Segmentowanie nakładających się grubych linii na obrazie binarnym

Aug 16 2020

Mam obraz binarny, jak pokazano poniżej, po zastosowaniu różnych potoków przetwarzania wstępnego i wykrywania na oryginalnym obrazie.

Jak widać na rysunku, w rzeczywistości istnieją 2 pasy startowe (asfalty) dla samolotów, które przecinają się w rejonie skrzyżowania. Potrzebuję rozdzielić oba pasy startowe i przywrócić ich kontury. Sprawdziłem funkcje opencv pod kątem cech konturów, ale nie miałem szczęścia. cv2.fitLinewydaje się ok, ale działa tylko wtedy, gdy w konturze jest tylko jedna linia. Wynikowy obraz po nałożeniu masek powinien wyglądać następująco:

Odpowiedzi

3 MarkSetchell Aug 30 2020 at 23:17

Oto możliwe podejście, właśnie wykonane w Terminalu za pomocą ImageMagick , ale powinieneś być w stanie zrobić prawie to samo w Pythonie z Wand lub z scikit-image i medial_axis .

Najpierw szkieletuj obraz:

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

Następnie uruchom „Hough Line Detection” wyszukując linie dłuższe niż 130 pikseli i poproś o wyniki w formie tabelarycznej:

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

Wynik

# 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

Oznacza to, że wykrył 2 linie:

  • linia od współrzędnych 297,0 do współrzędnych 286,589 o długości = 255 pikseli pod kątem 1 stopnia do pionu
  • linia od współrzędnych 0,591 do współrzędnych 464 333, o długości = 189 pikseli pod kątem 61 stopni względem pionu

Aby to zilustrować, narysuję pierwszą na czerwono, a drugą na zielono:

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

Słowa kluczowe : Python, przetwarzanie obrazu, szkielet, szkielet, trzebież, pas startowy, pasy startowe, skrzyżowanie, Hough Line Detection.

2 sturkmen Aug 30 2020 at 21:19

Próbowałem rozwiązać twój problem, odwołując się do mojej starej odpowiedzi w C ++ .

kilka kroków:

--after finding contours find defect points by convexityDefects

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

utwórz dwie kopie obrazu binarnego i narysuj linie za pomocą punktów defektu

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]], Scalar(0), 2);

line(bw1, contours[i][defpoint0[2]], contours[i][defpoint3[2]], Scalar(0), 2);
line(bw1, contours[i][defpoint1[2]], contours[i][defpoint2[2]], Scalar(0), 2);

znajdź kontury z obrazów i narysuj je (zakodowałem na stałe znaleziony indeks konturu, należy poprawić)

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

findContours(bw1, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);
drawContours(src, contours, 2, Scalar((rand() & 255), (rand() & 255), (rand() & 255)), 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, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);

    for (size_t i = 0; i < contours.size(); i++)
    {
        if (contourArea(contours[i]) > 500)
        {
            approxPolyDP(contours[i], contours[i], 9, true);
            convexHull(contours[i], contoursHull, true);
            convexityDefects(contours[i], contoursHull, defects);
 
            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]], Scalar(0), 2);

            line(bw1, contours[i][defpoint0[2]], contours[i][defpoint3[2]], Scalar(0), 2);
            line(bw1, contours[i][defpoint1[2]], contours[i][defpoint2[2]], Scalar(0), 2);
        }
    }
    findContours(bw0, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);
    drawContours(src, contours, 1, Scalar((rand() & 255), (rand() & 255), (rand() & 255)), 2);

    findContours(bw1, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);
    drawContours(src, contours, 2, Scalar((rand() & 255), (rand() & 255), (rand() & 255)), 2);
    imshow("src", src);
    imshow("bw0", bw0);
    imshow("bw1", bw1);
    waitKey();
    return 0;
}