在Python OpenCV中检测线而不应用高斯模糊

Question

我在一个无噪音的程序生成的png文件中检测线条。我通常会使用Hough线，这要求我首先提供canny检测的边缘，但canny检测的第一步是应用高斯模糊来消除噪声。有没有一种方法可以在我的原始图像上进行边缘检测，而不会故意使其模糊？我怀疑这将产生更好的结果比毛刺第一，因为线已经完全干净和高对比度。

下面是一个使用canny检测和图像的简单示例。每组中的行从5像素宽开始，然后下一行是4，然后是3、2和1。正如您所看到的，canny检测并不完美（2像素线看起来比1像素线小）：

原始图像：

边缘（canny检测结果）：

示例代码：

import cv2
import numpy as np
import matplotlib.pylab as plot

# img = cv2.imread("8px_and_2px_lines.png")
img = cv2.imread("5-1px_lines.png")

crop_size = 520
img = img[100:crop_size, 100:crop_size]
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imwrite("5-1px_lines_cropped.png", img)
cv2.imshow("start", img)
edges = cv2.Canny(gray, 50, 150, apertureSize=3)
cv2.imshow("canny", edges)
cv2.imwrite("5-1px_lines_cropped_canny.png", edges)
# plot.imshow(edges, cmap="gray")
# plot.show()

lines = cv2.HoughLines(edges, 1, np.pi / 180, 200)
line_length = 3000
for line in lines:
    rho, theta = line[0]
    a = np.cos(theta)
    b = np.sin(theta)
    x0 = a * rho
    y0 = b * rho
    x1 = int(x0 + line_length * (-b))
    y1 = int(y0 + line_length * (a))
    x2 = int(x0 - line_length * (-b))
    y2 = int(y0 - line_length * (a))
    cv2.line(img, (x1, y1), (x2, y2), (0, 0, 255), 2)
cv2.imshow("lines", img)
cv2.waitKey()

关于如何对这些图像进行更好的线条检测，有什么想法吗？我认为canny探测器内置的高斯模糊使得线条更难检测。

Answer 1

据推测，张贴的图片并不代表一般情况，因此我的回答可能不合适。

如果你在垂直线上得到像素，没有什么比检测从白到黑的转换更容易的了，反之亦然。因为线是完全水平的，所以对于单个列来说就足够了（但是如果你愿意，你可以对每个列重复）！

通过上述方法，您可以获得线条的两侧，以及它们的原始间距。如果您需要一条记录道，请对纵坐标求平均值。

Answer 2

一种简单的方法是简单地设置阈值，反转使线为白色，然后骨架化。下面是Python/OpenCV/Skimage的代码

输入：

import cv2
import numpy as np
import skimage.morphology

img = cv2.imread("lines_horizontal.png")
ht, wd = img.shape[:2]

# convert to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# create a binary thresholded image
thresh = cv2.threshold(gray, 0, 1, cv2.THRESH_BINARY+cv2.THRESH_OTSU)[1]

# invert so lines are white
thresh = 1 - thresh

# apply skeletonization
skeleton = skimage.morphology.skeletonize(thresh)
skeleton = (255*skeleton).clip(0,255).astype(np.uint8)

# save result
cv2.imwrite("lines_horizontal_skeleton.png", skeleton)

# show results
cv2.imshow("skeleton", skeleton)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果:

请注意，从endpoint处的骨骼化开始，endpoint处会出现一些扭曲。

还要注意，OpenCV OpenCV contrib python有一种类似于骨架化的细化方法。