检测图像中线的起点和终点（numpy数组）

Question

我有一张像下面这样的图片：

我想要的是获取每个段的起点和终点的坐标。实际上我的想法是考虑这样一个事实，即每个极值点应该只有一个点属于其邻域中的线段，而所有其他点应该至少有 2 个。不幸的是，这条线的粗细不等于一个像素，所以这个推理不成立。

Answer 1

这是一个相当简单的方法：

• 加载图像并丢弃多余的 Alpha 通道
• 骨架化
• 过滤器寻找具有中心像素集且只有一个像素集的 3x3 邻域

---

#!/usr/bin/env python3

import numpy as np
from PIL import Image
from scipy.ndimage import generic_filter
from skimage.morphology import medial_axis

# Line ends filter
def lineEnds(P):
    """Central pixel and just one other must be set to be a line end"""
    return 255 * ((P[4]==255) and np.sum(P)==510)

# Open image and make into Numpy array
im = Image.open('lines.png').convert('L')
im = np.array(im)

# Skeletonize
skel = (medial_axis(im)*255).astype(np.uint8)

# Find line ends
result = generic_filter(skel, lineEnds, (3, 3))

# Save result
Image.fromarray(result).save('result.png')

---

请注意，您可以在命令行中使用 ImageMagick 获得完全相同的结果，而且工作量要小得多，如下所示：

convert lines.png -alpha off -morphology HMT LineEnds result.png

或者，如果您希望它们是数字而不是图像：

convert result.png txt: | grep "gray(255)"

样本输出

134,78: (65535)  #FFFFFF  gray(255)    <--- line end at coordinates 134,78
106,106: (65535)  #FFFFFF  gray(255)   <--- line end at coordinates 106,106
116,139: (65535)  #FFFFFF  gray(255)   <--- line end at coordinates 116,139
196,140: (65535)  #FFFFFF  gray(255)   <--- line end at coordinates 196,140

---

另一种方法是使用 scipy.ndimage.morphology.binary_hit_or_miss 并将您的 "Hits" 设置为下图中的白色像素，并将您的 "Misses" 设置为黑色像素：

图来自Anthony Thyssen的优秀素材here。

---

与上述类似，您可以将上述 "Hits" 和 "Misses" 内核与 OpenCV 一起使用，如所述here:

morphologyEx(input_image, output_image, MORPH_HITMISS, kernel);

我怀疑这是最快的方法。

---

关键字：Python、图像、图像处理、行端、行端、形态学、Hit or Miss、HMT、ImageMagick、过滤器。

Answer 2

你提到的方法应该可以的，你只需要在之前做一个形态学操作，将线条的宽度缩小到一个像素。您可以为此使用 scikit-image：

from skimage.morphology import medial_axis
import cv2

# read the lines image
img = cv2.imread('/tmp/tPVCc.png', 0)

# get the skeleton
skel = medial_axis(img)

# skel is a boolean matrix, multiply by 255 to get a black and white image
cv2.imwrite('/tmp/res.png', skel*255)

请参阅this page 了解 skimage 中的骨架化方法。

Answer 3

我会用分水岭式算法来解决这个问题。我在下面描述了方法，但是它是为处理单（多段）线而创建的，因此您需要将图像拆分为单独的线的图像。

玩具示例：

0000000
0111110
0111110
0110000
0110000
0000000

其中0 表示黑色，1 表示白色。

现在我实施的解决方案：

import numpy as np
img = np.array([[0,0,0,0,0,0,0],
[0,255,255,255,255,255,0],
[0,255,255,255,255,255,0],
[0,255,255,0,0,0,0],
[0,0,0,0,0,0,0]],dtype='uint8')

def flood(arr,value):
    flooded = arr.copy()
    for y in range(1,arr.shape[0]-1):
        for x in range(1,arr.shape[1]-1):
            if arr[y][x]==255:
                if arr[y-1][x]==value:
                    flooded[y][x] = value
                elif arr[y+1][x]==value:
                    flooded[y][x] = value
                elif arr[y][x-1]==value:
                    flooded[y][x] = value
                elif arr[y][x+1]==value:
                    flooded[y][x] = value
    return flooded

ends = np.zeros(img.shape,dtype='uint64')

for y in range(1,img.shape[0]-1):
    for x in range(1,img.shape[1]-1):
        if img[y][x]==255:
            temp = img.copy()
            temp[y][x] = 127
            count = 0
            while 255 in temp:
                temp = flood(temp,127)
                count += 1
            ends[y][x] = count

print(ends)

输出：

[[0 0 0 0 0 0 0]
 [0 5 4 4 5 6 0]
 [0 5 4 3 4 5 0]
 [0 6 5 0 0 0 0]
 [0 0 0 0 0 0 0]]

现在结束由上述数组中最大值的位置表示（在这种情况下为6）。

说明：我正在检查所有可能的白色像素。对于每个这样的像素，我都在“泛滥”图像 - 我放置特殊值（127 - 不同于 0 并且不同于 255）然后传播它 - 在每一步中，所有 255 都是邻居（在 von诺伊曼的特殊价值感）本身就成为特殊价值。我正在计算删除所有255 所需的步骤。因为如果你从末端开始（恒速）泛滥，它会比你在任何其他位置有源需要更多的时间，那么泛滥的最大时间是你的生产线的末端。

我必须承认我没有对此进行深入测试，所以我不能保证在特殊情况下正确工作，例如在自相交线的情况下。我也知道我的解决方案的粗糙度，特别是在检测邻居和传播特殊值方面，所以请随时改进它。我假设所有边框像素都是黑色的（没有线条触及图像的“框架”）。