問(wèn)題

前幾天有個(gè)人問(wèn)了我一個(gè)問(wèn)題，問(wèn)題是這樣的，他有如下的一張二值圖像：

怎么得到白色Blob中心線(xiàn)，他希望的效果如下：

顯然OpenCV中常見(jiàn)的輪廓分析無(wú)法獲得上面的中心紅色線(xiàn)段，本質(zhì)上這個(gè)問(wèn)題是如何提取二值對(duì)象的骨架，提取骨架的方法在OpenCV的擴(kuò)展模塊中，另外skimage包也支持圖像的骨架提取。這里就分別基于OpenCV擴(kuò)展模塊與skimage包來(lái)完成骨架提取，得到上述圖示的中心線(xiàn)。

01安裝skimage與opencv擴(kuò)展包

Python環(huán)境下安裝skimage圖像處理包與opencv計(jì)算機(jī)視覺(jué)包，只需要分別執(zhí)行下面兩行命令：

pip install opencv-contrib-pythonpip install skimage

導(dǎo)入使用

from skimage import morphology import cv2 as cv

02使用skimage實(shí)現(xiàn)骨架提取

有兩個(gè)相關(guān)的函數(shù)實(shí)現(xiàn)二值圖像的骨架提取，一個(gè)是基于距離變換實(shí)現(xiàn)的medial_axis方法；另外一個(gè)是基于thin的skeletonize骨架提取方法。兩個(gè)方法的代碼實(shí)現(xiàn)分別如下：

1def skeleton_demo（image）：

2 gray = cv.cvtColor（image， cv.COLOR_BGR2GRAY）

3 ret， binary = cv.threshold（gray， 0， 255， cv.THRESH_BINARY | cv.THRESH_OTSU）

4 binary［binary == 255］ = 1

5 skeleton0 = morphology.skeletonize（binary）

6 skeleton = skeleton0.astype（np.uint8） * 255

7 cv.imshow（“skeleton”， skeleton）

8 cv.waitKey（0）

9 cv.destroyAllWindows（）

10

11

12def medial_axis_demo（image）：

13 gray = cv.cvtColor（image， cv.COLOR_BGR2GRAY）

14 ret， binary = cv.threshold（gray， 0， 255， cv.THRESH_BINARY | cv.THRESH_OTSU）

15 binary［binary == 255］ = 1

16 skel， distance = morphology.medial_axis（binary， return_distance=True）

17 dist_on_skel = distance * skel

18 skel_img = dist_on_skel.astype（np.uint8）*255

19 contours， hireachy = cv.findContours（skel_img， cv.RETR_EXTERNAL， cv.CHAIN_APPROX_SIMPLE）

20 cv.drawContours（image， contours， -1， （0， 0， 255）， 1， 8）

21

22 cv.imshow（“result”， image）

23 cv.waitKey（0）

24 cv.destroyAllWindows（）

03使用OpenCV實(shí)現(xiàn)骨架提取

OpenCV的圖像細(xì)化的骨架提取方法在擴(kuò)展模塊中，因此需要直接安裝opencv-python的擴(kuò)展包。此外還可以通過(guò)形態(tài)學(xué)的膨脹與腐蝕來(lái)實(shí)現(xiàn)二值圖像的骨架提取，下面的代碼實(shí)現(xiàn)就是分別演示了基于OpenCV的兩種骨架提取方法。代碼分別如下：

1def morph_find（image）：

2 gray = cv.cvtColor（image， cv.COLOR_BGR2GRAY）

3 ret， binary = cv.threshold（gray， 0， 255， cv.THRESH_BINARY | cv.THRESH_OTSU）

4 kernel = cv.getStructuringElement（cv.MORPH_CROSS， （3， 3））

5 finished = False

6 size = np.size（binary）

7 skeleton = np.zeros（binary.shape， np.uint8）

8 while （not finished）：

9 eroded = cv.erode（binary， kernel）

10 temp = cv.dilate（eroded， kernel）

11 temp = cv.subtract（binary， temp）

12 skeleton = cv.bitwise_or（skeleton， temp）

13 binary = eroded.copy（）

14

15 zeros = size - cv.countNonZero（binary）

16 if zeros == size：

17 finished = True

18

19 contours， hireachy = cv.findContours（skeleton， cv.RETR_EXTERNAL， cv.CHAIN_APPROX_SIMPLE）

20 cv.drawContours（image， contours， -1， （0， 0， 255）， 1， 8）

21 cv.imshow（“skeleton”， image）

22 cv.waitKey（0）

23 cv.destroyAllWindows（）

24

25

26def thin_demo（image）：

27 gray = cv.cvtColor（image， cv.COLOR_BGR2GRAY）

28 ret， binary = cv.threshold（gray， 0， 255， cv.THRESH_BINARY | cv.THRESH_OTSU）

29 thinned = cv.ximgproc.thinning（binary）

30 contours， hireachy = cv.findContours（thinned， cv.RETR_EXTERNAL， cv.CHAIN_APPROX_SIMPLE）

31 cv.drawContours（image， contours， -1， （0， 0， 255）， 1， 8）

32 cv.imshow（“thin”， image）

33 cv.waitKey（0）

34 cv.destroyAllWindows（）

運(yùn)行結(jié)果如下：

編輯：jq