使用 Python 从地图图像中提取建筑物边缘

Question

我这里有一张地图图像。我需要提取建筑物的边缘以进行进一步处理，结果将类似于此处帖子的步骤 2 。

由于我对这个领域不熟悉，可以通过OpenCV等库来完成吗？

Answer 1

看来你想选择个别建筑物，所以我使用了分色。墙壁较暗，这有助于在HSV 色彩空间中实现良好的分离。请注意，可以通过放大更多和​​/或使用压缩率较低的图像类型（例如 PNG）来改善最终结果。

选择墙壁
首先，我确定了良好的分隔值。为此我使用了这个脚本。我发现最好的结果是将黄色和灰色分开，然后组合所得的蒙版。并非所有墙壁都完美关闭，因此我通过稍微关闭遮罩来改善结果。结果是一个显示所有墙壁的遮罩：

从左到右：黄色蒙版、灰色蒙版、组合固化蒙版

查找建筑物
接下来我使用findCountours来分离出建筑物。由于墙壁轮廓可能不是很有用（因为墙壁是互连的），因此我使用层次结构来查找“最低”轮廓（内部没有其他轮廓）。这些是建筑物。

findContours的结果：所有等高线的轮廓为绿色，个别建筑物的轮廓为红色

请注意，不会检测到边缘的建筑物。这是因为使用这种技术它们不是单独的轮廓，而是图像外部的一部分。这可以通过在图像边框上绘制一个灰色矩形来解决。您可能不希望在最终申请中包含此内容，但我将其包含在您的最终申请中。

代码：

    import cv2
    import numpy as np  

    #load image and convert to hsv
    img = cv2.imread("fLzI9.jpg")

    # draw gray box around image to detect edge buildings
    h,w = img.shape[:2]
    cv2.rectangle(img,(0,0),(w-1,h-1), (50,50,50),1)

    # convert image to HSV
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

    # define color ranges
    low_yellow = (0,28,0)
    high_yellow = (27,255,255)

    low_gray = (0,0,0)
    high_gray = (179,255,233)

    # create masks
    yellow_mask = cv2.inRange(hsv, low_yellow, high_yellow )
    gray_mask = cv2.inRange(hsv, low_gray, high_gray)

    # combine masks
    combined_mask = cv2.bitwise_or(yellow_mask, gray_mask)
    kernel = np.ones((3,3), dtype=np.uint8)
    combined_mask = cv2.morphologyEx(combined_mask, cv2.MORPH_DILATE,kernel)

    # findcontours
    contours, hier = cv2.findContours(combined_mask,cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

    # find and draw buildings
    for x in range(len(contours)):
            # if a contour has not contours inside of it, draw the shape filled
            c = hier[0][x][2]
            if c == -1:
                    cv2.drawContours(img,[contours[x]],0,(0,0,255),-1)

    # draw the outline of all contours
    for cnt in contours:
            cv2.drawContours(img,[cnt],0,(0,255,0),2)

    # display result
    cv2.imshow("Result", img)
    cv2.waitKey(0)
    cv2.destroyAllWindows() 

结果：
建筑物绘制为纯红色，所有轮廓绘制为绿色覆盖