Image processing 如何获取边的单线/曲线？

这是我第一次体验图像处理。在jupiter笔记本中，我尝试使用scipy将灰度线艺术图像转换为SVG矢量表示。到目前为止，我能够将灰度图像转换为二值图像（单色图像），并在x轴和y轴上使用sobel滤波器来获得图形的边缘。我得到了两条线作为边，以说明线的两侧（如下图所示，以及我使用的代码）

我想把这两条线换成一条。然后检测图形中的直线和曲线，并将其转换为svg直线和贝塞尔曲线。在网上搜索时，我有点不知所措，对正确的前进方向感到困惑。如果我能得到一些关于如何从这里开始的建议，那将是非常有帮助的。如果可能的话，我只想在scipy中这样做，而不是使用opencv

与其简单地使用现有的scipy函数和算法，我还想了解底层理论，以便能够有效地使用它们。因此，请分享任何有用的理论资源

提前谢谢

%matplotlib内联
将numpy作为np导入
从scipy导入ndimage作为nd
将matplotlib.pyplot作为plt导入
从撇渣进口io
def应用梯度阈值（d，thres）：
d2=np.副本（d）
d2[d2==-thres]=thres
d2[d2！=thres]=0
返回d2
def plot_图像（IMG、名称）：
图，轴列表=plt.子图（1，len（imgs），figsize=（20，20））
对于名称，zip中的轴（名称、轴列表）：
轴。设置标题（名称）
对于img，轴在zip中（img，轴列表）：
axes.imshow（img，cmap='Greys\u r'）
plt.show（）
img_文件=
img=plt.imread（img\u文件）
gray\u img=io.imread（img\u文件，as\u gray=True）
如果（np.max（gray_img）>1）：
gray_img=gray_img/255#规格化
阈值=0.2
二进制=（灰度>阈值）*1#将灰度图像转换为二进制（单色）
im=binary.astype（'int32'）
dx=nd.sobel（im，1）
dy=nd.sobel（im，0）
dx=应用梯度阈值（dx，4）
dy=应用梯度阈值（dy，4）
mag=np.hypot（dx，dy）#sqrt（dx^2+dy^2）
磁力*=255.0/np.最大（磁力）
绘图图像（[binary，mag]，'binary-'+str（阈值），'Sobel Filter Result']））

您的图像实际上已经由边缘构成。使用细化，而不是边缘过滤器。

您的图像实际上已经由边缘组成。使用细化，而不是边缘过滤器。

这可能会引起您的兴趣@谢谢你的建议。我已经尝试过它和类似的工具autotrace。Potrace还为边生成双线，而autotrace生成中心线，但它是用C语言编写的。在玩了一段时间之后，我尝试使用标准的scipy/scikit图像函数在python中实现这一点。主要用于学习，也可根据我的需要进行优化/定制。与其使用Sobel，不如将二值图像反转，它会将双线固定为边缘。您可以查看我在这里使用的

中轴线（）

。。。这可能会让你感兴趣@谢谢你的建议。我已经尝试过它和类似的工具autotrace。Potrace还为边生成双线，而autotrace生成中心线，但它是用C语言编写的。在玩了一段时间之后，我尝试使用标准的scipy/scikit图像函数在python中实现这一点。主要用于学习，也可根据我的需要进行优化/定制。与其使用Sobel，不如将二值图像反转，它会将双线固定为边缘。您可以查看我在这里使用的

中轴线（）

。。。

%matplotlib inline

import numpy as np
from scipy import ndimage as nd
import matplotlib.pyplot as plt
from skimage import io

def apply_gradient_threshold(d,thres):
    d2 = np.copy(d)
    d2[d2 == -thres] = thres
    d2[d2 != thres] = 0
    return d2


def plot_images(imgs, names):
    fig, axes_list =  plt.subplots(1, len(imgs), figsize=(20, 20))
    for name,axes in zip(names, axes_list):
        axes.set_title(name)

    for img, axes in zip(imgs, axes_list):
        axes.imshow(img, cmap='Greys_r')

    plt.show()  

img_file = <file_url>

img = plt.imread(img_file)
gray_img = io.imread(img_file, as_gray=True) 

if(np.max(gray_img) > 1) :
    gray_img = gray_img/255 #normalize

threshold = 0.2
binary = (gray_img > threshold)*1  # convert the grayscale image to binary (monochrome)

im = binary.astype('int32')
dx = nd.sobel(im,1)
dy = nd.sobel(im,0)
dx = apply_gradient_threshold(dx, 4)
dy = apply_gradient_threshold(dy, 4)
mag = np.hypot(dx,dy) #sqrt(dx^2 + dy^2)
mag *= 255.0/np.max(mag)

plot_images([binary, mag ], ['Binary - ' + str(threshold), 'Sobel Filter Result'])