Computer vision 找出线条的形状

我有一个二值图像，我正在寻找一种健壮的方法来找到形状和拓扑中的线条（线条如何连接）

我已经在matlab中进行了实验（尽管我要求的是使用哪种方法）

我曾尝试在二值图像上使用骨架化，然后使用hough变换，有时有效，但不是一个可靠的解决方案。我与边界干扰作斗争

有人能告诉我在这里使用哪些方法的方向（以及顺序如何）

---

这确实是一个棘手的问题，从二进制图像到图形（即拓扑）。基本上涉及从像素和2D图像数据的离散世界到节点和连接的抽象数据结构的交叉

但是，什么能在两者之间提供“粘合剂”？恐怕这是一个相当开放的问题，需要对视觉数据进行复杂的解释

幸运的是，其他人在python中分享了一个很好的尝试：

（这显然是假设完整的python安装NetworkX和任何其他依赖项。我在Mac上使用homebrew通过一些调用实现了这一点，例如

>brew安装opencv；pip安装NetworkX；brew安装graph tool；brew安装graphviz

。下面的ipython笔记本还使用了和-这是一个相当令人兴奋的计算机视觉混合体。）nd图像处理代码！最后：您当然需要安装ipython…）

下面是一个示例（首先从上面下载的笔记本中加载-全部从以下位置运行：

>ipython-pylab

）：

显示最初提供的Matlab数据的骨架化（边缘有缓冲区）：

结果显示在下图中：

请注意，图形拓扑和布局与细化图像的结构相对应，包括最后创建的“杂散”。这是一个正在进行的问题/研究领域

编辑：但可以通过删除图中的杂弧（导致叶节点的阶数==1）来解决

remove = [node for node,degree in graph.degree().items() if degree == 1]

graph.remove_nodes_from(remove)

nx.draw(graph)

---

坦率地说，我一直在关注这个问题，希望找到有用的答案。任务本身似乎并不复杂（我会努力证明这一点），但优雅的解决方案离我还有一段距离

不久前，我解决了类似的任务，它看起来确实像是我自己开发的非常基本的解决方案，您的初始示例很容易跟踪：

这只是一个简单的扫描（1）、垂直和水平线识别（2）以及对更复杂区域的进一步分析（3）。对所有区域进行分析（3）并不难找到交点并对其进行优化（4）

结果相当粗略，但它证实了这种方法的可行性

我知道这与Matlab有点相去甚远，但我只想强调几个重要的时刻：

• 骨架化可能会破坏初始几何体
• 对骨架的进一步分析似乎有点棘手和不可靠
• 通过一点增强的质量，您的图像可以用更简单的方法跟踪

顺便说一句，在我的方法中，不同的操作可以并行执行。扫描步骤可以调整，即使扫描次数减少，结果也非常好：

通过更多步骤，可以更精确地识别交点：

我得出的结论是，使用初始图像提供的所有信息非常重要。所有的简化等都将删除有价值的

事实

增加任务的总体复杂性

更新

如果图形没有大部分垂直线和水平线，这种方法是否有效

这些步骤是相当独立的，因此没有严格的要求有垂直或水平线。当然，更复杂的任务是识别交叉点并进行一些额外的调整以提高精度

很容易看出，在形状的开始和结束处，垂直线引入了一些明显的错误。非常简单的优化为我们提供了更好的结果：

---

骨骼化+使用

num_neighbours！=2查找像素（参考图像中的绿色/1邻居）应该给你连接点。你能在没有
B
的情况下上传B&W格式的图像进行测试吗？我以.mat文件的形式上传了图像，请参阅编辑的帖子。不是图像上的图像，而是我希望使用的方法。谢谢你的回复！第二个图像是你试图从第一个图像中获得的吗？可以吗中止一点hough变换有什么问题？你不认为骨架化会删除非常有价值的信息吗？做得好，谢谢分享。最终结果看起来很有希望。但是，如果图形没有大部分垂直和水平线，这种方法会起作用吗？
remove = [node for node,degree in graph.degree().items() if degree == 1]

graph.remove_nodes_from(remove)

nx.draw(graph)