小图像的骨架化（细化）没有给出预期的结果 - python

Question

我正在尝试实现小图像的骨架化。但我没有得到预期的结果。我也尝试了 thin() 和 medial_axis()，但似乎没有任何效果。我怀疑这个问题是由于图像的分辨率太低而导致的。这是代码：

import cv2
from numpy import asarray
import numpy as np

# open image
file = "66.png"
img_grey = cv2.imread(file, cv2.IMREAD_GRAYSCALE)
afterMedian = cv2.medianBlur(img_grey, 3)
thresh = 140

# threshold the image
img_binary = cv2.threshold(afterMedian, thresh, 255, cv2.THRESH_BINARY)[1]

# make binary image
arr = asarray(img_binary)
binaryArr = np.zeros(asarray(img_binary).shape)
for i in range(0, arr.shape[0]):
    for j in range(0, arr.shape[1]):
        if arr[i][j] == 255:
            binaryArr[i][j] = 1
        else:
            binaryArr[i][j] = 0

# perform skeletonization
from skimage.morphology import skeletonize

cv2.imshow("binary arr", binaryArr)
backgroundSkeleton = skeletonize(binaryArr)

# convert to non-binary image
bSkeleton = np.zeros(arr.shape)
for i in range(0, arr.shape[0]):
    for j in range(0, arr.shape[1]):
        if backgroundSkeleton[i][j] == 0:
            bSkeleton[i][j] = 0
        else:
            bSkeleton[i][j] = 255

cv2.imshow("background skeleton", bSkeleton)
cv2.waitKey(0)

结果是：

我期待更多这样的东西：

这也适用于类似的形状：

期望：

我做错了什么吗？或者它真的不可能用这么小的图片，因为我尝试在更大的图像上进行骨架化并且效果很好。原始图片：

Answer 1

这里似乎 scikit-image 比 cv2 更好。由于包定义了 Bit 函数，如果你正在玩 BW 图像，那么试试这个准备使用的代码： skeletonize

注意：如果进程传递了图像细节，那么在尝试其他 functions:again 使用 skimage morphology functions to enhance details which in such case your code will be work on bigger area of images too. You could look here.

之前，不要先对输入进行上采样

Answer 2

您可以尝试 DIPlib 中的框架 (dip.EuclideanSkeleton):

import numpy as np
import diplib as dip
import cv2

file = "66.png"
img_grey = cv2.imread(file, cv2.IMREAD_GRAYSCALE)
afterMedian = cv2.medianBlur(img_grey, 3)
thresh = 140

bin = afterMedian > thresh

sk = dip.EuclideanSkeleton(bin, endPixelCondition='three neighbors')

dip.viewer.Show(bin)
dip.viewer.Show(sk)
dip.viewer.Spin()

endPixelCondition 输入参数可用于调整保留或删除的分支数。 'three neighbors' 是产生最多分支的选项。

上面的代码也产生了朝向图像角落的分支。使用 'two neighbors' 可以防止这种情况，但也会产生较少的指向对象的分支。另一种防止它的方法是设置edgeCondition='object'，但在这种情况下，对象周围的环在图像边界上变成正方形。

要将 DIPlib 图像 sk 转换回 NumPy 数组，请执行

sk = np.array(sk)

sk 现在是布尔 NumPy 数组（值 True 和 False）。要创建与 OpenCV 兼容的数组，只需转换为 np.uint8 并乘以 255:

sk = np.array(sk, dtype=np.uint8)
sk *= 255

请注意，在处理 NumPy 数组时，您通常不需要遍历所有像素。事实上，尽量避免这样做是值得的，因为 Python 中的循环非常慢。

小图像的骨架化（细化）没有给出预期的结果 - python

skeletonization (thinning) of small images not giving expected results - python

python

opencv

image-processing

scikit-image