点击上方蓝字关注我们
微信公众号：OpenCV学堂
关注获取更多计算机视觉与深度学习知识
问题
前几天有个人问了我一个问题，问题是这样的，他有如下的一张二值图像：
怎么得到白色Blob中心线，他希望的效果如下：
显然OpenCV中常见的轮廓分析无法获得上面的中心红色线段，本质上这个问题是如何提取二值对象的骨架，提取骨架的方法在OpenCV的扩展模块中，另外skimage包也支持图像的骨架提取。这里就分别基于OpenCV扩展模块与skimage包来完成骨架提取，得到上述图示的中心线。
01
安装skimage与opencv扩展包
Python环境下安装skimage图像处理包与opencv计算机视觉包，只需要分别执行下面两行命令：
pip install opencv-contrib-pythonpip install skimage导入使用
from skimage import morphology import cv2 as cv02
使用skimage实现骨架提取
有两个相关的函数实现二值图像的骨架提取，一个是基于距离变换实现的medial_axis方法；另外一个是基于thin的skeletonize骨架提取方法。两个方法的代码实现分别如下：
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实现骨架提取
OpenCV的图像细化的骨架提取方法在扩展模块中，因此需要直接安装opencv-python的扩展包。此外还可以通过形态学的膨胀与腐蚀来实现二值图像的骨架提取，下面的代码实现就是分别演示了基于OpenCV的两种骨架提取方法。代码分别如下：
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()运行结果如下：
因依老宿发心初
半学修心半读书
推荐阅读
OpenCV4系统化学习路线图-视频版本！
Tensorflow + OpenCV4 安全帽检测模型训练与推理
汇总 | OpenCV DNN模块中支持的分类网络
OpenCV中支持的人脸检测方法整理与汇总
详解ENet | CPU可以实时的道路分割网络
从Pytorch 的ONNX到OpenVINO中IR中间层
OpenCV 基于Inception模型图像分类
OpenCV4.4 + YOLOv4 真的可以运行了…..
