x=1; while(x<bi.biWidth-1){ if(*(lpPtr+x)==0){ w=(unsigned char)*(lpPtr+x-1); e=(unsigned char)*(lpPtr+x+1); if( (w==255)|| (e==255)){ nw=(unsigned char)*(lpPtr+x+LineBytes-1); n=(unsigned char)*(lpPtr+x+LineBytes); ne=(unsigned char)*(lpPtr+x+LineBytes+1); sw=(unsigned char)*(lpPtr+x-LineBytes-1); s=(unsigned char)*(lpPtr+x-LineBytes); se=(unsigned char)*(lpPtr+x-LineBytes+1); num=nw/255+n/255*2+ne/255*4+w/255*8+e/255*16+sw/255*32+s/255*64+se/255*128; if(erasetable[num]==1){ *(lpPtr+x)=(BYTE)255; *(lpTempPtr+x)=(BYTE)255; Finished=FALSE; x++;//此处应加注意 } } } x++; } } for (x=1;x<bi.biWidth-1;x++){ y=1; while(y<bi.biHeight-1){ lpPtr=(char *)lpImgData+(BufSize-LineBytes-y*LineBytes); lpTempPtr=(char *)lpTempImgData+(BufSize-LineBytes-y*LineBytes); if(*(lpPtr+x)==0){ n=(unsigned char)*(lpPtr+x+LineBytes); s=(unsigned char)*(lpPtr+x-LineBytes); if( (n==255)|| (s==255)){ nw=(unsigned char)*(lpPtr+x+LineBytes-1); ne=(unsigned char)*(lpPtr+x+LineBytes+1); w=(unsigned char)*(lpPtr+x-1); e=(unsigned char)*(lpPtr+x+1); sw=(unsigned char)*(lpPtr+x-LineBytes-1); se=(unsigned char)*(lpPtr+x-LineBytes+1); num=nw/255+n/255*2+ne/255*4+w/255*8+e/255*16+sw/255*32+s/255*64+se/255*128; if(erasetable[num]==1){ *(lpPtr+x)=(BYTE)255; *(lpTempPtr+x)=(BYTE)255; Finished=FALSE; y++;//此处应加注意 } } } y++; } } }

对应代码中所插入的x++及y++需要注意。

由于已经存在元素表，算法简单容易实现。实际细化效果，对应环型的细化不是很好

2. 一般书上的细化算法：对于8个相连接数据取

3 2 0

4 1 6

5 8 7

如果p1对下面四条件均满足则可以删除

1）2<=NZ(P1)<=6：即统计区域内的黑点大于等2，小于等于6

2）Z0(P1)=1; 统计区域边缘情况如果存在2中以上情况则点不能删

1 0 x 0 x x x x x x x x x x x x x x x x 1 x 1 0

x x x 1 x x 0 x x x x x x x x x x 1 x x 0 x x x

x x x x x x 1 x x 0 1 x x 0 1 x x 0 x x x x x x

如果存在2种以上情况删除将分割区域。

3）P2*P4*P8!=0 或 Z0(P2)!=1;

4）P2*P4*P6!=0 或 Z0(P4)!=1; //作用没看明白

原代码：

while (fp) { fp = FALSE; // 初始化新分配的内存，设定初始值为255 lpDst = temp; memset(lpDst, (BYTE)255, wide * height); // 由于使用5×5的结构元素，为防越界，不处理外围的2行、2列像素 for (j = 2; j < height - 2; j++) { for (i = 2 ; i < wide - 2 ; i ++) { // 指向源图像倒数第j行，第i个象素的指针 lpSrc = (LPBYTE)(p_data + wide *j + i); // 指向目标图像倒数第j行，第i个象素的指针 lpDst = (LPBYTE)(temp + wide * j + i); // 如果源图像中当前点为白色，则跳过 if (*lpSrc > 127) continue; // 获得当前点相邻的5×5区域内像素值，白色用0代表，黑色用1代表 for (m = 0; m < 5; m++) { for (n = 0; n < 5; n++) { if (*(lpSrc + (2- m) * wide + (n - 2)*2 ) > 127) S[m][n] = 0; else S[m][n] = 1; } } // 判断条件一是否成立： Num = S[1][1] + S[1][2] + S[1][3] + S[2][1] + S[2][3] + S[3][1] + S[3][2] + S[3][3]; if (Num < 2 || Num >6) { *lpDst = 0; continue; } // 判断条件二是否成立： Num = 0; if (S[1][2] == 0 && S[1][1] == 1) Num++; if (S[1][1] == 0 && S[2][1] == 1) Num++; if (S[2][1] == 0 && S[3][1] == 1) Num++; if (S[3][1] == 0 && S[3][2] == 1) Num++; if (S[3][2] == 0 && S[3][3] == 1) Num++; if (S[3][3] == 0 && S[2][3] == 1) Num++; if (S[2][3] == 0 && S[1][3] == 1) Num++; if (S[1][3] == 0 && S[1][2] == 1) Num++; if (Num != 1) { *lpDst = 0; continue; } // 判断条件三是否成立； if (S[1][2] * S[2][1] * S[2][3] != 0) { Num = 0; if (S[0][2] == 0 && S[0][1] == 1) Num++; if (S[0][1] == 0 && S[1][1] == 1) Num++; if (S[1][1] == 0 && S[2][1] == 1) Num++; if (S[2][1] == 0 && S[2][2] == 1) Num++; if (S[2][2] == 0 && S[2][3] == 1) Num++; if (S[2][3] == 0 && S[1][3] == 1) Num++; if (S[1][3] == 0 && S[0][3] == 1) Num++; if (S[0][3] == 0 && S[0][2] == 1) Num++; if (Num == 1) { *lpDst = 0; continue; } } // 判断条件四是否成立： if (S[1][2] * S[2][1] * S[3][2] != 0) { Num = 0; if (S[1][1] == 0 && S[1][0] == 1) Num++; if (S[1][0] == 0 && S[2][0] == 1) Num++; if (S[2][0] == 0 && S[3][0] == 1) Num++; if (S[3][0] == 0 && S[3][1] == 1) Num++; if (S[3][1] == 0 && S[3][2] == 1) Num++; if (S[3][2] == 0 && S[2][2] == 1) Num++; if (S[2][2] == 0 && S[1][2] == 1) Num++; if (S[1][2] == 0 && S[1][1] == 1) Num++; if (Num == 1) { *lpDst = 0; continue; } } // 如果条件均满足则删除该点 *lpDst = 255; fp = TRUE; } }

该代码是从书上直接截取的，需要注意的是上述代码对应像素点代码处理时有问题的在实际处理上每一行的实际宽度为

lineBytes=(wide*biBitCount/8+3)/4*4;

实际处理情况：对应环型的形状处理效果不怎么好。

3 引自《visual c++数字图像处理典型算法及实》

在对环形图形的细化效果最好 (基于什么思想没看明白只对代码进行简单的解释)

数据依据

5 6 7

4 8

1 2 3 来进行处理

1 对图像进行预处理，黑点取1，背景取0

2 判断8数据中的黑点数必须大于1

3 代码中8种情况不能删外，其他情况均可删除

原文核心代码

for(kk=0l; kk<size; kk++) { g[kk] = f[kk];//复制图像数据，数据已经提前二值化最有0，1值,1表黑点 } do { shori = 0;//直到没有像素可以删除？ for(k=1; k<=4; k++)//形成3*3区域，中心点为当前处理像素 { for(i=1; i<lx-1; i++)//X方向处理 { ii = i + a[k];//???用于形成3*3区域？0,-1,1,0,0 for(j=1; j<ly-1; j++) { kk = i*ly + j;//非按date存储读取，按图像与Y纵向读取 if(!f[kk]) // 判断当前点是否为黑点 continue; jj = j + b[k];//0,0,0,-1,1 kk1 = ii*ly + jj;//(i+[0,-1,1,0,0])*ly+j+[0,0,0,-1,1] //1: (i-1)*ly+j 2: (i+1)*ly+j 3: i*ly+(j-1) 4: i*ly+(j+1) //上下左右4个点 if(f[kk1])//对上下左右的白点处理，上下左右至少又一个白点才处理 continue; kk1 = kk - ly -1;//i*ly-ly+j-1=(i-1)*ly+(j-1)左下点 kk2 = kk1 + 1;//下点 kk3 = kk2 + 1;//右下点 n[3] = f[kk1]; n[2] = f[kk2]; n[1] = f[kk3]; kk1 = kk - 1; kk3 = kk + 1;//左右二点 n[4] = f[kk1]; n[8] = f[kk3]; kk1 = kk + ly - 1; kk2 = kk1 + 1; kk3 = kk2 + 1;//左上，上，右上三点 n[5] = f[kk1]; n[6] = f[kk2]; n[7] = f[kk3]; // 5 6 7 // 4 8 // 1 2 3 nrnd = n[1] + n[2] + n[3] + n[4] +n[5] + n[6] + n[7] + n[8]; if(nrnd<=1) continue;//如果当前区域黑点除当前点为少于2个黑点 //当前点不能删除 ?端点？？？ cond = 0;//干嘛用的 n48 = n[4] + n[8];//左右 n26 = n[2] + n[6];//上下 n24 = n[2] + n[4]; // 5 6 7 n46 = n[4] + n[6]; // 4 8 n68 = n[6] + n[8]; // 1 2 3 n82 = n[8] + n[2]; n123 = n[1] + n[2] + n[3]; n345 = n[3] + n[4] + n[5]; n567 = n[5] + n[6] + n[7]; n781 = n[7] + n[8] + n[1]; if(n[2]==1 && n48==0 && n567>0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[6]==1 && n48==0 && n123>0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[8]==1 && n26==0 && n345>0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[4]==1 && n26==0 && n781>0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[5]==1 && n46==0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[7]==1 && n68==0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[1]==1 && n82==0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[3]==1 && n24==0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } cond = 1; if(!cond) continue; g[kk] = 0; shori = 1; } }

上述代码中的cond的作用一直没搞明白，如果哪位大侠干好看了本文同时知道其作用的，希望留意解释一下。

上述三种代码在实际操作中对于不同的图形，处理的细化结果的好坏不一样。在实际应用中需要根据具体情况处理。