Computer vision 将线的图像转换为坐标集

---

假设我有一个平面图，如上图所示。是否有一种简单的处理方法将该图像转换为一组由坐标[（x1，y1），（x2，y2）]，[（x2，y2），（x3，y3）]，…，表示的直线，[（xn-1，yn-1），（xn，yn）]

我想你想找到图像中所有线条的坐标。在c++中，通过以下简单步骤很容易找到坐标：

阈值二进制反转

适用于减少厚度

在二值图像中查找非零像素

查找轮廓并应用近似多边形来近似点

---

---

这是一张代表你需要处理的图片，还是一张解释性的草图？这可能会有很大的不同。这是计算机视觉任务，在简历1中没有简单的事情。你需要提供真实的输入图像，以便我们了解你真正在处理什么。2.我会首先通过一些树来对图像进行二值化（但如果真实图像的类型/噪声/照明不同，则可能不是这样）3.通过hough变换或通过检查/回归将直线连接在一起的发现像素来检测直线。此过程也称为矢量化，因此您知道要查找什么。如果直线是轴/角度对齐的，或已知宽度恒定，则可以显著简化此过程。您解决问题了吗？你还有什么问题吗？那只是返回他需要的向量形式的多边形的图像。。。另外，你忘了指定你的代码是用什么语言编写的（或者我错过了），谢谢你指出我的误解@Spektre。我想现在一切都有道理了！

void thinningIteration(Mat& im, int iter)
{
    Mat marker = Mat::zeros(im.size(), CV_8UC1);
    for (int i = 1; i < im.rows-1; i++)
    {
        for (int j = 1; j < im.cols-1; j++)
        {
            uchar p2 = im.at<uchar>(i-1, j);
            uchar p3 = im.at<uchar>(i-1, j+1);
            uchar p4 = im.at<uchar>(i, j+1);
            uchar p5 = im.at<uchar>(i+1, j+1);
            uchar p6 = im.at<uchar>(i+1, j);
            uchar p7 = im.at<uchar>(i+1, j-1);
            uchar p8 = im.at<uchar>(i, j-1);
            uchar p9 = im.at<uchar>(i-1, j-1);

            int A  = (p2 == 0 && p3 == 1) + (p3 == 0 && p4 == 1) + 
                     (p4 == 0 && p5 == 1) + (p5 == 0 && p6 == 1) + 
                     (p6 == 0 && p7 == 1) + (p7 == 0 && p8 == 1) +
                     (p8 == 0 && p9 == 1) + (p9 == 0 && p2 == 1);
            int B  = p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9;
            int m1 = iter == 0 ? (p2 * p4 * p6) : (p2 * p4 * p8);
            int m2 = iter == 0 ? (p4 * p6 * p8) : (p2 * p6 * p8);

            if (A == 1 && (B >= 2 && B <= 6) && m1 == 0 && m2 == 0)
                marker.at<uchar>(i,j) = 1;
        }
    }
    im &= ~marker;
}

void thinning(Mat& im)
{
    im /= 255;
    Mat prev = Mat::zeros(im.size(), CV_8UC1);
    Mat diff;
    do 
    {
        thinningIteration(im, 0);
        thinningIteration(im, 1);
        absdiff(im, prev, diff);
        im.copyTo(prev);
    } 
    while (countNonZero(diff) > 0);

    im *= 255;
}

void main()
{
    Mat mSource_Bgr,mSource_Gray,mThreshold,mThinning;
    mSource_Bgr= imread(FileName_S.c_str(),IMREAD_COLOR);
    mSource_Gray= imread(FileName_S.c_str(),0);

    threshold(mSource_Gray,mThreshold,120,255,THRESH_BINARY_INV);

    mThinning= mThreshold.clone();

    thinning(mThinning);

    imshow("mThinning",mThinning);

    vector<Point2i> locations;   // output, locations of non-zero pixels 
    findNonZero(mThinning, locations);

    for (int i = 0; i < locations.size(); i++)
    {
        circle(mSource_Bgr,locations[i],2,Scalar(0,255,0),1);
    }

    imshow("mResult",mSource_Bgr);

    //To Find the Lines from the image
    vector<vector<Point> > contours;
    vector<Vec4i> hierarchy;
    /// Find contours
    findContours( mThinning.clone(), contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE, Point(0, 0) );
    /// Approximate contours to polygons + get bounding rects and circles
    vector<vector<Point> > contours_poly( contours.size() );
    for( size_t i = 0; i < contours.size(); i++ )
    { 
        approxPolyDP( Mat(contours[i]), contours_poly[i], 2, true );
    }

    for (int i = 0; i < contours_poly.size(); i++)
    {
        drawContours(mSource_Bgr,contours_poly,i,Scalar(255,0,0),2);
    }
    imshow("mResult",mSource_Bgr);

}