python 中心线提取_二值分析 | OpenCV + skimage如何提取中心线

VIPpython 中心线提取_二值分析 | OpenCV + skimage如何提取中心线
点击上方蓝字关注我们微信公众号:OpenCV学堂关注获取更多计算机视觉与深度学习知识问题前几天有个人问了我一个问题,问题是这样的,他有如下的一张二值图像:怎么得到白色Blob中心线,他希望的效果如下:显然OpenCV中常见的轮廓分析无法获得上面的中心红色线段,本质上这个问题是如何提取二值对象的骨架,提取骨架的方法在OpenCV的扩展模块中,另外skimage包也支持图像的骨架提取。这里就...
开通可读全文 ·4.2k 人阅读
最低0.47元/天 解锁文章
9fc6029514cd69e7c56e1471619fa527.gif

点击上方蓝字关注我们

微信公众号:OpenCV学堂

关注获取更多计算机视觉与深度学习知识

问题

前几天有个人问了我一个问题,问题是这样的,他有如下的一张二值图像:

45d83ff3c9768246d5c9d579b3b94f76.png

怎么得到白色Blob中心线,他希望的效果如下:

bbf918b889eb3c239ba5d36013a45240.png

显然OpenCV中常见的轮廓分析无法获得上面的中心红色线段,本质上这个问题是如何提取二值对象的骨架,提取骨架的方法在OpenCV的扩展模块中,另外skimage包也支持图像的骨架提取。这里就分别基于OpenCV扩展模块与skimage包来完成骨架提取,得到上述图示的中心线。

01

安装skimage与opencv扩展包

Python环境下安装skimage图像处理包与opencv计算机视觉包,只需要分别执行下面两行命令:

pip install opencv-contrib-pythonpip install skimage

导入使用

from skimage import morphology import cv2 as cv

02

使用skimage实现骨架提取

有两个相关的函数实现二值图像的骨架提取,一个是基于距离变换实现的medial_axis方法;另外一个是基于thin的skeletonize骨架提取方法。两个方法的代码实现分别如下:

相关推荐

OpenCV骨架提取实战:Guo-Hall与Zhang-Suen算法对比与工程优化

骨架提取是计算机视觉中图像形态学处理的关键技术,其核心原理是通过迭代删除边界像素,保留物体的拓扑中心线,从而将二值图像中的连通区域简化为单像素宽的骨架表示。这项技术的核心价值在于降维与特征抽象,它能将复杂的形状信息转化为更易分析和识别的线性结构。在工程实践中,骨架提取广泛应用于OCR字符识别前的预处理、电路板走线分析、生物医学图像中的血管或叶脉追踪,以及任何需要提取物体中心线或拓扑结构的场景。针对实际应用中常见的毛刺多、连接点断裂等鲁棒性问题,本文深入对比了Zhang-Suen快速并行算法与Guo-Hall

weixin_30315905的博客 375

图像通道与灰度本质:单通道/三通道/黑白图的数据契约解析

图像通道是计算机视觉和医学影像分析中最基础又最易混淆的数据结构概念。它并非简单对应‘彩色’或‘黑白’,而是描述像素在内存中的组织方式——单通道代表标量场(如温度、深度、荧光强度),三通道本质是三个独立传感器的并行记录(如RGB/BGR),而灰度图则是基于人眼感知模型的加权亮度映射。理解通道布局、位深度与像素值语义之间的契约关系,直接决定图像处理操作的有效性:错误的通道解释会导致色彩错乱、信噪比下降、定量分析失效。在ImageJ、OpenCV及MATLAB中,正确识别单通道图、三通道图、灰度图与二值图的底层差

weixin_33978044的博客 385

遥感AI如何实现像素到地理坐标的端到端落地

地理空间机器学习(Geospatial ML)是将图像识别能力升级为真实世界定位能力的关键技术路径。其核心原理在于打破传统计算机视觉的‘像素封闭链路’,让坐标系、投影变换、空间先验等地理要素深度融入数据预处理、模型输入与矢量输出全环节。该技术显著提升遥感解译结果的GIS可用性与业务交付效率,广泛应用于自然资源监测、城市规划、农业管理等需精准空间决策的场景。本文聚焦‘Geospatial Data’与‘Machine Learning’的工程级耦合实践,详解从带地理参考的影像加载、经纬度通道嵌入,到OGC标准

abo1977的博客 430

基于中轴变换的图像骨架提取算法实现

中轴变换的目标是将这个二维形状转换为其中轴线的距离场,即距离任何中轴线的距离。在此过程中,我们需要找到该形状的中心线,这可以通过运用迭代腐蚀和膨胀的算法得到。本文介绍了一种基于中轴变换的图像骨架提取算法,并给出相应的MATLAB代码实现。图像骨架提取是指将图像中的主要区域骨架提取出来,通常用于图像分析、识别和匹配等领域。本文介绍一种基于中轴变换的图像骨架提取算法,并提供相应的MATLAB代码实现。以上代码实现了将图像转换为二值图像,并对其进行中轴变换和图像细化操作,得到了骨架图像。

CyberJolt的博客 1385

Python遥感图像道路提取:从U-Net到IoU评估的完整实践

图像分割是计算机视觉的核心任务之一,语义分割更关注像素级类别归属,其原理是通过编码器提取多尺度特征,再由解码器恢复空间分辨率。在遥感影像分析中,道路提取是一项典型的高价值应用,但传统OpenCV边缘检测与形态学操作受光谱复杂性、阴影干扰和道路弯曲影响,精度有限。基于深度学习的U-Net模型,凭借跳跃连接与编码器-解码器结构,能够有效融合浅层细节与深层语义,成为道路分割的主流方案。本文结合Python工程实践,系统讲解从高分影像预处理、训练样本制作,到U-Net模型训练、IoU指标评估,再到栅格矢量化后处理的

weixin_33895475的博客 389

Python+Unet实现遥感图像道路提取:从数据到后处理全流程

图像分割是计算机视觉的核心任务之一,目标是对图像中的每个像素进行分类。深度学习,尤其是卷积神经网络,为像素级分割带来了革命性突破。在遥感图像处理领域,道路提取是一项典型的语义分割应用,对城市规划、交通导航和地图更新具有重要价值。Unet作为经典的编码器-解码器结构,通过跳跃连接融合多尺度特征,特别适合道路这类细长目标的提取。本文基于Python与PyTorch,系统讲解如何构建Unet模型,涵盖公开数据集选择、栅格化标签转换、数据增强、损失函数设计(如Dice Loss)、训练调参及形态学后处理等关键环节,

weixin_34122604的博客 264

古籍图像识别与文本分析:面向竖排无标点古籍的结构化处理引擎

古籍数字化不是简单的OCR图像转文字,而是涵盖图像预处理、版面理解、文本识别与语义分析的全栈技术体系。其核心挑战在于应对竖排、无标点、夹注小字、朱墨双色、纸张形变等真实物理特征,需融合可变形卷积、多光谱墨色建模、图神经网络版面分析与规则-模型混合解析等关键技术。该技术显著提升古籍整理效率,支撑地方志编纂、文献学研究、古籍修复辅助与冷门文字抢救等实际场景,是古籍活化工程中从‘可读’迈向‘可理解’‘可计算’的关键基础设施。

weixin_34159110的博客 304

焊缝分割数据集:工业视觉落地的最小可行单元

焊缝分割是工业AI质检的核心任务,其本质并非简单图像-掩膜配对,而是融合物理成像规律、焊接工艺特征与设备约束的结构化数据体系。理解焊缝图像在X射线/红外/可见光等模态下的噪声特性,掌握T型焊、角焊等接头形式对应的几何拓扑建模方法,是构建高鲁棒分割模型的前提。技术价值在于 bridging lab-to-factory gap——通过元信息校验、像素级预检、三阶清洗与产线反馈闭环,将原始zip包转化为可部署的数据资产。典型应用场景涵盖轨道车辆焊点检测、压力容器评级及核电管道缺陷识别。本文聚焦焊缝分割数据集的工

weixin_33875839的博客 495

python-opencv获取二值图像轮廓及中心点坐标的代码

今天小编就为大家分享一篇python-opencv获取二值图像轮廓及中心点坐标的代码,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧

新建菜单Office被替换为腾讯文档 - 解决方案

右键新建菜单中的Office被替换为腾讯文档。原因是安装了腾讯文档软件,此软件安装时会自动将新建菜单中的Office替换为腾讯文档,下文介绍解决方案。

NSJim的博客 2942

AI编程助手Cursor如何革新经济学研究:从计量模型到可视化全流程实战

在数据科学和人工智能技术蓬勃发展的今天,如何高效地将前沿AI工具融入专业领域的研究工作流,成为提升科研效率的关键。其核心原理在于通过自然语言交互,将研究者的专业问题转化为机器可执行的指令,从而实现人机协作的范式转移。这一技术的核心价值在于大幅降低非计算机背景研究者的编程门槛,将精力从繁琐的代码实现中解放出来,更聚焦于学科本身的思想与逻辑。尤其在经济学、金融学等高度依赖数据分析和计量建模的领域,AI编程助手能够快速处理数据清洗、模型估计、可视化及结果解释等任务。具体到应用场景,研究者可以利用结构化提示词工程,

weixin_42531579的博客 302

vivado下ECO操作-不重新综合实现修改属性并生成.bit

ECO即engineer change order,即工程变更指令,可以对设计做局部小改动并只对改动部分重新布局布线并生成.bit。在一个工程动辄编译几个小时情况下,可以在调试中节省大量时间。比如我们在调试中,需要改变时钟占空比或者相位,需要改变寄存器初值等等,此时用ECO暂时改动,待验证后在重新编译无疑是最有效率的方法。 实现ECO通常有两种方式,一是通过vivado界面完成,另一种方法就是tcl脚本。所有的ECO操作都可以通过tcl操作完成,有的操作用vivado界面无法完成,只能通过tcl。以下主要

4671

使用Matlab与V-REP联合仿真

在Matlab中,我们可以使用V-REP提供的远程API(Application Programming Interface)来连接到V-REP仿真环境。为了连接Matlab与V-REP,我们需要在Matlab中添加V-REP的远程API函数库。你可以根据具体的需求编写Matlab脚本来控制V-REP场景中的机器人,并进行系统建模和仿真。一旦成功连接到V-REP,我们可以使用Matlab来控制V-REP场景中的机器人。在本文中,我们将介绍如何使用Matlab与V-REP进行联合仿真,并提供相应的源代码。

HackMasterX的博客 1859

泰凌微8258入门教程 基础篇①——Bluetooth® SIG Mesh 快速上手

Bluetooth® SIG Mesh Quick Start

6731

docker容器ubuntu:latest里使用uv add mysqlclient安装失败的解决方案

在Docker容器(ubuntu:latest)中安装mysqlclient失败,原因是缺少必要的依赖包。错误显示系统找不到pkg-config工具和MySQL客户端库。解决方法:先更新软件源并安装构建工具、Python开发包、MySQL客户端库和pkg-config工具。具体步骤:运行sudo apt update,然后安装build-essential python3-dev default-libmysqlclient-dev pkg-config,最后再执行uv add mysqlclient即可成

拥抱具身智能,昇腾Ascend C 298

【PCIe 总线及设备入门学习专栏 6.2 -- PCIe VDM (Vendor Defined Messages)】

在PCIe协议中,Vendor Defined Messages (VDMs) 是一种允许厂商定义和传输特定功能的消息类型。这种机制扩展了标准 PCIe 消息的功能,可以用于实现供应商自定义的功能,例如固件更新、设备配置和诊断信息传输。PCIe VDM 是通过实现的,它遵循 PCIe 协议栈的结构,包括事务层、数据链路层和物理层。

CodingCos的博客 1908

深度学习笔记——前向传播与反向传播、神经网络(前馈神经网络与反馈神经网络)、常见算法概要汇总

本文简要介绍深度学习的前向传播与反向传播,以及前馈神经网络与反馈神经网络。

haopinglianlian的博客 3047

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

上一篇: 滴答定时器的计数模式_STM32 滴答定时器和普通定时器
下一篇: 2020湖南省技能竞赛获奖名单_2020年全国职业院校技能大赛教学能力比赛落幕 湖南获一等奖数量排全国第一...
三里屯一级杠精
博客等级 码龄7年 57粉丝 91原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址