在二进制图像上分割重叠的粗线

如何解决在二进制图像上分割重叠的粗线

在将各种预处理和检测管线应用于原始图像之后，我确实具有如下所示的二进制图像。

如图所示，实际上有2条跑道（停机坪），这些跑道在相交区域相互交叉。我需要拆分两条跑道并返回它们的轮廓。我检查了有关轮廓特征的opencv函数，但是没有运气。 cv2.fitLine似乎还可以，但是仅当轮廓中只有一条线时才有效。应用蒙版后的最终图像应如下所示：

解决方法

这是一种可行的方法，只需在终端中使用 ImageMagick 即可完成，但是您应该能够使用或 scikit-image 和Wand。

首先，对图像进行骨架化

magick runways.png -threshold 50% -morphology Thinning:-1 Skeleton skeleton.png

medial_axis

然后运行“霍夫线检测” 以查找长度超过130像素的行，并以表格形式要求结果：

magick skeleton.png -hough-lines 9x9+130 mvg:-

输出

# Hough line transform: 9x9+130
viewbox 0 0 464 589
# x1,y1 x2,y2 # count angle distance
line 297.15,0 286.869,589  # 255 1 476
line 0,591.173 464,333.973  # 189 61 563

这意味着它已检测到2行：

• 从坐标297,0到坐标286,589的线，其长度= 255像素，与垂直方向成1度
• 从坐标0591到坐标464333的线，其长度= 189像素，与垂直线成61度

为说明起见，我将第一个绘制为红色，第二个绘制为绿色：

magick runways.png                       \
   -fill red  -draw "line 297,0 286,589" \
   -fill lime -draw "line 0,591 464,333" result.png

关键字：Python，图像处理，骨架，骨架化，细化，跑道，跑道，相交，霍夫线检测。

,

我尝试使用C ++引用my old answer来解决您的问题。

一些步骤：

--after finding contours find defect points by convexityDefects

approxPolyDP(contours[i],contours[i],9,true);
convexHull(contours[i],contoursHull,true);
convexityDefects(contours[i],defects);

创建两个二进制图像副本并使用缺陷点绘制线条

Vec4i defpoint0 = defects[0];
Vec4i defpoint1 = defects[1];
Vec4i defpoint2 = defects[2];
Vec4i defpoint3 = defects[3];
line(bw0,contours[i][defpoint0[2]],contours[i][defpoint1[2]],Scalar(0),2);
line(bw0,contours[i][defpoint2[2]],contours[i][defpoint3[2]],2);

line(bw1,2);
line(bw1,2);

从图像中找到轮廓并绘制它们（我已硬编码找到了轮廓索引，需要改进）

findContours(bw0,contours,RETR_EXTERNAL,CHAIN_APPROX_NONE);
drawContours(src,1,Scalar((rand() & 255),(rand() & 255),(rand() & 255)),2);

findContours(bw1,2,2);

#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main(int argc,char** argv)
{
    Mat src = imread("e:/test/crossing_lines.png");
    if (src.empty())
        return -1;

    Mat bw,bw0,bw1;
    cvtColor(src,bw,COLOR_BGR2GRAY);
    bw = bw > 127;
    bw0 = bw.clone();
    bw1 = bw.clone();
    // Find contours
    vector<vector<Point> > contours;
    vector<int> contoursHull;
    vector<Vec4i> defects;
    findContours(bw,CHAIN_APPROX_NONE);

    for (size_t i = 0; i < contours.size(); i++)
    {
        if (contourArea(contours[i]) > 500)
        {
            approxPolyDP(contours[i],true);
            convexHull(contours[i],true);
            convexityDefects(contours[i],defects);
 
            Vec4i defpoint0 = defects[0];
            Vec4i defpoint1 = defects[1];
            Vec4i defpoint2 = defects[2];
            Vec4i defpoint3 = defects[3];
            line(bw0,2);
            line(bw0,2);

            line(bw1,2);
            line(bw1,2);
        }
    }
    findContours(bw0,CHAIN_APPROX_NONE);
    drawContours(src,2);

    findContours(bw1,2);
    imshow("src",src);
    imshow("bw0",bw0);
    imshow("bw1",bw1);
    waitKey();
    return 0;
}