计算边缘线斜率的有效方法

Question

我对图像进行了边缘检测（使用 Python 2-7 和 OpenCV 3.2），结果如下图所示，即一个像素宽的边缘不一定是闭合的（可能有“松散的末端”），并且可能有孔：

现在我想得到这些边的“导数”，即每个点的“斜率”，如下图所示：

目前，我设法做到这一点的唯一方法是非常本地化。对于边缘的每个点（下一张“放大”图片中的红色），我在它周围创建一个圆圈（粉红色），用边缘掩盖圆圈以获得红色点的邻居，然后计算这两个邻居的斜率。

但是，如果边缘有孔（它们经常这样做）或靠近其他边缘（它们经常存在）并且屏蔽所有点的计算量很大，那么它可能会非常混乱，所以我想知道是否有更好的方式。

我的第一个想法是样条插值，但您需要提供一个 有序 点列表作为输入，除非您使用可以如果边缘不太好，也会变得非常混乱。
我也想到了 findContours 但它需要封闭的边缘，否则它会产生一个像素宽的边缘的轮廓，即边缘两侧的两条线，从边缘的任意位置开始，简而言之就是一团糟。

有没有比我的实际方法更清洁、更有效的方法来实现我想要的？ OpenCV 是否有任何资源，或者它的工作是在边缘检测之后完成的（我认为后者更有可能！）？

附： ：“我认为没有更好的方法”是我准备接受的答案！

Answer 1

所以，如果我对所有内容的理解都正确，那么您需要的是一个没有漏洞的点的有序列表，因为之后您似乎知道如何继续获得结果。 因此，您应该集中精力获得有序的无间隙列表。

FindContours 确实会输出一个有序列表，但可能不是您需要的顺序。它以自上而下/左至右优先级对连接的像素进行分组。因此，它按顺序滑动每一行，当它碰到一个白色像素时，它会找到第一个轮廓。因此，在您的图像中，它找到的第一个轮廓实际上是右边的轮廓，因为它的 Y 值最接近 0。

对于这个特定的图像，如果将其旋转 90 度，您会发现它实际上会按照您需要的方式排列轮廓和点。但这会一直如此吗？只有你能说出来。如果有一种预处理方法可以应用于您的图像，以保证 findContours 将以正确的方式对您的像素进行排序，那么剩下的就很容易了。如果没有，我建议您创建自己的像素连接算法，该算法将根据您的需要工作，因为您的所有问题都取决于获取有序列表。

获得有序列表后，只需插入缺失的像素。

如果您有一组有序的像素，“缩小间隙”很容易，因为您只需要找到间隙并在它们之间插入一个近似值，这可能不会损害您的算法。