提取轮廓时的骨架化图像问题

Question

我找到了一段代码，可以用来获取一个骨架化的图像。我有一张圆形的图片（https://docs.google.com/file/d/0ByS6Z5WRz-h2RXdzVGtXUTlPSGc/edit?usp=sharing）。

img = cv2.imread(nomeimg,0)
size = np.size(img)
skel = np.zeros(img.shape,np.uint8)

ret,img = cv2.threshold(img,127,255,0)
element = cv2.getStructuringElement(cv2.MORPH_CROSS,(3,3))
done = False

while( not done):
    eroded = cv2.erode(img,element)
    temp = cv2.dilate(eroded,element)
    temp = cv2.subtract(img,temp)
    skel = cv2.bitwise_or(skel,temp)
    img = eroded.copy()

    zeros = size - cv2.countNonZero(img)
    if zeros==size:
        done = True

print("skel")
print(skel)

cv2.imshow("skel",skel)
cv2.waitKey(0)

问题是，得到的图像结果并不是一个“骨架”，而是一堆点！我想要的其实是提取轮廓的边缘，前提是我已经把图像骨架化了。我该如何修改我的代码来解决这个问题？使用cv2.findContours来找到骨架的圆形是正确的吗？

Answer 1

你的骨架化算法是用来计算一个白色区域的骨架：

• 腐蚀（Erode）：把“正在测试的像素”设置为结构元素内所有像素的最小值，也就是说黑色像素小于白色像素。
• 膨胀（Dilate）：和腐蚀相反，把“正在测试的像素”设置为结构元素内所有像素的最大值，也就是说白色像素大于黑色像素。

要修复你的代码，你可以调整阈值函数的参数：

ret,img = cv2.threshold(img,240,255,1) 

这些参数的详细说明可以在 这里 找到。

Answer 2

你需要先把白色和黑色反转过来，然后用 cv2.dilate 这个方法填补所有的空洞：

import numpy as np
import cv2

img = cv2.imread("e_5.jpg",0)
size = np.size(img)
skel = np.zeros(img.shape,np.uint8)

ret,img = cv2.threshold(img,127,255,0)
element = cv2.getStructuringElement(cv2.MORPH_CROSS,(3,3))
img = 255 - img
img = cv2.dilate(img, element, iterations=3)

done = False

while( not done):
    eroded = cv2.erode(img,element)
    temp = cv2.dilate(eroded,element)
    temp = cv2.subtract(img,temp)
    skel = cv2.bitwise_or(skel,temp)
    img = eroded.copy()

    zeros = size - cv2.countNonZero(img)
    if zeros==size:
        done = True

这是处理后的结果：

不过，这个结果不是很好，因为还有很多空隙。下面这个算法效果更好，它使用了 scipy.ndimage.morphology 里的函数：

import scipy.ndimage.morphology as m
import numpy as np
import cv2

def skeletonize(img):
    h1 = np.array([[0, 0, 0],[0, 1, 0],[1, 1, 1]]) 
    m1 = np.array([[1, 1, 1],[0, 0, 0],[0, 0, 0]]) 
    h2 = np.array([[0, 0, 0],[1, 1, 0],[0, 1, 0]]) 
    m2 = np.array([[0, 1, 1],[0, 0, 1],[0, 0, 0]])    
    hit_list = [] 
    miss_list = []
    for k in range(4): 
        hit_list.append(np.rot90(h1, k))
        hit_list.append(np.rot90(h2, k))
        miss_list.append(np.rot90(m1, k))
        miss_list.append(np.rot90(m2, k))    
    img = img.copy()
    while True:
        last = img
        for hit, miss in zip(hit_list, miss_list): 
            hm = m.binary_hit_or_miss(img, hit, miss) 
            img = np.logical_and(img, np.logical_not(hm)) 
        if np.all(img == last):  
            break
    return img

img = cv2.imread("e_5.jpg",0)
ret,img = cv2.threshold(img,127,255,0)
element = cv2.getStructuringElement(cv2.MORPH_CROSS,(3,3))
img = 255 - img
img = cv2.dilate(img, element, iterations=3)

skel = skeletonize(img)
imshow(skel, cmap="gray", interpolation="nearest")

处理后的结果是：