python - 建议在沙盘上检测直线，python

Question

我正在做一个需要在一块沙子上检测线条的项目。线条是由用户手工绘制的，因此并非完全“笔直”(见图)。而且由于沙子，线条很难区分。


我尝试了OpenCV的cv2.HoughLines，但未取得良好的效果。那么对检测方法有什么建议吗？欢迎提出改进线条清晰度的建议。我正在考虑在平板周围放一些led灯。

谢谢

Answer 1

检测方法在很大程度上取决于您需要多少通用性:曝光和对比度会从一幅图像变为另一幅图像吗？典型的线宽会改变吗？在下文中，我假设此类参数对于您的应用程序不会有太大变化，如果我输入错了，请更正我。

我将使用scikit-image，这是用于Python的常见图像处理包。如果您不熟悉此软件包，可以在http://scikit-image.org/上找到文档，并且该软件包与Scientific Python的所有安装 bundle 在一起。但是，我使用的算法在其他工具(例如opencv)中也可用。

我的解决方案写在下面。基本上，原理是

首先，

去噪图像。经过去噪步骤后，生活通常会更简单。在这里，我使用了总变化滤波器，因为它会产生分段恒定的图像，使阈值变得更容易。我使用形态侵 eclipse (在灰度图像上)增强了黑暗区域。

然后

应用一个自适应阈值，该阈值在空间上会局部变化，因为对比度会在整个图像中变化。此操作将生成二进制图像。

侵 eclipse 二进制图像以破坏区域之间的虚假链接，并仅保留较大的区域。

计算区域伸长率的度量，以仅保留最伸长的区域。在这里，我使用惯性张量的特征值之比。

最难调整的参数是自适应阈值的块大小，以及要保留的最小区域大小。我还对降噪后的图像(skimage.filters.canny)尝试了Canny过滤器，结果相当不错，但是边缘并不总是封闭的，您可能还想尝试一种边缘检测方法，例如Canny过滤器。

结果如下所示:

# Import modules
import numpy as np
from skimage import io, measure, morphology, restoration, filters
from skimage import img_as_float
import matplotlib.pyplot as plt

# Open the image
im = io.imread('sand_lines.png')
im = img_as_float(im)

# Denoising
tv = restoration.denoise_tv_chambolle(im, weight=0.4)
ero = morphology.erosion(tv, morphology.disk(5))

# Threshold the image
binary = filters.threshold_adaptive(ero, 181)

# Clean the binary image
binary = morphology.binary_dilation(binary, morphology.disk(8))
clean = morphology.remove_small_objects(np.logical_not(binary), 4000)
labels = measure.label(clean, background=0) + 1

# Keep only elongated regions
props = measure.regionprops(labels)
eigvals = np.array([prop.inertia_tensor_eigvals for prop in props])
eigvals_ratio = eigvals[:, 1] / eigvals[:, 0]
eigvals_ratio = np.concatenate(([0], eigvals_ratio))
color_regions = eigvals_ratio[labels]

# Plot the result
plt.figure()
plt.imshow(color_regions, cmap='spectral')