Java距离变换/骨架提取/宽度测量

javpower

发布于 2026-07-06 11:55:04

在工业视觉检测中，测量弯曲物体（绳索、金属条、软管）的宽度是常见需求。medial_axis 是 scikit-image 的核心算法——从二值图像中提取物体的中心骨架，同时返回每个骨架点到边界的距离。

目标：在 Java 项目中使用 medial_axis，但 JavaCV 没有这个函数。解决方案——一比一复刻算法。

本文展示如何用 Python 验证算法原理，再用 Java 完整复刻，最终实现跨语言一致的骨架分析能力。

一、medial_axis 算法原理

medial_axis 的核心思想：骨架 = 距离变换的脊线。

距离变换：计算每个前景像素到最近背景像素的欧几里得距离
构建查找表：对 3x3 邻域的 512 种配置，预计算中心像素是否保留
排序：按距离值降序排列前景像素（中心线优先处理）
逐像素判断：用查找表决定保留或删除

medial_axis 算法流程

查找表核心：512 种 3x3 邻域配置的预计算结果

二、Python 实现与验证

scikit-image 的 medial_axis 只需几行：

from skimage.morphology import medial_axis
import numpy as np, cv2
mask = cv2.imread('test_mask.png', cv2.IMREAD_GRAYSCALE)
_, mask = cv2.threshold(mask, 127, 255, cv2.THRESH_BINARY)
skel, dist = medial_axis(mask > 0, return_distance=True)
widths = dist[skel] * 2  # 宽度 = 2 x 距离

测试三种典型物体：

三、Java 一比一复刻

3.1 核心挑战

scikit-image 的 medial_axis 是 Cython 实现，JavaCV 没有等价函数。但算法是纯逻辑——距离变换 + 查找表 + 排序删除，完全可用 Java 复刻。

3.2 512 项查找表

用 Python 预计算查找表，导入 Java：

from scipy import ndimage as ndi
def _pattern_of(index):
    return np.array([[index & 2**i for i in range(3)],
                     [index & 2**(i+3) for i in range(3)],
                     [index & 2**(i+6) for i in range(3)]], bool)
cif = (np.arange(512) & 2**4).astype(bool)
table = cif & (ndi_label_changed | fewer_than_3_neighbors)
# 生成 Java boolean 数组

// 512 项查找表（从 Python 导入，完全一致）

// 512 项查找表（从 Python 导入，完全一致）
static finalboolean[] TABLE = {    
     false,false,false,false,false,false,false,false,    
     false,false,false,false,false,false,false,false,    
     true,true,true,false,true,true,false,false,    
     true,false,false,false,true,true,false,false,    
      // ... 共 512 项
};

3.3 核心循环

// 对每个前景像素用查找表判断保留/删除
for (int i = 0; i < fgCount; i++) {
    int y = py[order[i]], x = px[order[i]];
    if (maskData[y*cols+x] == 0) continue;
    int idx = computeIndex(maskData, y, x, cols, rows);
    if (!TABLE[idx]) {
        maskData[y * cols + x] = 0; // 删除
    }
}