图像细化

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的过程，有时又称为“骨架化”或者“中轴变化”

图像细化是模式识别领域重要的出来步骤之一，常用在文字识别中，因为其可以有效将文字细化，增加文字的可识别度

并且能够有效地减少数据量，降低图像的存储难度

图像细化一般要求细化后骨架的连通性、对原图像的细节特征要有较好保留、线条的端点保留完好的同时线条交叉点不能发生畸变

根据图像细化后的特性，并非所有形状的图像都适合进行细化，其主要应用在由线条形状组成的物体，例如圆环、文字等

但是实心圆不适合进行细化

根据算法处理步骤不同，细化算法又分为迭代细化算法和非迭代细化算法

根据检测像素方法的不同，迭代细化算法又分为串行细化算法和并行细化算法

OpenCV4提供了用于将二值图像细化的thinning()函数

thinning()函数原型：

void cv::ximgprc::thinning(InputArray src,
                           OutputArray dst,
                           int thinningType = THINNING_ZHANGSUEN
                           )

• src：输入图像，必须是CV_8U的单通道图像
• dst：输出图像，与输入图像具有相同的尺寸和数据类型
• thinningType：细化算法标志，可以选择参数为THINNING_ZHANGSUEN（简记为0）和THINNING_GUOHALL（简记为1）

该函数可以对图像的连通域进行细化，得到单位像素宽度的连通域

第一个参数是输入图像，要求必须是CV_8U的单通道图像

第二个参数是输出图像，与输入图像具有相同的尺寸和数据类型

第三个参数为细化算法标志，一种是在并行细化算法中常用的Zhang算法可以用THINNING_ZHANGSUEN（简记为0）表示

另一种是Guo细化方法，可以用THINNING_GUOHALL（简记为1）表示

示例：

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/ximgproc.hpp>     //细化函数thinning()所在头文件
using namespace std;
using namespace cv;
int main()
{
    //对字符进行细化
    Mat img = imread("E:\\CLion\\opencv_xin\\SG\\SG_black.png",IMREAD_ANYDEPTH);    //以8位读取
    if (img.empty())
    {
        cout << "error" << endl;
        return -1;
    }
    //对字符、实心圆和圆环进行细化
    Mat words = Mat::zeros(100,200,CV_8UC1);    //创建一个黑色的背景图片
    putText(words,"Learn",Point(30,30),2,1, Scalar(255),2); //添加字符
    putText(words,"OpenCV 4",Point(30,60),2,1, Scalar(255),2); //添加字符
    circle(words,Point(80,75),10,Scalar(255),-1);   //添加实心圆
    circle(words,Point(130,75),10,Scalar(255),3);   //添加圆环
    //进行细化
    Mat thin1,thin2;
    ximgproc::thinning(img,thin1,0); //注意类名
    ximgproc::thinning(words,thin2,0); //注意类名
    //显示处理结果
    imshow("thin1",thin1);
    imshow("img",img);
    namedWindow("thin2",WINDOW_GUI_NORMAL);
    imshow("thin2",thin2);
    namedWindow("words",WINDOW_GUI_NORMAL);
    imshow("words",words);
    waitKey(0);
    return 0;
}