自适应门限后的断线轮廓
我想自适应地阈值这个图像，使用findContours()从OpenCV找到外部边框。由于通常的原因，我使用自适应阈值:全局阈值，即使采用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有粗网格的交叉口造成断点。这是因为，对于交点上的像素，粗网格占用了周围区域的太多，因此在交集处，局部阈值高于像素的值(只有中等的暗值)。令人惊讶的是，这种效果在某种程度上仍然适用于大阈值窗口。
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。然而，与Canny等其他算法相比，它在处理连通边缘方面仍然要好得多。
通过手动填充图像中的所有一个像素和两个像素的空白，我能够在自适应阈值处理后重新连接边缘(实际上，为了节省运行时间，我对缩小的图像进行了阈值处理；在上面的全尺寸图像中，空白更大)。下面是我使用的OpenCV代码(为Android绑定编写的)。0是黑色的，-1是白色的。
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);
}以下是填充空白之前和之后的缩小图像：
虽然这在这里运行得很好，但它是一种粗糙的技术，并不能填补所有的空白，有时还会与附近的等高线一起加入网格。
什么是避免自适应阈值后断开轮廓的可靠方法？
回答 2
Stack Overflow用户
发布于 2013-08-14 12:25:49
您正在采取的自适应阈值方法是可以的，但作为下一步，您应该做一些形态学操作:侵蚀，扩张，开放，关闭。对于您的特殊情况，关闭操作将是合适的。
还有Open内置的方法cvDilate和cvErode。结构元素的形状并不重要，但要保持较小的大小。
我看到了你填补这些空白的办法。在这里，您没有考虑对角线元素。最好是在每个像素周围设置一个3x3或5x5窗口，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;这是我用于扩展(或填补空白)的示例代码。半径可以是1 (3x3)或2(5x5)。
Stack Overflow用户
发布于 2016-11-28 19:36:24
尝试在adaptiveThreshold之后扩展图像。
https://stackoverflow.com/questions/18222342
复制相似问题
腾讯云开发者
