Python 基于像素密度的图像分割

我需要一些帮助来开发一些代码，将二进制图像分割成特定像素密度的组件。我一直在做一些OpenCV算法的研究，但在开发自己的算法之前，我想问问周围的人，以确保它还没有完成

例如，在这张图片中，我有代码将其作为二进制图像导入。但是，是否有方法从直线分割对象中的对象？我需要分割节点（角）和对象（本例中的圆）。但是，对象不一定必须是形状

我认为解决方案是使用像素密度。大部分图片将由线条组成，对象的像素密度比线条的像素密度大。有没有办法把它分割出来

下面是该任务的工作示例

原始图片：

分割节点（多条线的交点）和元件（如图中的电阻或电压源等电子元件）后生成的图像

---

如果我理解正确，您希望检测图像中的线条和圆圈，对吗

如果是这种情况，请查看和。

OpenCV有一些能够将轮廓置于层次结构中的工具。这可能就是你要找的。如果没有，请添加有关预期输出的更多信息

您可以使用快速计算矩形区域中黑色像素的密度。然后，可以使用不同比例的移动窗口来检测高密度区域。这将非常类似于人脸检测的工作原理，但只使用一个超级简单的功能

---

在计算积分图像之前，使用类似的方法使所有边缘变窄可能是有益的，以使结果对宽线不敏感。

我不想只检测线和圆之间的边缘。我想在一个分割算法中将图像分割成角点和圆的子图像。我会修正这个问题来更好地描述我想要的。但是如果你检测到这个圆，那么你就可以从中生成一个子图像，不是吗？同样的角落…我不认为这是我正在寻找的。请再看看我的问题。我编辑了它，并给出了一个我想要的更好的例子。有没有办法避免移动窗口只检测一半的电压源？我感觉它会在图像周围移动，并在正符号中检测到高像素密度，并将其视为整个组件。如何避免这种情况？当检测到的区域在不同的比例下重叠时，最好使用较大的比例。为什么不使用矩形作为基础？我的意思是，检测它，然后搜索移动到它上面的特征。您只需要预先假定所有电路（和子电路）都绘制为矩形。即使电路很复杂，你也可以通过检测所有的矩形并搜索它们来解决。矩形检测=skaletonize+线条检测+查找拐角我想我可以做到，我会试试的。