如何从边缘检测图像中找到多边形顶点？

Question

1。问题

鉴于房屋屋顶的图像，我试图找到屋顶的轮廓。我标记了可用的数据（作为多边形顶点），我插入并创建真实图像，如下所示

我使用canny，hough-lines，LBP功能训练ML模型，结果看起来不错。模型输出显示在中间，测试图像上的叠加显示在右侧。

2。我需要什么。

最终输出应该是一组多边形，我需要找到应该绘制这些多边形的点（参见下图中突出显示的点）。因此输出可以设置为n个线段。其中每个线段是2个点[（x1，y1），（x2，y2）]

第3。我的想法/想法是什么;

一个。侵蚀，膨胀，开启，关闭，概括操作

虽然这些操作使上图中的线条更整洁，但它们无法帮助我找到我正在寻找的多边形顶点。

我想将（多个）线条拟合到图像中的白色像素（类似于hough线）。

这些线的交点将为我提供我正在寻找的多边形的顶点。

我想知道是否有更标准/更好的方法来实现上述目标。

Answer 1

我认为HoughLinesP会帮助您实现目标。它将找到线段并将其输出到向量[x1,y1,x2,y2]中，其中（x，y）对表示线段的起点和终点。

每个顶点应接近 2个或更多个线段的末尾。您将浏览每个端点并计算它们出现的次数。当您处理完所有点后，您可以消除任何少于2次出现的点。当然，您需要一些小的阈值来确定一个点是唯一的，因为行中的间隙有些伪造的代码：dist(point1, point2) < some_delta_threshold

我不确定你现在如何找到多边形，但希望这会提供一些帮助