使用C++实现rosenfeld细化算法代码

Rosenfeld细化算法是一种基于距离变换的图像细化算法，其基本思想是通过计算像素点距离变换的局部极小值，来确定细化的位置。以下是使用C++实现Rosenfeld细化算法的代码示例：

#include <opencv2/opencv.hpp>
using namespace cv;

void rosenfeldThin(Mat& img) {
    int rows = img.rows, cols = img.cols;
    int i, j, k, m, n, t, p1, p2, p3, p4, p5, p6, p7, p8;
    bool isChanged = true;
    while (isChanged) {
        isChanged = false;
        Mat imgCopy = img.clone();
        for (i = 1; i < rows - 1; i++) {
            for (j = 1; j < cols - 1; j++) {
                if (imgCopy.at<uchar>(i, j) == 0) continue;
                t = 0;
                int a[9];
                for (k = -1; k <= 1; k++) {
                    for (m = -1; m <= 1; m++) {
                        a[t++] = imgCopy.at<uchar>(i + k, j + m);
                    }
                }
                p1 = a[0], p2 = a[1], p3 = a[2], p4 = a[3], p5 = a[4], p6 = a[5], p7 = a[6], p8 = a[7];
                if (p1 == 0 && p2 == 255) {
                    if (p5 == 255 || p6 == 255) continue;
                    if (p3 == 255 && p4 == 255 && p7 == 0 && p8 == 0) continue;
                    img.at<uchar>(i, j) = 0;
                    isChanged = true;
                }
                else if (p2 == 0 && p3 == 255) {
                    if (p5 == 255 || p8 == 255) continue;
                    if (p1 == 255 && p4 == 255 && p6 == 0 && p7 == 0) continue;
                    img.at<uchar>(i, j) = 0;
                    isChanged = true;
                }
                else if (p3 == 0 && p4 == 255) {
                    if (p5 == 255 || p8 == 255) continue;
                    if (p1 == 255 && p2 == 255 && p6 == 0 && p7 == 0) continue;
                    img.at<uchar>(i, j) = 0;
                    isChanged = true;
                }
                else if (p4 == 0 && p7 == 255) {
                    if (p5 == 255 || p2 == 255) continue;
                    if (p1 == 255 && p3 == 255 && p6 == 0 && p8 == 0) continue;
                    img.at<uchar>(i, j) = 0;
                    isChanged = true;
                }
                else if (p7 == 0 && p8 == 255) {
                    if (p5 == 255 || p2 == 255) continue;
                    if (p1 == 255 && p3 == 255 && p4 == 0 && p6 == 0) continue;
                    img.at<uchar>(i, j) = 0;
                    isChanged = true;
                }
                else if (p8 == 0 && p5 == 255) {
                    if (p2 == 255 || p7 == 255) continue;
                    if (p1 == 255 && p3 == 255 && p4 == 0 && p6 == 0) continue;
                    img.at<uchar>(i, j) = 0;
                    isChanged = true;
                }
                else if (p5 == 0 && p6 == 255) {
                    if (p2 == 255 || p7 == 255) continue;
                    if (p1 == 255 && p3 == 255 && p4 == 0 && p8 == 0) continue;
                    img.at<uchar>(i, j) = 0;
                    isChanged = true;
                }
                else if (p6 == 0 && p1 == 255) {
                    if (p5 == 255 || p8 == 255) continue;
                    if (p2 == 255 && p4 == 255 && p7 == 0 && p3 == 0) continue;
                    img.at<uchar>(i, j) = 0;
                    isChanged = true;
                }
            }
        }
    }
}

int main() {
    Mat img = imread("lena.bmp", IMREAD_GRAYSCALE);
    threshold(img, img, 128, 255, THRESH_BINARY);
    rosenfeldThin(img);
    imshow("result", img);
    waitKey(0);
    return 0;
}

在代码中，我们首先读入一张二值化的图像，并使用Rosenfeld细化算法对其进行细化处理。算法的具体实现过程与前文所述的算法思想相符。

需要特别注意的是，在实现过程中，我们使用了一个辅助矩阵imgCopy来保存原图像，以免在细化过程中出现像素值改变而影响细化结果的情况。同时，细化过程中我们使用了一个isChanged标志来判断当前细化是否完成，若细化未完成，则继续进行下一轮细化处理。

最后，我们使用imshow函数将细化结果显示出来并等待按键，以便观察细化效果。