Сегментация перекрывающихся толстых линий на бинарном изображении

У меня есть двоичное изображение, как показано ниже, после применения различных конвейеров предварительной обработки и обнаружения к исходному изображению.

Пересекающиеся взлетно-посадочные полосы

Как видно на картинке, на самом деле есть 2 взлетно-посадочные полосы (гудронированные полосы) для самолетов, которые пересекают друг друга в области пересечения. Что мне нужно, так это разделить обе взлетно-посадочные полосы и вернуть их контуры. Я проверил функции opencv в отношении контурных функций, но мне не повезло. cv2.fitLine кажется нормальным, но он работает только в том случае, если в контуре есть только одна линия. Результирующее изображение после применения масок должно выглядеть так: введите здесь описание изображения


person colt.exe    schedule 16.08.2020    source источник
comment
В точке пересечения линии не видны, поэтому, если вы хотите сделать это, вы должны исходить из предположения, что мы должны учитывать, что точки контура будут продолжаться, как и предыдущие контуры. Вы можете разрезать каждую линию, отрезая от пересечения. Для этого можно создавать разные алгоритмы.   -  person Yunus Temurlenk    schedule 16.08.2020
comment
Ознакомьтесь с cv2.HoughLines. Он не даст вам точных контуров, но вы получите направления взлетно-посадочных полос, которые вы можете использовать для получения контуров.   -  person karposhark    schedule 17.08.2020


Ответы (2)


Вот возможный подход, только что реализованный в Терминале с помощью ImageMagick, но вы сможете сделать почти то же самое в Python с помощью Wand или с scikit-image и medial_axis.

Во-первых, скелетонизируйте изображение:

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

введите здесь описание изображения

Затем запустите Hough Line Detection для поиска линий длиннее 130 пикселей и запросите результаты в виде таблицы:

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

Вывод

# 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

Это означает, что он обнаружил 2 строки:

  • линия от координат 297,0 до координат 286,589, длиной=255 пикселей на 1 градус по вертикали
  • линия от координат 0,591 до координат 464,333, длиной=189 пикселей под углом 61 градус к вертикали

Просто для иллюстрации я нарисую первый красным, а второй зеленым:

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

введите здесь описание изображения

Ключевые слова: Python, обработка изображений, скелетирование, скелетирование, прореживание, взлетно-посадочная полоса, взлетно-посадочные полосы, пересечение, обнаружение линии Хафа.

person Mark Setchell    schedule 30.08.2020
comment
Спасибо за хороший подход, но мне нужна информация о контурах для каждого сегмента линии, чтобы я мог их замаскировать. - person colt.exe; 30.08.2020

Я попытался решить вашу проблему с помощью C++, ссылаясь на мой старый ответ.

некоторые шаги:

--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);

введите здесь описание изображения

создать две копии бинарного изображения и нарисовать линии, используя дефектные точки

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);

введите здесь описание изображения

введите здесь описание изображения

найти контуры из изображений и нарисовать их (я жестко запрограммировал найденный индекс контура, его нужно улучшить)

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);

введите здесь описание изображения

#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;
}
person sturkmen    schedule 30.08.2020
comment
Таким образом, все сводится к обнаружению дефектных точек и разделению на несколько частей, а остальное легко. Но это должно быть каким-то образом обобщено, поскольку дефекты выбираются вручную. На самом деле можно нарисовать c(4,2) = 6 линий. Вы использовали 4 в примерах, а остальные 2 образуют крест, который можно отбросить таким образом. Кроме того, после сплита сформировались 3 линии, так что какую из них выбрать, пока непонятно. Я думаю, что, объединив подход @Mark Setchell для определения направления и используя ваш для разделения, я мог бы получить результат. Очень благодарен за ваши усилия. - person colt.exe; 31.08.2020
comment
я думаю, что convexityDefects возвращает точки по часовой стрелке, поэтому объединение 0-1, 2-3 и 1-2, 0-3 никогда не приводит к пересечению линий. - person sturkmen; 31.08.2020
comment
как я упоминаю в ответе, вам нужно найти правильный индекс контура, который я жестко запрограммировал. - person sturkmen; 31.08.2020