自适应阈值后断开的轮廓

Question

我想自适应地对此图像进行阈值处理，以便使用OpenCV中的findContours()找到外边框。由于通常的原因，我使用自适应阈值：全局阈值处理，即使使用Otsu的方法，也不能充分补偿图像不同部分之间的亮度差异。

不幸的是，自适应阈值处理会在一些具有粗网格线的交叉点处造成破坏。这是因为，对于交叉点处的像素，粗网格线占据周围区域的大部分，使得局部阈值升高到交叉点处的像素的（仅适度暗）值。令人惊讶的是，即使对于大的阈值窗口，这种效果仍然存在一定程度。

当然，这使得自适应阈值对于在这些类型的图像中找到轮廓是无用的。但是，它总体上比其他算法（如Canny）在提供连接的边缘时要好得多。

通过手动填充图像中的所有单像素和双像素间隙，我已经能够在自适应阈值处理后重新连接边缘（我实际上是缩小图像上的阈值以节省运行时间;间隙更大上面的全尺寸图片）。这是我使用的OpenCV代码（为Android绑定编写）。 0为黑色，-1为白色。

private void fillGaps(Mat image) {

    int size = image.rows() * image.cols();
    byte[] src = new byte[size], dst = new byte[size];
    image.get(0, 0, src);

    int c = image.cols();
    int start = 2 * c + 2;
    int end = size - start;
    for (int i = start; i < end; i++) {
        if (src[i+1] == -1 && src[i-1] == -1 || src[i+c] == -1 && src[i-c] ==-1){
            // 1-pixel gap
            dst[i] = -1;
        } else if (src[i+1] == 0 && src[i+2  ] == -1 && src[i-1] == -1) {
            // 2-pixel horizontal gap
            dst[i] = -1; dst[i+1] = -1;
        } else if (src[i+c] == 0 && src[i+2*c] == -1 && src[i-c] == -1) { 
            // 2-pixel vertical gap
            dst[i] = -1; dst[i+c] = -1;
        }
    }

    image.put(0, 0, dst);
}

这是填补空白之前和之后的缩小图像：

虽然这在这里运作得相当好，但它是一种粗糙的技术，没有填补所有空隙，有时会将网格与其他附近的轮廓连接起来。

在自适应阈值后避免断开轮廓的可靠方法是什么？

Answer 1

你正在采取的自适应阈值方法是正常的，但作为下一步，你应该做一些形态学操作：侵蚀，扩张，开放，关闭。 对于您的特定情况，关闭操作将是合适的。如果您想手动查看此处：http://users.utcluj.ro/~raluca/ip_2013/ipl_07e.pdf 还有Open-CV内置方法cvDilate和cvErode。结构元素的形状无关紧要，但尺寸要小。

我看到你填补了空白的实施。在那里你没有考虑对角线元素。最好在每个像素周围采用3x3或5x5窗口，然后比较每个元素，然后决定结果。

counter=0;
for (int k=i-radius; k<=i+radius; k++)
{
  for (int l=j-radius; l<=j+radius; l++)
  {
    if (src[k][l] == -1)
    counter++;
  }
}

if (counter > 0)
  dest[k][l] = -1;
else
  dest[k][l] = 0;

这是我用于扩张（或填补空白）的示例代码。半径可以是1（3x3）或2（5x5）。

Answer 2

尝试在adaptiveThreshold之后扩展图像。