建议检测沙盘上的直线，蟒蛇

Question

我正在开展一个需要在一块沙子上检测线条的项目。这些线条是由用户手工绘制的，因此不完全是＆＃34;笔直的＆＃34; （见图）。由于沙子，线条很难区分。

我尝试过OpenCV的cv2.HoughLines，但没有取得好成绩。那么有关检测方法的任何建议吗？并欢迎提出改善线条清晰度的建议。我想在盘子周围放一些led灯。

由于

Answer 1

检测方法很大程度上取决于您需要多少通用性：曝光和对比度是否会从一个图像变为另一个图像？线条的典型宽度是否会发生变化？在下文中，我假设这些参数对您的应用程序而言变化不大，如果我错了，请纠正我。

我将使用scikit-image，这是Python的常用图像处理软件包。如果您不熟悉此软件包，可以在http://scikit-image.org/上找到文档，该软件包与Scientific Python的所有安装捆绑在一起。但是，我使用的算法也可以在其他工具中使用，例如opencv。

我的解决方案如下。基本上，原则是

• 首先，对图像进行去噪处理。在去噪步骤之后，生活通常更简单。在这里，我使用了一个全变差滤镜，因为它会产生一个更容易达到阈值的分段常数图像。我使用形态侵蚀来增强暗区（在灰度图像上）。

• 然后应用在空间局部变化的自适应阈值，因为对比度在图像中变化。此操作会生成二进制图像。

• 侵蚀二进制图像以打破区域之间的虚假链接，并且只保留大区域。

• 计算区域伸长率的度量，以保持最细长的区域。这里我使用惯性张量的特征值的比率。

最难调整的参数是自适应阈值处理的块大小，以及要保留的区域的最小大小。我还尝试了去噪图像上的Canny过滤器（skimage.filters.canny），结果非常好，但边缘并不总是关闭，你可能还想尝试边缘检测方法，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')