本章我们学习Rosenfeld细化算法，参考资料：

在开始学习算法之前，我们先看下连通分量，以及4连通性，8连通性的概念：

假设我们有二值图，背景像素值为0，前景像素值为1。

我们使用下面的八邻域表示法：

     对于前景点像素p1, 如果p2=0，则p1 称作北部边界点。如果p6=0，p1称作南部边界点，p4=0，p1称作东部边界点，p8=0，p1称作西部边界点。

p1周围8个像素的值都为0，则p1为孤立点，如果周围8个像素有且只有1个像素值为1，则此时p1称作端点。

另外还要了解的一个概念就是8 simple。

就是我们把p1的值设置为0后，不会改变周围8个像素的8连通性。

下面的三个图中，如果p1=0后，则会改变8连通性。

而下面的则不会改边8连通性，此时可以称像素p1是8 simple

Rosenfeld细化算法描述如下：

1. 扫描所有像素，如果像素是北部边界点，且是8simple，但不是孤立点和端点，删除该像素。

2. 扫描所有像素，如果像素是南部边界点，且是8simple，但不是孤立点和端点，删除该像素。

3. 扫描所有像素，如果像素是东部边界点，且是8simple，但不是孤立点和端点，删除该像素。

4. 扫描所有像素，如果像素是西部边界点，且是8simple，但不是孤立点和端点，删除该像素。

执行完上面4个步骤后，就完成了一次迭代，我们重复执行上面的迭代过程，直到图像中再也没有可以删除的点后，退出迭代循环。

算法代码如下：

void gThin::cvRosenfeld(cv::Mat& src, cv::Mat& dst) {
   if(src.type()!=CV_8UC1)     {
           printf("只能处理二值或灰度图像\n"); return;     } //非原地操作时候，copy src到dst if(dst.data!=src.data)     {
           src.copyTo(dst);     } int i, j, n; int width, height; //之所以减1，是方便处理8邻域，防止越界     width = src.cols -1;     height = src.rows -1; int step = src.step; int  p2,p3,p4,p5,p6,p7,p8,p9;     uchar* img; bool ifEnd;     cv::Mat tmpimg; int dir[4] = {-step, step, 1, -1}; while(1)     {
   //分四个子迭代过程，分别对应北，南，东，西四个边界点的情况         ifEnd = false; for(n =0; n < 4; n++)         {
               dst.copyTo(tmpimg);             img = tmpimg.data; for(i = 1; i < height; i++)             {
                   img += step; for(j =1; j
     
      0) continue;                     p2 = p[-step]>0?1:0;                     p3 = p[-step+1]>0?1:0;                     p4 = p[1]>0?1:0;                     p5 = p[step+1]>0?1:0;                     p6 = p[step]>0?1:0;                     p7 = p[step-1]>0?1:0;                     p8 = p[-1]>0?1:0;                     p9 = p[-step-1]>0?1:0; //8 simple判定 int is8simple = 1; if(p2==0&&p6==0)                     {
   if((p9==1||p8==1||p7==1)&&(p3==1||p4==1||p5==1))                             is8simple = 0;                     } if(p4==0&&p8==0)                     {
   if((p9==1||p2==1||p3==1)&&(p5==1||p6==1||p7==1))                             is8simple = 0;                     } if(p8==0&&p2==0)                     {
   if(p9==1&&(p3==1||p4==1||p5==1||p6==1||p7==1))                             is8simple = 0;                     } if(p4==0&&p2==0)                     {
   if(p3==1&&(p5==1||p6==1||p7==1||p8==1||p9==1))                             is8simple = 0;                     } if(p8==0&&p6==0)                     {
   if(p7==1&&(p3==9||p2==1||p3==1||p4==1||p5==1))                             is8simple = 0;                     } if(p4==0&&p6==0)                     {
   if(p5==1&&(p7==1||p8==1||p9==1||p2==1||p3==1))                             is8simple = 0;                     } int adjsum;                     adjsum = p2 + p3 + p4+ p5 + p6 + p7 + p8 + p9; //判断是否是邻接点或孤立点,0,1分别对于那个孤立点和端点 if(adjsum!=1&&adjsum!=0&&is8simple==1)                     {
                           dst.at
      
       (i,j) = 0; //满足删除条件，设置当前像素为0                         ifEnd = true;                     }                 }             }         } //printf("\n"); //PrintMat(dst); //PrintMat(dst); //已经没有可以细化的像素了，则退出迭代 if(!ifEnd) break;     } }
      
     

程序结果：

程序代码：工程FirstOpenCV11