在不锐化点云中查找强未闭合边缘的边缘方向

Question

我想从二值图像中提取强未闭合边缘的方向。图像由斑点、斑点行和不清晰的边缘组成，如下所示。最后，每个像素都应该分配一个关于边缘方向的信息。如果不确定边的存在，则不应分配该点。一条线或整条曲线的参数会很好，但不一定需要。需要找到的边缘标记为红色曲线：

我尝试了很多，希望对我可以使用的方法提供一些提示。

Hough Transformation with Lines：由于曲线和点云的存在，很难提取 HT 的相关极值。

带椭圆的霍夫变换：与“带线的 HT”相同的缺点。加上要检测的曲线和点排列的数量超过了快速过程的限制。

局部蒙版：逐个像素地进行，并借助定向蒙版估计方向（示例：计算每个考虑的方向的所有白色像素，并就找到的最高像素数做出决定）。通过使用这种方法，像整个 blob 行这样的更大结构的视图会被遮挡。很容易看出，这种方法在边缘经过的云中会失败。

我想通过考虑局部和全局信息来估计方向是唯一的方法。在做出本地决策之前，我需要了解这些 blob 的连接性。 顺便说一句，我正在使用 MATLAB。

Answer 1

使用image moments 怎么样？您可以计算每个单个斑点的角度、长轴和偏心率，并定义参数以合并中间的参数。

您可以使用regionprops() 或使用我恰好在这里的这段代码从头开始：

function M=ImMoment(Image,ii,jj)

    ImSize=size(Image);

    M=0;
    for k=1:ImSize(1);
        for l=1:ImSize(2);

             M=M+k^ii*l^jj*Image(k,l);

        end
    end

end

对于协方差矩阵：

function [Matrix,Centroid,Angle,Len,Wid,Eccentricity]=CovMat(Image)

 Centroid=[ImMoment(Image,0,1)/ImMoment(Image,0,0),...
     ImMoment(Image,1,0)/ImMoment(Image,0,0)];

 Miu20=ImMoment(Image,0,2)/ImMoment(Image,0,0)-Centroid(1)^2;
 Miu02=ImMoment(Image,2,0)/ImMoment(Image,0,0)-Centroid(2)^2;
 Miu11=ImMoment(Image,1,1)/ImMoment(Image,0,0)-Centroid(1)*Centroid(2);

 Matrix=[Miu20,Miu11
         Miu11,Miu02];

 Lambda1=(Miu20+Miu02)/2+sqrt(4*Miu11^2+(Miu20-Miu02)^2)/2;
 Lambda2=(Miu20+Miu02)/2-sqrt(4*Miu11^2+(Miu20-Miu02)^2)/2;

 Angle=1/2*atand(2*Miu11/(Miu20-Miu02));
 Len=4*sqrt(max(Lambda1,Lambda2));
 Wid=4*sqrt(min(Lambda1,Lambda2));

 Eccentricity=sqrt(1-Lambda2/Lambda1);

end

试一试，我很确定应该可以。