Zhang-Suen细化算法提取中轴线（Python）

骨架

表示一个平面区域的结构形状的一种重要方法是将它简化为图形，这种简化可以通过一种细化（也称为骨架化）算法得到该区域的骨架来实现。细化是一种形态学变形，在提取中轴线的图像处理问题中，细化起着核心作用。为了产生一个区域的中轴的表示，提出了许多典型的算法，这些算法都是通过迭代一个区域的边界点的细化过程，删除这些点时需要服从如下约束条件：（1）不能删除端点，（2）不能破坏连接性，（3）不能导致区域的过度腐蚀。

因此，细化算法的一次迭代由如下步骤组成：（1）标记将被删除的边界点；（2）删除做了标记的点；（3）继续标记将被删除的剩余的边界点；（4）删除标记过的点。反复应用这个基本过程，直到再也没有被删除的点为止，此时算法终止，生成了该区域的骨架。

Zhang-Suen细化算法

首先定义像素点的8邻域如下图（前景为1，背景为0）：

# 定义像素点周围的8邻域
#                P9 P2 P3
#                P8 P1 P4
#                P7 P6 P5

def neighbours(x,y,image):
    img = image
    x_1, y_1, x1, y1 = x-1, y-1, x+1, y+1
    return [ img[x_1][y],img[x_1][y1],img[x][y1],img[x1][y1],         # P2,P3,P4,P5
            img[x1][y], img[x1][y_1], img[x][y_1], img[x_1][y_1] ]    # P6,P7,P8,P9

N(p1)表示与1相邻的8个像素点中，为前景像素点的个数。

for x in range(1, rows - 1):
    for y in range(1, columns - 1):
        P2,P3,P4,P5,P6,P7,P8,P9 = n = neighbours(x, y, Image_Thinned)

S(P1)表示从P2 ～ P9中出现0～1的累计次数，其中0表示背景，1表示前景。

# 计算邻域像素从0变化到1的次数

def transitions(neighbours):
    n = neighbours + neighbours[0:1]      # P2,P3,...,P8,P9,P2
    return sum( (n1, n2) == (0, 1) for n1, n2 in zip(n, n[1:]) )  # (P2,P3),(P3,P4),...,(P8,P9),(P9,P2)

Zhang-Suen细化算法的整个迭代过程分为两步：