找到部分闭合的精明边缘的中间

Question

我有如下（低分辨率）图像：

（图 1 原件）

最终目标是为图像中的每条线定义线段坐标：

我尝试过的策略是扩张 -> 寻找轮廓 -> 模糊 -> 侵蚀 -> 精明的边缘检测：

import numpy as np
import cv2
from skimage.feature import canny

image = cv2.imread('image.png')

kernel = np.ones((1,1),np.uint8)
dilated_img = cv2.dilate(gray, kernel, iterations = 1)
canvas = cv2.cvtColor(dilated_img, cv2.COLOR_GRAY2RGB)
contours, hierarchy = cv2.findContours(dilated_img, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_NONE)

for i,cont in enumerate(contours):                                                                                                                                                                                                                                              
    if ( hierarchy[0][i][3] != -1 ):                                                                                                                                                                                                                                            
        cv2.fillPoly(canvas, pts =[cont], color=(0, 180, 0))                                                                                                                                                                                       
    else:                                                                                                                                                                                                                                                                       
        cv2.drawContours(canvas, cont, -1, (255, 0, 0), 1) 

canvas = cv2.GaussianBlur(canvas,(1, 1),39)
edges = canny(image, 3, 1, 25)

输出 (edges) 类似于下图，除了绿色之外，我添加了绿色以表示我希望通过此策略实现的目标：如果我能找到管子的中间（绿色），然后我可以从中构造线段。也许这是实现目标的一种不必要的复杂方式......

边缘大多包含这些管状结构，可以完全封闭或不封闭。

图片中的绿线表示我想要找到的东西——基本上就是管子的大致中间位置。

我尝试对edge 对象执行的操作是逐行（和逐列）逐个像素地根据白色和黑色像素的显示方式找到管的中间，但是结果很混乱，并且不适用于许多管方向。

（图像 1 边缘，颜色反转）

那么假设这个策略对于实现上述目标是可行的，我怎样才能找到管的中点？如果策略不好，什么会更好？

谢谢！

Answer 1

希望这个方法对你有帮助。

您的绿线是阈值图像的骨架图像。查看here 了解更多关于骨架化图像的信息。

import cv2
import numpy as np
from skimage.morphology import skeletonize


def read_image(image_path):
    image = cv2.imread(image_path)
    image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    _, thresh = cv2.threshold(image, 200, 255, cv2.THRESH_BINARY_INV)
    return thresh


def get_skeleton_iamge(threshold_image):
    skeleton = skeletonize(threshold_image / 255)
    skeleton = skeleton.astype(np.uint8)
    skeleton *= 255
    return skeleton


if __name__ == "__main__":
    threshold_image = read_image("image.png")
    cv2.imshow("threshold_image", threshold_image)

    skeleton_iamge = get_skeleton_iamge(threshold_image)
    cv2.imshow("skeleton_iamge", skeleton_iamge)

    canny_edges = cv2.Canny(threshold_image, 100, 200)
    cv2.imshow("canny_edges", canny_edges)

    # for displaying image only
    colour_skeleton_iamge = cv2.cvtColor(skeleton_iamge, cv2.COLOR_GRAY2BGR)
    colour_canny_edges = cv2.cvtColor(canny_edges, cv2.COLOR_GRAY2BGR)
    colour_skeleton_iamge[skeleton_iamge == 255] = [0, 255, 0]
    combined_image = cv2.scaleAdd(colour_skeleton_iamge, 0.5, colour_canny_edges, 0.5)
    cv2.imshow("combined_image", combined_image)

    cv2.waitKey(0)
    cv2.destroyAllWindows()

输出：

image	threshold_image	skeleton_iamge	canny_edges	combined_image