2

我想自适应地对该图像进行阈值化，以使用findContours()OpenCV 找到外边界。我使用自适应阈值的原因通常是：全局阈值，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。

在此处输入图像描述

不幸的是，自适应阈值处理会在某些具有粗网格线的交叉点处产生破损。这是因为，对于交叉点处的像素，粗网格线占据了太多周围区域，以至于局部阈值高于交叉点处像素的（仅中等暗）值。令人惊讶的是，即使对于大阈值窗口，这种效果在某种程度上仍然有效。

在此处输入图像描述

当然，这使得自适应阈值对于在这些类型的图像中寻找轮廓毫无用处。但是，总体而言，它在提出连接边缘方面仍然比 Canny 等其他算法要好得多。

通过手动填充图像中的所有一像素和两像素间隙，我已经能够在自适应阈值处理后重新连接边缘（我实际上是在按比例缩小的图像上设置阈值以节省运行时间；在上面的完整图像中，间隙更大-尺寸图像）。这是我使用的 OpenCV 代码（为 Android 绑定编写的）。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);
}

这是填充间隙之前和之后的缩小图像：

在此处输入图像描述 在此处输入图像描述

虽然这在这里工作得很好，但它是一种粗略的技术，不能填补所有的空白，有时还会将网格与其他附近的轮廓连接起来。

在自适应阈值之后避免断开轮廓的可靠方法是什么？

4

2 回答 2

2

您采用的自适应阈值方法没问题，但下一步您应该进行一些形态学操作：腐蚀、膨胀、打开、关闭。对于您的特定情况，关闭操作将是合适的。
还有 Open-CV 内置方法 cvDilate 和 cvErode。结构元素的形状无关紧要，但要保持较小的尺寸。

我看到了你填补空白的实施。在那里你没有考虑对角线元素。最好在每个像素周围设置一个 3x3 或 5x5 的窗口并比较每个元素，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;

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

于 2013-08-14T12:25:49.773 回答
0

在adaptiveThreshold 之后尝试扩张图像。

于 2016-11-28T19:36:24.673 回答