一、算法介绍zhang-suen是一种应用较广的细化算法，也是骨架提取算法常用的算法。初始条件：输入是一个二值化图像，零点表示背景，非零值表示前景。算法的目标是细化前景物体的边缘。迭代条件：Zhang-Suen算法包含两个迭代步骤，通常会交替执行直到不再发生任何改变。这两个步骤是：第一步，算法会遍历图像的每个像素，对于前景色将会检查是否满足一下条件。当前像素为白色当前像素P的8邻域上下、左右、左上、左下、右上、右下中至少有一个黑色像素当前像素的8邻域中，白色像素数量在2到6之间如果以上条件全部满足，那么将当前像素标记为黑色第二步中，算法再次遍历图像的每个像素，对于前景色将会检查其是否满足以下条
1.列表的定义1.采用变量名=[]的方式定义2.采用变量名=list（）的方式定义2.列表的作用列表是用来存多个数据，并且这些数据是需要按位置存放的，后面我们可以通过索引取出列表里的数据。3.类型转换但凡可以被for循环遍历的类型（可迭代对象）都可以当做参数传给list（）转成列表4.列表的内置方法#1.按照索引取改值（正向取改+反向取改）#列表的索引正向从0开始，反向从-1开始l=[111,222,'zhang'，[344,977]]print(l[0])#正向取print(l[-1])#反向取l[0]=333#改值l[3][1]=977#列表的嵌套取值#注意：(1)取改的时候，如果该索引不
1.列表的定义1.采用变量名=[]的方式定义2.采用变量名=list（）的方式定义2.列表的作用列表是用来存多个数据，并且这些数据是需要按位置存放的，后面我们可以通过索引取出列表里的数据。3.类型转换但凡可以被for循环遍历的类型（可迭代对象）都可以当做参数传给list（）转成列表4.列表的内置方法#1.按照索引取改值（正向取改+反向取改）#列表的索引正向从0开始，反向从-1开始l=[111,222,'zhang'，[344,977]]print(l[0])#正向取print(l[-1])#反向取l[0]=333#改值l[3][1]=977#列表的嵌套取值#注意：(1)取改的时候，如果该索引不
In2021,theconceptofthemetaversedeveloped,andblockchaintechnology,asoneofthemetaverse'sfoundationaltechnologies,reachedahighlevelofdevelopment.Currently,blockchainhasdemonstratedgreatutilityinboththephysicalandvirtualworlds.Whatfurthertechnologicalrequirementswillthemetaverseplaceonblockchaininthefut
In2021,theconceptofthemetaversedeveloped,andblockchaintechnology,asoneofthemetaverse'sfoundationaltechnologies,reachedahighlevelofdevelopment.Currently,blockchainhasdemonstratedgreatutilityinboththephysicalandvirtualworlds.Whatfurthertechnologicalrequirementswillthemetaverseplaceonblockchaininthefut
二值图像的细化算法也有很多种，比较有名的比如Hilditch细化、Rosenfeld细化、基于索引表的细化、还有Opencv自带的THINNING_ZHANGSUEN、THINNING_GUOHALL喜欢等等。这些都属于迭代的细化方式，当然还有一种是基于二值图像距离变换的细化方法，二值想比较，我个人认为是基于迭代的效果稳定、可靠，但是速度较慢，且速度和图片的内容有关，基于距离变换的版本，优点是速度稳定，但是效果差强人意。本文这里还是选择基于迭代的方式予以实现。 相关的参考文章有：http://cgm.cs.mcgill.ca/~godfried/teaching/projects
二值图像的细化算法也有很多种，比较有名的比如Hilditch细化、Rosenfeld细化、基于索引表的细化、还有Opencv自带的THINNING_ZHANGSUEN、THINNING_GUOHALL喜欢等等。这些都属于迭代的细化方式，当然还有一种是基于二值图像距离变换的细化方法，二值想比较，我个人认为是基于迭代的效果稳定、可靠，但是速度较慢，且速度和图片的内容有关，基于距离变换的版本，优点是速度稳定，但是效果差强人意。本文这里还是选择基于迭代的方式予以实现。 相关的参考文章有：http://cgm.cs.mcgill.ca/~godfried/teaching/projects
