Question

我在这里有一张地图图像。我需要提取建筑物的边缘以进行进一步处理，其结果类似于帖子here的步骤2。

由于我不熟悉该领域，因此可以通过OpenCV之类的库来做到这一点吗？

Answer 1

似乎要选择单个建筑物，因此我使用了分色。墙壁较暗，可以在HSV colorspace中很好地分隔。请注意，可以通过放大更多和/或使用压缩程度较小的图像类型（例如PNG）来改善最终结果。

选择墙壁
首先，我确定了良好的分离价值。为此，我使用了this script。我发现最好的结果是将黄色和灰色分开，然后组合得到的蒙版。并非所有的墙都完美闭合，因此我通过closing遮罩稍微改善了效果。结果是显示所有墙壁的蒙版：

从左至右：黄色面罩，灰色面罩，组合固化面膜

查找建筑物
接下来，我使用findCountours分离建筑物。由于墙的轮廓可能不太有用（因为墙是相互连接的），因此我使用hierarchy来查找“最低”的轮廓（其中没有其他轮廓）。这些是建筑物。

findContours的结果：所有等高线的轮廓为绿色，单个建筑物的轮廓为红色

请注意，未检测到边缘的建筑物。这是因为使用此技术，它们不是单独的轮廓，而是图像外部的一部分。这可以通过在图像的边框上绘制灰色的rectangle来解决。您可能不希望在最终的应用程序中使用它，但是如果您愿意，我会提供它。

代码：

    import cv2
    import numpy as np  

    #load image and convert to hsv
    img = cv2.imread("fLzI9.jpg")

    # draw gray box around image to detect edge buildings
    h,w = img.shape[:2]
    cv2.rectangle(img,(0,0),(w-1,h-1), (50,50,50),1)

    # convert image to HSV
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

    # define color ranges
    low_yellow = (0,28,0)
    high_yellow = (27,255,255)

    low_gray = (0,0,0)
    high_gray = (179,255,233)

    # create masks
    yellow_mask = cv2.inRange(hsv, low_yellow, high_yellow )
    gray_mask = cv2.inRange(hsv, low_gray, high_gray)

    # combine masks
    combined_mask = cv2.bitwise_or(yellow_mask, gray_mask)
    kernel = np.ones((3,3), dtype=np.uint8)
    combined_mask = cv2.morphologyEx(combined_mask, cv2.MORPH_DILATE,kernel)

    # findcontours
    contours, hier = cv2.findContours(combined_mask,cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

    # find and draw buildings
    for x in range(len(contours)):
            # if a contour has not contours inside of it, draw the shape filled
            c = hier[0][x][2]
            if c == -1:
                    cv2.drawContours(img,[contours[x]],0,(0,0,255),-1)

    # draw the outline of all contours
    for cnt in contours:
            cv2.drawContours(img,[cnt],0,(0,255,0),2)

    # display result
    cv2.imshow("Result", img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

结果：
将建筑物绘制为纯红色，并将所有轮廓绘制为绿色

Answer 2

这是一种简单的方法

将图像转换为灰度，将高斯模糊转换为平滑的边缘
阈值图像
执行Canny边缘检测
查找轮廓并绘制轮廓

使用cv2.threshold()

的阈值图像

使用cv2.Canny()

进行Canny边缘检测

使用cv2.findContours()和cv2.drawContours()

查找轮廓

import cv2

image = cv2.imread('1.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (3, 3), 0)
thresh = cv2.threshold(blurred, 240 ,255, cv2.THRESH_BINARY_INV)[1]
canny = cv2.Canny(thresh, 50, 255, 1)

cnts = cv2.findContours(canny, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

for c in cnts:
    cv2.drawContours(image,[c], 0, (36,255,12), 2)

cv2.imshow('thresh', thresh)
cv2.imshow('canny', canny)
cv2.imshow('image', image)
cv2.imwrite('thresh.png', thresh)
cv2.imwrite('canny.png', canny)
cv2.imwrite('image.png', image)
cv2.waitKey(0)

使用Python从地图图像中提取建筑物边缘

2 个答案: