Android 获取二值图像中非几何线的坐标

我正在尝试在Android的OpenCV中识别手的位置。我想将检测到的手形简化为一组简单的线（=点序列）。我正在使用细化算法查找检测到的手形的骨架线。下面是一个示例性结果（我左手的图像）：

在这张图像中，我想得到骨架线的坐标，即图像的“矢量化”。我尝试过HoughLinesP，但这只会产生大量非常短的行，这不是我想要的

我的第二种方法使用

查找对象

：

// Get contours
Mat skeletonFrame; //image above
ArrayList<MatOfPoint> contours = new ArrayList<MatOfPoint>();
Imgproc.findContours(skeletonFrame, contours, new Mat(), Imgproc.RETR_CCOMP, Imgproc.CHAIN_APPROX_SIMPLE);

// Find longest contour
double maxLen = 0;
MatOfPoint max = null;
for (MatOfPoint c : contours) {
    double len = Imgproc.arcLength(Util.convert(c), true);  //Util.convert converts between MatOfPoint and MatOfPoint2f
    if (len > maxLen) {
        maxLen = len;
        max = c;
    }
}

// Simplify detected contour
MatOfPoint2f result = new MatOfPoint2f();
Imgproc.approxPolyDP(Util.convert(max), result, 5.0, false);

//获取轮廓
垫骨架//上图
ArrayList等高线=新的ArrayList（）；
Imgproc.findContours（骨架框架、轮廓、新垫（）、Imgproc.RETR\u CCOMP、Imgproc.CHAIN\u近似简单）；
//求最长轮廓
双maxLen=0；
MatOfPoint max=null；
用于（点c：等高线）{
double len=Imgproc.arcLength（Util.convert（c），true）；//Util.convert在MatOfPoint和MatOfPoint2f之间进行转换
如果（len>maxLen）{
maxLen=len；
max=c；
}
}
//简化检测轮廓
MatOfPoint2f结果=新的MatOfPoint2f（）；
Imgproc.approxPolyDP（Util.convert（max），结果，5.0，false）；

这基本上是可行的；但是，

findContours

返回的轮廓始终是闭合的，这意味着所有骨架线都表示了两次

示例性结果：（灰线=检测到的轮廓，而不是第一幅图像的骨架线）

所以我的问题是：如何避免这些闭合轮廓，而只获得一组“单笔划”点序列？

---

我在OpenCV文档中遗漏了什么吗？我不一定要代码，给我一个可以自己实现的算法的提示也很好。谢谢

我将从真正的手骨骼开始，作为运动学

查找手指端点和手/手腕底部及周长边界（红色）

求解逆运动学

例如，通过匹配手指端点而不重叠图像。这样你应该得到解剖学上正确的答案

为了简化，可以像这样使用运动学

您应该以不同的方式（不同的手指长度）处理男性/女性/儿童，或者使用某种校准或测量，因为手指长度不同。如您所见，我跳过了手/腕部基础骨骼，它们并不是那么重要。红色轮廓可以在周长较小的地方找到

如何解决当前实施中的问题

第一种细化方法更好，因此当您得到大量直线时，在计算每条直线的角度之后，将它们连接到多段线。如果两条连接的线具有相似的角度（直到treshold），则连接它们时，应根据需要进行操作，但不要期望得到与人体骨骼相似的线，尤其是曲线，结果将大不相同。在线条和形状的计数中

为了获得更好的结果，您需要使用几何细化

但我不知道它是否存在于OpenCV（我不使用此库）想法是找到周长线，并将其垂直向内移动一小步，类似于。如果获得所需的宽度，则停止

---

当移动的周长导致太薄的形状时，停止并连接到上一步的变薄点（黄线）。这都是在矢量（多段线）上完成的，而不是在图像像素上！！！宽度可以计算为与任何附近直线的最小垂直距离。

谢谢您的详细回答！该项目已经完成（我使用了一些难看的变通方法），但我会尽快完成您的解决方案。由于该项目不需要解剖上正确的识别，因此“如果两条连接线具有相似的角度，则连接它们”的想法可能是最简单的方法。然而，我不确定具体的实现是否可行。。。