CN110097495A - 一种改进的Zhang并行图像细化算法 - Google Patents
一种改进的Zhang并行图像细化算法 Download PDFInfo
- Publication number
- CN110097495A CN110097495A CN201910346823.2A CN201910346823A CN110097495A CN 110097495 A CN110097495 A CN 110097495A CN 201910346823 A CN201910346823 A CN 201910346823A CN 110097495 A CN110097495 A CN 110097495A
- Authority
- CN
- China
- Prior art keywords
- image
- points
- refinement
- algorithm
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007670 refining Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims abstract description 4
- 230000008859 change Effects 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000001027 hydrothermal synthesis Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种改进的Zhang并行图像细化算法,对需要细化的灰度图像进行二值化处理;对以细化目标点为中心的8邻域像素点进行分析,若满足细化条件则进行标记,当对图像中所有边界点检验完毕后,将标记的点去除;在处理后的图像上进一步以细化目标点为中心的8邻域像素点进行二次分析,若满足细化条件则进行二次标记,当图像中所有边界点检验完毕后,将标记的点去除;循环执行上述标记过程,直至删除所有满足以上条件的点,即得最终的细化结果。本发明方法提升了细化结果拓扑结构的完整性和平滑性,还提高了算法的运行效率。
Description
技术领域
本发明涉及图像处理技术,具体涉及一种改进的Zhang并行图像细化算法。
背景技术
图像细化是将图像的线条从多像素宽度减少到单位像素宽度,简称骨架化。细化效果的好坏直接影响后期图像处理的效果。对于二值图像已经有不少细化算法,对比文件1(Zhang TY,Suen C Y.A fast parallel algorithm for thinning digital patterns[J].Comm ACM,1984,27:236-239.)提出Zhang快速并行细化算法,具有速度快、细化后曲线连通、无毛刺等优点,但是细化不彻底,不能保证细化后的曲线纹路为单一像素,某些情况下还会过量删除像素点,改变源图像的拓扑结构。对比文件2(Holt C M,Stewart A,ClintM,et al.An improved parallel thinning algorithm[J].Communications of the ACM,1987,30(2):156-160.)对Zhang细化算法进行了改进,进一步提高了算法的运算速度,但细化效果并没有提升,细化后的拓扑结构仍易发生变化。对比文件3(Zhang快速并行细化算法的扩展[J].福建工程学院学报,2006,4(1):89-92.)在Zhang细化算法运行结束以后,对不是单像素宽的细化像素点进行检测删除,并对断点情况进行修复,但是增加了算法的遍历图像的次数,降低了算法的运行效率。
发明内容
本发明的目的在于提供一种改进的Zhang并行图像细化算法,提高算法的细化效果和运行效率。
实现本发明目的的技术解决方案是:1、一种改进的Zhang并行图像细化算法,其特征在于,包括以下步骤:
步骤1、图像预处理:对需要细化的灰度图像进行二值化处理;
步骤2、边界条件标记:对以细化目标点为中心的8邻域像素点进行分析,若满足细化条件则进行标记,当对图像中所有边界点检验完毕后,将标记的点去除,标记的具体条件如下:
或
其中,P1为中心点,其8邻域点按照顺时针方向分别命名为P2到P9,其中P2位于P1的正上方,N(P1)是P1的8邻域中非零点的个数;S(P1)是P1的8邻域点顺时针转一圈中值由0变到1的次数,若满足第一个式子的三个条件或第二个式子的四个条件,则对边界点进行标记;
步骤3、二次标记:在步骤2处理后的图像上进一步以细化目标点为中心的8邻域像素点进行二次分析,若满足细化条件则进行二次标记,当图像中所有边界点检验完毕后,将标记的点去除,标记的具体条件如下:
或
步骤4、循环迭代:循环执行步骤2与步骤3,直至删除所有满足以上条件的点,即得最终的细化结果。
作为一种具体实施方式,步骤1中,利用Otsu法进行二值化阈值选择。
本发明与现有技术相比,其显著优点在于:本发明设计了新的标记条件,提高了细化的准确性和拓扑性,在保证细化结果是单像素宽度细线的同时,不会改变源图像的拓扑结构。
附图说明
图1为传统Zhang细化算法的细化效果放大图,其中(a)为细化结果局部放大图;(b)为局部放大图的数据形式表示示意图。
图2为Zhang细化算法结果分析图,其中(a)为源图像;(b)为细化结果图。
图3为本发明改进的Zhang并行图像细化算法的流程示意图。
图4为Zhang并行图像细化算法的八邻域示意图,其中(a)为八邻域示意图,(b)为八邻域方位与条件示意图。
图5为传统Zhang并行图像细化算法与改进的Zhang细化算法的细化效果图,其中(a)为源图像;(b)经典Zhang细化算法的细化效果图;(c)为吴选忠改进算法的细化效果图;(d)为本发明算法的细化效果图。
图6为各算法细化效果的局部放大示意图,(a)经典Zhang细化算法的细化效果放大图;(b)为吴选忠改进算法的细化效果放大图;(c)为本发明算法的细化效果放大图。
具体实施方式
下面结合附图和具体实施例,进一步说明本发明方案。
图1为传统Zhang细化算法的细化效果放大图,从图中可以看出,该算法存在两个待解决的问题:
第一个问题,Zhang并行算法并不能保证细化后的结果是一条单像素宽度的细线,如图1(a)所示的细化效果,这不能满足一些边缘提取算法的需要。分析对应的数据矩阵,如图1(b)所示,发现这是由于S(P1)=2,P1不符合标记对象,没有办法去除。
第二个问题,对图2(a)所示的源图像进行细化,细化结果如图2(b)所示。通过该例可以看出,原始图像是一个倾斜45°的直角,而经过Zhang并行细化算法,得到的结果变成一个短小的直线,细化的结果改变了源图像的拓扑结构。
针对以上两个问题,本发明分析其出现的原因,并给出改进方案。
第一个问题,细化结果不一定是单像素宽度的细线。这是由细化结果中存在不能满足S(P1)=2这个条件的点导致的,如图1(b)所示。当S(P1)≥3时,P1点处于多条细线的交汇点,这时的P1应该保留。因而,下面针对S(P1)=2的情况进行详细研究。
N(P1)=2且S(P1)=2有以下几种典型情况,如下式中四个矩阵所示:
由于其余满足上述条件的情况,都可以通过上式中矩阵旋转或者翻折得到。所以,只选择这几种典型的情况研究。显然,通过该条件只有(1)矩阵的中心点可以去除,其余的所有的情况都会造成连接线的断裂。
同理可得,N(P1)=3且S(P1)=2时,唯一可以去除的中心点典型矩阵为:
当N(P1)>3且S(P1)=2时,可以证明,矩阵中必然有在同一直线上三个数据全都是1的情况。对于这种情况,中心点可能位于连接线的中间,暂时不能删除。
综合上述两式,可以总结出能够删除的中心点,需要在满足S(P1)=2且N(P1)=3的同时,满足中心点的8邻域矩阵为下式四种情况:
其中,x表示0或者1。为了防止改变拓扑结构,需要将(5)和(6)放入一组,(7)和(8)放入另一组。
综上可知,改进算法的条件分别如下式所示:
和
第二个问题,细化的结果会改变源图像的拓扑结构。这是由传统Zhang细化算法标记条件中N(P1)=2和S(P1)=1导致的过删除。所以,需要将算法标记条件公式进行改进,分别对应为下述二式:
和
对于N(P1)=2时的图像细化问题,则交由本发明提出问题一的改进算法条件来解决。这样,既可以不改变图像的拓扑结构,又可以使得到的细化图像是一条像素宽度为1的完美细化曲线。
本发明结合上述约束条件,提出一种改进的Zhang并行图像细化算法,以提高细化的准确性和拓扑性。如图3所示,算法具体包括以下步骤:
步骤1、图像预处理:对需要细化的灰度图像进行二值化处理。
进一步地,可以利用目前应用较为广泛的Otsu法进行二值化阈值选择,从而得到清晰的边缘轮廓线,更好的为图像细化等后续处理服务。
步骤2、边界条件标记:对以细化目标点为中心的8邻域像素点进行分析,若满足细化条件则进行标记,当图像中所有点检验完毕后,将标记的点去除。
进一步地,具体处理的是以1为目标点,以0为背景点的二值图像,8邻域示例如图4所示。设中心点为P1,其8邻域点按照顺时针方向分别命名为P2到P9,其中P2位于P1的正上方。对以细化目标点为中心的8邻域像素点进行分析,若满足式(5)三个条件或式(7)四个条件,则对边界点进行标记。当图像中所有点检验完毕后,将标记的点去除。
其中,N(P1)是P1的8邻域中非零点的个数;S(P1)是P1的8邻域点顺时针转一圈中值由0变到1的次数。
步骤3、二次标记:对步骤2处理后的图像进行二次标记,基本与步骤2相同,不同之处在于标记条件,同样的,当所有的点都检验完成后,就将标记点去除。
进一步地,与步骤2类似,不同的是标记条件变为满足式(6)三个条件或式(8)四个条件,则对边界点进行标记。同样的,当所有的点都检验完成后,就将标记点去除。
步骤4、循环迭代:将步骤2与步骤3不断的对整幅二值图进行迭代,直到图像中所有的点都不满足以上两个条件的时候,算法结束,剩下的点就是最终的细化结果。
实施例
为了验证本发明方案的有效性,本实施例分别使用经典Zhang细化算法、吴选忠(吴选忠.Zhang快速并行细化算法的扩展[J].福建工程学院学报,2006,4(1):89-92.)提出的改进算法以及本发明的算法进行仿真实验,运行结果分别如图5所示。
由图5可看出,在输入相同的源图像时,总体上看,各种算法细化的结果基本一致,都获取了比较好的细化结果。但是,如果将原始图像和细化后的图像叠加在一起,并且放大图像细节,就会发现本发明算法相对于其余算法的优越性。
各种算法的细化结果局部放大图如图6所示,其黑色背景是原二值图像的取反的结果。通过图6(a)可以清楚发现经典Zhang并行快速细化算法的两个不足:第一,细化的结果并不是单像素宽度的细线,如图6(a)的(2)(4)(5)三处典型的区域所示。第二,细化的结果会出现因“过删除”而改变原始图像拓扑结构的现象,如图6(a)的(1)(3)区域所示。
对于第一个问题,通过对比图6中三幅图像可以看出,吴选忠改进算法和本发明的算法都有一定的改进,得到的细化结果都是单像素宽度的细线。但是,仔细对比图6的(b)和(c)的(2)(4)(5)三处典型位置就会发现:本发明算法的细化结果更加平滑,对于尖点有抑制效果。并且,本发明的细化结果定位更加精确,位于细化前图像的中间部位。
对于第二个问题,通过对比图6中三幅图像中(1)(3)两个典型位置可以看出,本发明的算法更好的保持原始图像的拓扑结构。对于原算法中的丢失的细节结构,有了一定的弥补。而吴选忠改进的算法依然和传统Zhang细节算法没有什么区别,对于该问题没有任何改善。
为对比三种算法的处理效率,设计了三种不同尺寸的二值图像,每种算法的20次运行的平均时间如表1所示。
表1各细化算法运行平均时间
通过表1可以看出,随着算法运算量的增加,本文的细化算法在效率上也具有一定的优势。综上所述,本发明改进后的Zhang细化算法细化结果不仅拓扑结构完整,曲线平滑,而且还提高了算法的运行效率。
Claims (2)
1.一种改进的Zhang并行图像细化算法,其特征在于,包括以下步骤:
步骤1、图像预处理:对需要细化的灰度图像进行二值化处理;
步骤2、边界条件标记:对以细化目标点为中心的8邻域像素点进行分析,若满足细化条件则进行标记,当对图像中所有边界点检验完毕后,将标记的点去除,标记的具体条件如下:
或
其中,P1为中心点,其8邻域点按照顺时针方向分别命名为P2到P9,其中P2位于P1的正上方,N(P1)是P1的8邻域中非零点的个数;S(P1)是P1的8邻域点顺时针转一圈中值由0变到1的次数,若满足第一个式子的三个条件或第二个式子的四个条件,则对边界点进行标记;
步骤3、二次标记:在步骤2处理后的图像上进一步以细化目标点为中心的8邻域像素点进行二次分析,若满足细化条件则进行二次标记,当图像中所有边界点检验完毕后,将标记的点去除,标记的具体条件如下:
或
步骤4、循环迭代:循环执行步骤2与步骤3,直至删除所有满足以上条件的点,即得最终的细化结果。
2.根据权利要求1所述的改进的Zhang并行图像细化算法,其特征在于,步骤1中,利用Otsu法进行二值化阈值选择。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910346823.2A CN110097495A (zh) | 2019-04-27 | 2019-04-27 | 一种改进的Zhang并行图像细化算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910346823.2A CN110097495A (zh) | 2019-04-27 | 2019-04-27 | 一种改进的Zhang并行图像细化算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110097495A true CN110097495A (zh) | 2019-08-06 |
Family
ID=67446129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910346823.2A Pending CN110097495A (zh) | 2019-04-27 | 2019-04-27 | 一种改进的Zhang并行图像细化算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110097495A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111507893A (zh) * | 2020-04-15 | 2020-08-07 | 广西科技大学 | 一种基于同步可删原理的图像细化方法及系统 |
CN112446818A (zh) * | 2019-08-29 | 2021-03-05 | 比亚迪半导体股份有限公司 | 图像细化的方法、装置、存储介质及电子设备 |
CN114820671A (zh) * | 2022-04-11 | 2022-07-29 | 苏州大学 | 一种用于货运铁路无人驾驶的轨道限界识别方法 |
-
2019
- 2019-04-27 CN CN201910346823.2A patent/CN110097495A/zh active Pending
Non-Patent Citations (1)
Title |
---|
程金浪: "Zhang快速并行细化算法检测地震反射同相轴", 《内蒙古煤炭经济》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112446818A (zh) * | 2019-08-29 | 2021-03-05 | 比亚迪半导体股份有限公司 | 图像细化的方法、装置、存储介质及电子设备 |
CN112446818B (zh) * | 2019-08-29 | 2024-04-16 | 比亚迪半导体股份有限公司 | 图像细化的方法、装置、存储介质及电子设备 |
CN111507893A (zh) * | 2020-04-15 | 2020-08-07 | 广西科技大学 | 一种基于同步可删原理的图像细化方法及系统 |
CN114820671A (zh) * | 2022-04-11 | 2022-07-29 | 苏州大学 | 一种用于货运铁路无人驾驶的轨道限界识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104751142B (zh) | 一种基于笔划特征的自然场景文本检测方法 | |
CN110097495A (zh) | 一种改进的Zhang并行图像细化算法 | |
US20190050662A1 (en) | Method and Device For Recognizing the Character Area in a Image | |
US9384409B1 (en) | Word segmentation for document image using recursive segmentation | |
US8965127B2 (en) | Method for segmenting text words in document images | |
CN105528614B (zh) | 一种漫画图像版面的识别方法和自动识别系统 | |
US20120213429A1 (en) | System and method for extracting flowchart information from digital images | |
Chen et al. | Shadow-based Building Detection and Segmentation in High-resolution Remote Sensing Image. | |
CA2401065C (en) | Document matching and annotation lifting | |
TW200540728A (en) | Text region recognition method, storage medium and system | |
CN109344820A (zh) | 基于计算机视觉和深度学习的数字式电表读数识别方法 | |
CN109544577B (zh) | 一种基于边缘点编组的改进直线提取方法 | |
Jagna et al. | New parallel binary image thinning algorithm | |
CN115588208A (zh) | 一种基于数字图像处理技术的全线表结构识别方法 | |
CN111080723A (zh) | 基于Unet网络的图像元素分割方法 | |
US6516097B1 (en) | Image segmentation system | |
Dong et al. | An improved parallel thinning algorithm | |
CN108717544A (zh) | 一种基于智能图像分析的报纸样稿文字自动检测方法 | |
CN107423653A (zh) | 一种二维码预处理方法、系统及解码方法 | |
Bag et al. | A medial axis based thinning strategy and structural feature extraction of character images | |
CN104021534A (zh) | 一种碎纸片拼接方法 | |
CN113808144A (zh) | 基于直方图拟合的密度峰值聚类土壤图像阴影检测方法 | |
KR100518744B1 (ko) | 비수직 분할선을 가지는 붙은 필기체 숫자열의 분할방법 | |
CN113468958B (zh) | 一种接触网支柱号牌识别方法 | |
Ghosh et al. | An improvement on thinning to handle characters with noisy contour |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190806 |
|
RJ01 | Rejection of invention patent application after publication |