algorithm - 从图像中提取稳健的线

Question

我需要从下图中提取所有墙边(包括地板、墙的交点和墙、门的交点)。如果我使用 canny 检测和霍夫变换(概率)。它给了我很多多余和不必要的台词。我正在寻找是否可以在对 canny 图像运行 hough 变换之前对其进行优化。

输入图像

下面是canny检测算法给出的canny图像
我使用 canny 参数作为最小和最大阈值的 0,20。我不能为最大阈值使用非常高的值，否则我会丢失墙边，但与图像的其余部分相比，那里的梯度会很低。

我想在一个窗口中识别一个高密度的点簇，如果它高于某个阈值，则将它们设置为零。

下面是之后得到的canny图像。您可以看到墙的边缘被保留了下来。

谁能建议我一个更好的方法来处理这个问题？我的意思是改进精明的图像，以便我可以识别随机点的集群并摆脱这些但将它们设置为零。我正在考虑检查窗口中的共线点，但不知道效果如何？欢迎任何评论

Answer 1

我认为在使用霍夫变换后，您可以过滤掉最长的和几乎垂直的线。看看这个 link .

SimpleCV 只是一个包含OpenCV 函数的快捷方式库，您不需要使用它。我不认为你在得到想法后在实现算法时会遇到问题。

编辑:好的，我对你的问题考虑得更多了。将集群设置为零作为预处理步骤实际上还不错。逐步增加窗口大小怎么样？我的意思是在获得第二张图像后，应用另一个具有 2* 窗口大小、相同阈值的群集过滤器。我想你可以这样继续下去，因为墙的边缘很难被抵消。

另一种方法，使用矩形窗口(宽度 >= 5*高度)进行聚类过滤，因为您需要垂直边缘。

另一种方法，使用腐 eclipse 和膨胀来过滤掉大面积的 Blob 。

另一种方式，查看图像的顶部，只有墙壁边缘和枝形吊灯。您可以水平搜索白色图案，然后跟随其邻居指定连接点的长度。然后过滤掉较长的。