图像的骨架提取

细化方法当中，当属经典的Zhang并行快速细化算法，细化之后的轮廓走势与原图保持得相对较好。

参照 http://blog.csdn.net/byxdaz/article/details/5642669 ， 代码改造结果如下， 

//将 DEPTH_8U型二值图像进行细化  经典的Zhang并行快速细化算法
void thin(const Mat &src, Mat &dst, const int iterations)
{
    const int height =src.rows -1;
    const int width  =src.cols -1;

    //拷贝一个数组给另一个数组
    if(src.data != dst.data)
    {
        src.copyTo(dst);
    }
    

    int n = 0,i = 0,j = 0;
    Mat tmpImg;
    uchar *pU, *pC, *pD;
    BOOL isFinished =FALSE;

     for(n=0; n<iterations; n++)
     {
         dst.copyTo(tmpImg); 
         isFinished =FALSE;   //一次 先行后列扫描 开始
         //扫描过程一 开始
         for(i=1; i<height;  i++) 
        {
            pU = tmpImg.ptr<uchar>(i-1);
            pC = tmpImg.ptr<uchar>(i);
            pD = tmpImg.ptr<uchar>(i+1);
           for(int j=1; j<width; j++)
           {
            if(pC[j] > 0)
            {
                 int ap=0;
                 int p2 = (pU[j] >0);
                 int p3 = (pU[j+1] >0);
                 if (p2==0 && p3==1)
                 {
                  ap++;
                 }
                 int p4 = (pC[j+1] >0);
                 if(p3==0 && p4==1)
                 {
                  ap++;
                 }
                 int p5 = (pD[j+1] >0);
                 if(p4==0 && p5==1)
                 {
                  ap++;
                 }
                 int p6 = (pD[j] >0);
                 if(p5==0 && p6==1)
                 {
                  ap++;
                 }
                 int p7 = (pD[j-1] >0);
                 if(p6==0 && p7==1)
                 {
                  ap++;
                 }
                 int p8 = (pC[j-1] >0);
                 if(p7==0 && p8==1)
                 {
                  ap++;
                 }
                 int p9 = (pU[j-1] >0);
                 if(p8==0 && p9==1)
                 {
                  ap++;
                 }
                 if(p9==0 && p2==1)
                 {
                  ap++;
                 }
                 if((p2+p3+p4+p5+p6+p7+p8+p9)>1 && (p2+p3+p4+p5+p6+p7+p8+p9)<7)
                 {
                      if(ap==1)
                      {
                           if((p2*p4*p6==0)&&(p4*p6*p8==0))
                           {                           
                                dst.ptr<uchar>(i)[j]=0;
                                isFinished =TRUE;                            
                           }
                      
                        //   if((p2*p4*p8==0)&&(p2*p6*p8==0))
                       //    {                           
                       //         dst.ptr<uchar>(i)[j]=0;
                       //         isFinished =TRUE;                            
                       //    }
                       
                     }
                }                    
            }

           } //扫描过程一 结束

     
         dst.copyTo(tmpImg); 
         //扫描过程二 开始
         for(i=1; i<height;  i++)  //一次 先行后列扫描 开始
        {
            pU = tmpImg.ptr<uchar>(i-1);
            pC = tmpImg.ptr<uchar>(i);
            pD = tmpImg.ptr<uchar>(i+1);
           for(int j=1; j<width; j++)
           {
            if(pC[j] > 0)
            {
                 int ap=0;
                 int p2 = (pU[j] >0);
                 int p3 = (pU[j+1] >0);
                 if (p2==0 && p3==1)
                 {
                  ap++;
                 }
                 int p4 = (pC[j+1] >0);
                 if(p3==0 && p4==1)
                 {
                  ap++;
                 }
                 int p5 = (pD[j+1] >0);
                 if(p4==0 && p5==1)
                 {
                  ap++;
                 }
                 int p6 = (pD[j] >0);
                 if(p5==0 && p6==1)
                 {
                  ap++;
                 }
                 int p7 = (pD[j-1] >0);
                 if(p6==0 && p7==1)
                 {
                  ap++;
                 }
                 int p8 = (pC[j-1] >0);
                 if(p7==0 && p8==1)
                 {
                  ap++;
                 }
                 int p9 = (pU[j-1] >0);
                 if(p8==0 && p9==1)
                 {
                  ap++;
                 }
                 if(p9==0 && p2==1)
                 {
                  ap++;
                 }
                 if((p2+p3+p4+p5+p6+p7+p8+p9)>1 && (p2+p3+p4+p5+p6+p7+p8+p9)<7)
                 {
                      if(ap==1)
                      {
                        //   if((p2*p4*p6==0)&&(p4*p6*p8==0))
                        //   {                           
                       //         dst.ptr<uchar>(i)[j]=0;
                       //         isFinished =TRUE;                            
                       //    }
                      
                           if((p2*p4*p8==0)&&(p2*p6*p8==0))
                           {                           
                                dst.ptr<uchar>(i)[j]=0;
                                isFinished =TRUE;                            
                           }
                       
                     }
                }                    
            }

           }

          } //一次 先行后列扫描完成          
        //如果在扫描过程中没有删除点，则提前退出
         if(isFinished ==FALSE)
         {
            break; 
         }
        }

    }
}

另一种实现方法，细化结果不大好，但看起来好像是简洁些，适合一般的简单应用。

BOOL isContourPoint(const int x, const int y, const Mat& bwImg)
{
  BOOL p[10] ={0}; //记录当前点的8邻域的有无情况

  const BYTE *pU= bwImg.ptr(y-1, x);  //上一行
  const BYTE *pC= bwImg.ptr(y, x);    //当前行
  const BYTE *pD= bwImg.ptr(y+1, x);  //下一行


   p[2]=*(pU) ? true:false;
   p[3]=*(pU+1) ? true:false;
   p[4]=*(pC+1) ? true:false;
   p[5]=*(pD+1) ? true:false;
   p[6]=*(pD) ? true:false;
   p[7]=*(pD-1) ? true:false;
   p[8]=*(pC-1) ? true:false;
   p[9]=*(pU-1) ? true:false;


  int Np=0;//邻域不为零节点总数
  int Tp=0;//邻域节点由0变成1的次数
  for (int i=2; i<10; i++)
  {
  Np += p[i];
  int k= (i<9) ? (i+1) : 2;
  if ( p[k] -p[i]>0)
  {
  Tp++;
  }
  }
  int p246= p[2] && p[4] && p[6];
  int p468= p[4] && p[6] && p[8];

  int p24= p[2] && !p[3] && p[4] && !p[5] && !p[6] && !p[7] && !p[8] && !p[9];
  int p46= !p[2] && !p[3] && p[4] && !p[5] && p[6] && !p[7] && !p[8] && !p[9];
  int p68= !p[2] && !p[3] && !p[4] && !p[5] && p[6] && !p[7] && p[8] && !p[9];
  int p82= p[2] && !p[3] && !p[4] && !p[5] && !p[6] && !p[7] && p[8] && !p[9];

  int p782= p[2] && !p[3] && !p[4] && !p[5] && !p[6] && p[7] && p[8] && !p[9];
  int p924= p[2] && !p[3] && p[4] && !p[5] && !p[6] && !p[7] && !p[8] && p[9];
  int p346= !p[2] && p[3] && p[4] && !p[5] && p[6] && !p[7] && !p[8] && !p[9];
  int p568= !p[2] && !p[3] && !p[4] && p[5] && p[6] && !p[7] && p[8] && !p[9];

  int p689= !p[2] && !p[3] && !p[4] && !p[5] && p[6] && !p[7] && p[8] && p[9];
  int p823= p[2] && p[3] && !p[4] && !p[5] && !p[6] && !p[7] && p[8] && !p[9];
  int p245= p[2] && !p[3] && p[4] && p[5] && !p[6] && !p[7] && !p[8] && !p[9];
  int p467= !p[2] && !p[3] && p[4] && !p[5] && p[6] && p[7] && !p[8] && !p[9];

  int p2468= p24 || p46 || p68 || p82;
  int p3333= p782 || p924 || p346 || p568 || p689 || p823 || p245 || p467;

  //判定条件第一个由数字图像处理上得到，由于结果不够满意，又加上两个条件
  return ( !p246 && !p468 && (Np<7) && (Np>1) && (Tp==1) ) || p2468 || p3333; 
}


//细化二值图像，得到单像素连通域
void thin(Mat& bwImg)
{
  const int imgRows=bwImg.rows -1;
  const int imgCols=bwImg.cols -1;

  int Remove_Num;
  int i, j;
  do //循环调用，直至没有可以去掉的点
  {
    Remove_Num=0;
    for (j = 1; j < imgRows; j++)
    {
      for(i = 1; i < imgCols; i++)
      {

        if ( *bwImg.ptr(j, i) && isContourPoint( i, j, bwImg))//符合条件，去掉
        {
          *bwImg.ptr(j, i)=0;
          Remove_Num++;
        }  //if
      }  //for
    }  //for
  } while( Remove_Num);
}

图像的骨架提取

原文：http://www.cnblogs.com/dhaichen/p/5210992.html