[Computer Vision] Skeletonization

👀 본 예제는 Window10의 VSCode, Python3.11.0로 작성되었습니다.

 

Skeletonization은 이미지 처리에서 객체의 형태를 단순화하여 그 구조를 나타내는 기법이다.

 

이 과정은 주로 이진 이미지에서 사용되며, 객체의 윤곽선을 유지하면서 두께를 줄여서 선의 형태로 표현한다.

 

import cv2
import numpy as np

def skeletonize(img):
    """ OpenCV function to return a skeletonized version of img, a Mat object"""

    #  hat tip to http://felix.abecassis.me/2011/09/opencv-morphological-skeleton/

    img = img.copy() # don't clobber original
    skel = img.copy()

    skel[:,:] = 0
    kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (3,3))

    while True:
        eroded = cv2.morphologyEx(img, cv2.MORPH_ERODE, kernel)
        temp = cv2.morphologyEx(eroded, cv2.MORPH_DILATE, kernel)
        temp  = cv2.subtract(img, temp)
        skel = cv2.bitwise_or(skel, temp)
        img[:,:] = eroded[:,:]
        if cv2.countNonZero(img) == 0:
            break

    return skel


# 이미지 읽기
image = cv2.imread('human.png', cv2.IMREAD_GRAYSCALE)
h,w = image.shape
# resize
image = cv2.resize(image,(int(w//2),int(h//2)),interpolation=cv2.INTER_LANCZOS4)
# 스켈레토나이즈 수행
skeleton = skeletonize(image)

# 결과 출력
cv2.imshow('Original Image', image)
cv2.imshow('Skeleton', skeleton)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

Skeletonization 알고리즘은 대표적으로 Zhang-Suen 알고리즘과 Guo-Hall 알고리즘이 있다.

 

Zhang-Suen

Zhang-Suen 알고리즘은 반복적인 형태학적 연산을 통해 스켈레톤을 생성한다.

import numpy as np
import cv2
from numba import jit,prange

@jit
def thinning_iteration(im, iter):
    I, M = im.copy(), np.zeros(im.shape, np.uint8)
    for i in prange(1, im.shape[0] - 1):
        for j in prange(1, im.shape[1] - 1):
            p2 = I[i-1, j]
            p3 = I[i-1, j+1]
            p4 = I[i, j+1]
            p5 = I[i+1, j+1]
            p6 = I[i+1, j]
            p7 = I[i+1, j-1]
            p8 = I[i, j-1]
            p9 = I[i-1, j-1]

            A = (p2 == 0 and p3 == 1) + (p3 == 0 and p4 == 1) + \
                (p4 == 0 and p5 == 1) + (p5 == 0 and p6 == 1) + \
                (p6 == 0 and p7 == 1) + (p7 == 0 and p8 == 1) + \
                (p8 == 0 and p9 == 1) + (p9 == 0 and p2 == 1)
            B = p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9
            m1 = p2 * p4 * p6 if iter == 0 else p2 * p4 * p8
            m2 = p4 * p6 * p8 if iter == 0 else p2 * p6 * p8

            if A == 1 and B >= 2 and B <= 6 and m1 == 0 and m2 == 0:
                M[i, j] = 1

    return I & ~M

def thinning(src):
    dst = src.copy() // 255
    prev = np.zeros(src.shape, np.uint8)
    diff = None

    while True:
        dst = thinning_iteration(dst, 0)
        dst = thinning_iteration(dst, 1)
        diff = np.abs(dst - prev)
        prev = dst.copy()
        if np.sum(diff) == 0:
            break

    return dst * 255

# 이미지 읽기
image = cv2.imread('h.png', cv2.IMREAD_GRAYSCALE)
h, w = image.shape
# resize
image = cv2.resize(image, (int(w // 2), int(h // 2)), interpolation=cv2.INTER_LANCZOS4)
# 이진화
_, bw2 = cv2.threshold(image, 10, 255, cv2.THRESH_BINARY)
# Zhang-Suen 스켈레톤화 수행
bw2 = thinning(bw2)

# 결과 출력
cv2.imshow("original",image)
cv2.imshow('Skeleton', bw2)  # 스켈레톤을 0-255 범위로 변환
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

 

Guo-Hall

Guo-Hall 알고리즘은 Zhang-Suen과 유사하나, 두 개의 반복 단계로 이루어져 있고, 각 단계에서 더 많은 조건을 고려하여 픽셀을 제거하므로, 더 정교한 스켈레톤을 생성할 수 있다.

# pip install thinning-py3

import cv2
import thinning
from copy import copy
img = cv2.imread("h.png",cv2.IMREAD_GRAYSCALE)
img_ = copy(img)
thinned = thinning.guo_hall_thinning(img_)
cv2.imshow("original",img)
cv2.imshow("guohall",thinned)

cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

 

이뿐만 아니라 Skeletonization은 다른 라이브러리에도 쉽게 사용할 수 있게 제공된다.

import cv2
from skimage.morphology import skeletonize
import numpy as np
image = cv2.imread('h.png', cv2.IMREAD_GRAYSCALE)

ske = skeletonize(image)
skeleton_uint8 = (ske * 255).astype(np.uint8)

cv2.imshow("original",image)
cv2.imshow('Skeleton', skeleton_uint8)  # 스켈레톤을 0-255 범위로 변환
cv2.waitKey(0)
cv2.destroyAllWindows()