图像处理之Zhang Suen细化算法

最新推荐文章于 2025-05-17 15:36:44 发布

weixin_34116110

最新推荐文章于 2025-05-17 15:36:44 发布

阅读量2.3k

点赞数 4

CC 4.0 BY-SA版权

文章标签：人工智能 matlab python

原文链接：https://yq.aliyun.com/articles/446111

本文介绍了Zhang-Suen细化算法在二值图像处理中的应用，特别是在OCR识别和匹配中的角色。该算法通过迭代两个步骤来细化图像，最终得到图像骨架。文章详细解释了算法的两个迭代条件，并提供了代码实现步骤，包括二值化、初始化标记映射数组以及细化过程。最后展示了运行效果和完整代码实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在二值图像处理特别是OCR识别与匹配中，都要通过对字符进行细化以便获得图像的骨架，通过zhang-suen细化算法获得图像，作为图像的特征之一，常用来作为识别或者模式匹配。

一：算法介绍

Zhang-Suen细化算法通常是一个迭代算法，整个迭代过程分为两步：

Step One：循环所有前景像素点，对符合如下条件的像素点标记为删除：

1. 2 <= N(p1) <=6

2. S(P1) = 1

3. P2 * P4 * P6 = 0

4. P4 * P6 * P8 = 0

其中N(p1)表示跟P1相邻的8个像素点中，为前景像素点的个数

S(P1)表示从P2 ～ P9 ～ P2像素中出现0～1的累计次数，其中0表示背景，1表示前景

完整的P1 ～P9的像素位置与举例如下：

其中 N(p1) = 4, S(P1) = 3, P2*P4*P6=0*0*0=0, P4*P6*P8=0*0*1=0, 不符合条件，无需标记为删除。

Step Two：跟Step One很类似，条件1、2完全一致，只是条件3、4稍微不同，满足如下条件的像素P1则标记为删除，条件如下：

1. 2 <= N(p1) <=6

2. S(P1) = 1

3. P2 * P4 * P8 = 0

4. P2 * P6 * P8 = 0

循环上述两步骤，直到两步中都没有像素被标记为删除为止，输出的结果即为二值图像细化后的骨架。

二：代码实现步骤

1. 二值化输入图像，初始化图像像素对应的标记映射数组

                BufferedImage binaryImage = super.process(image);
		int width = binaryImage.getWidth();
		int height = binaryImage.getHeight();
		int[] pixels = new int[width*height];
		int[] flagmap = new int[width*height];
		getRGB(binaryImage, 0, 0, width, height, pixels);
		Arrays.fill(flagmap, 0);