跟随OpenCV的山脊 - 返回'ridges'阵列

Question

我正在寻找一种方法,在图像中找到脊(局部最大值)并将它们作为脊的阵列返回(其中脊是定义脊的点的矢量).也就是说,一种方法,其行为与findContours(它找到轮廓并将它们作为定义轮廓的矢量数组返回)完全相同,除了脊.

这是否存在,如果不存在,我将如何实现这种效果？(我正在使用OpenCV的Emgu CV包装器)

我有这个图像(它有点模糊,对不起),使用道路系统的二进制图像的距离变换获得:

我可以轻松地在原始二进制图像上使用findContours来获取道路轮廓作为点的向量.但是我对道路中心线很感兴趣.道路中心线由上面的图像的局部最大值表示.

显然,在这张图片上使用findContours再次为我提供了道路轮廓.我打算使用非最大值抑制除去中心线以外的所有内容,并使用findContours,但我不知道如何进行非最大值抑制,因此我的问题在这里

Answer 1

您想要沿着每条线的梯度方向进行最大抑制。

1. 计算梯度方向。
2. 对于每个点，沿着局部梯度方向的一条线搜索最大值。2.1 如果当前点为最大标记为1，否则标记为0

import cv2
import numpy as np
import math
from matplotlib import pyplot as plt

# Read image
Irgb = cv2.imread('road.png')
I = Irgb[:,:,0]

# Find the gradient direction
sobelx = cv2.Sobel(I,cv2.CV_64F,1,0,ksize=1)
sobely = cv2.Sobel(I,cv2.CV_64F,0,1,ksize=1)

gradDirection = np.zeros(I.shape, np.float64)

for y in range(I.shape[0]):
    for x in range(I.shape[1]):
        gradDirection[y, x] = np.float64(math.atan2(sobely[y,x], sobelx[y,x]))

# Iterate on all points and do max suppression
points = np.nonzero(I)
points = zip(points[0], points[1])
maxSuppresion = np.zeros_like(I)
for point in points:
    y = point[0]
    x = point[1]

    # Look at local line along the point in the grad direction
    direction = gradDirection[y, x]
    pointValues = []
    for l in range(-1,2):
        yLine = int(np.round(y + l * math.sin(direction)))
        xLine = int(np.round(x + l * math.cos(direction)))

        if(yLine < 0 or yLine >= maxSuppresion.shape[0] or xLine < 0 or xLine >= maxSuppresion.shape[1]):
            continue

        pointValues.append(I[yLine,xLine])

    # Find maximum on line
    maxVal = np.max(np.asarray(pointValues))

    # Check if the current point is the max val
    if I[y,x] == maxVal:
        maxSuppresion[y, x] = 1
    else:
        maxSuppresion[y, x] = 0

# Remove small areas
im2, contours, hierarchy = cv2.findContours(maxSuppresion,cv2.RETR_CCOMP,cv2.CHAIN_APPROX_NONE )
minArea = 5
maxSuppresionFilter = np.zeros_like(maxSuppresion)
finalShapes = []
for contour in contours:
    if contour.size > minArea:
        finalShapes.append(contour)

cv2.fillPoly(maxSuppresionFilter, finalShapes, 1)
cv2.imshow('road',maxSuppresionFilter*255)

最终会得到如下图：

您可以看到，仍然存在问题，尤其是在交叉点周​​围，其中局部最大值抑制抑制了交叉点中心旁边的点。您可以尝试使用形态学运算来克服这些问题。