图像（地图）中的近似多边形

【问题标题】：Approximate polygons from image (map)图像（地图）中的近似多边形
【发布时间】：2015-12-01 15:53:51
【问题描述】：

所以我有这张地图：

我已经进行了一些过滤，现在我得到了以下图像：

最后，我想找到图像中每个多边形的坐标，但是使用 find_contours 函数并没有给我很好的结果，如下图所示。

在左侧，您可以看到找到的所有等高线（多边形）（每个都用一种颜色），而在右侧，它是找到的多边形示例（这显然是错误的）。

拥有黑白图像，如何找到其中每个多边形的坐标？

【问题讨论】：

那么相邻的多边形会共享>边界上的点吗？
分享积分不是绝对必要的。如果它们足够接近就可以了
我知道您没有使用 OpenCV（但可能某些功能在某些 python 包中实现。）看看here。可以使用分水岭找到所有封闭区域，然后可以分别找到每个区域的等高线。
@Ivan：你能展示一下你使用的算法吗？我下载了你的黑白图片，边界漏了。这可能是您的问题的一部分。
@FrankM 那是真正的问题。获得黑白图像后，我进行了二进制膨胀，线条正确闭合，因此轮廓查找算法给出了正确的结果。

标签： python numpy image-processing scipy scikit-image

【解决方案1】：

所以当我下载图像时，我得到了一个非常不连贯的图像。所以我所做的就是扩张它。

import numpy as np
from skimage import io, measure, morphology

img = io.imread('img.png', as_grey=True)
img = morphology.binary_dilation(img, selem=np.ones((5,5)))

然后我所做的就是用黑色反转白线，用这个将区域反转为白色

img_inverted = np.invert(img)

一旦你有了倒置的图像，标记它以便于处理。

img_inverted_labeled = measure.label(img_inverted)
n_lbls = np.unique(img_inverted_labeled)[1:]

现在附加每个部分的多边形。

pols = []
for i in n_lbls:
  img_part = (img_inverted_labeled == i)
  pols.append(measure.find_contours(img_part, level=0)[0])

希望这会有所帮助。

【讨论】：