如何基于局部最大强度方向实现OpenCV定向形态学闭运算？

问题背景 #

你需要对二值图像执行沿局部最大强度方向的闭运算（而非全局各向同性的闭运算），最终目标是提取图像骨架。当前采用局部ROI霍夫直线变换生成方向核的方案，存在计算成本高、效果不稳定的问题，希望找到更简便的实现方式。

优化方案建议 #

1. 基于局部梯度方向生成自适应核（替代霍夫变换方案） #

霍夫变换计算开销大，可改用局部梯度方向生成匹配目标走向的结构元素，效率更高：

• 通过Sobel算子计算图像的x、y方向梯度，推导局部区域的主导方向；
• 根据该方向生成线性结构元素（如线段核），对局部区域执行闭运算。
  示例代码思路：

import cv2
import numpy as np

# 读取二值图像
img_bin = cv2.imread('binary_image.jpg', cv2.IMREAD_GRAYSCALE)
# 计算x、y方向梯度
grad_x = cv2.Sobel(img_bin, cv2.CV_64F, 1, 0, ksize=3)
grad_y = cv2.Sobel(img_bin, cv2.CV_64F, 0, 1, ksize=3)
# 计算局部角度（弧度转角度）
angles = np.arctan2(grad_y, grad_x) * (180 / np.pi)

# 分块处理生成自适应闭运算结果
h, w = img_bin.shape
block_size = 15  # 可根据图像尺寸调整
result = np.zeros_like(img_bin)

for y in range(0, h, block_size):
    for x in range(0, w, block_size):
        # 获取当前块的平均方向
        block_y_end = min(y + block_size, h)
        block_x_end = min(x + block_size, w)
        block_ang = angles[y:block_y_end, x:block_x_end].mean()
        # 生成对应角度的5像素长度线性核
        kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 1))
        kernel = cv2.warpAffine(
            kernel,
            cv2.getRotationMatrix2D((2, 0), block_ang, 1),
            (5, 1)
        ).astype(np.uint8)
        # 对当前块执行闭运算
        result[y:block_y_end, x:block_x_end] = cv2.morphologyEx(
            img_bin[y:block_y_end, x:block_x_end],
            cv2.MORPH_CLOSE,
            kernel
        )

2. 跳过自定义闭运算，直接用针对性骨架提取方法 #

如果最终目标是提取骨架，无需先做局部方向闭运算，可直接用更高效的骨架生成方法：

• 距离变换+骨架提取：通过cv2.distanceTransform计算前景像素到背景的距离，再通过阈值或细化操作提取中心骨架；
• Zhang-Suen细化算法：用scikit-image的skeletonize函数直接生成骨架，效果稳定且计算快速。
  示例代码（scikit-image实现）：

from skimage.morphology import skeletonize
import cv2
import numpy as np

img_bin = cv2.imread('binary_image.jpg', cv2.IMREAD_GRAYSCALE)
# 转换为布尔数组（前景为True）
img_bool = img_bin > 0
# 生成骨架
skeleton = skeletonize(img_bool)
# 转回8位二值图像
skeleton_bin = (skeleton * 255).astype(np.uint8)

3. 简化多方向闭运算融合 #

如果自适应核实现起来复杂，可直接用几个固定方向的线性核分别做闭运算，再融合结果，既能覆盖主要方向的连通需求，又大幅降低计算成本：

import cv2
import numpy as np

img_bin = cv2.imread('binary_image.jpg', cv2.IMREAD_GRAYSCALE)
# 定义四个核心方向的线性核
kernels = [
    cv2.getStructuringElement(cv2.MORPH_RECT, (5, 1)),  # 水平
    cv2.getStructuringElement(cv2.MORPH_RECT, (1, 5)),  # 垂直
    # 45°方向核
    cv2.warpAffine(cv2.getStructuringElement(cv2.MORPH_RECT, (5, 1)),
                   cv2.getRotationMatrix2D((2, 2), 45, 1), (5, 5)).astype(np.uint8),
    # 135°方向核
    cv2.warpAffine(cv2.getStructuringElement(cv2.MORPH_RECT, (5, 1)),
                   cv2.getRotationMatrix2D((2, 2), 135, 1), (5, 5)).astype(np.uint8)
]
# 分别执行闭运算
results = [cv2.morphologyEx(img_bin, cv2.MORPH_CLOSE, k) for k in kernels]
# 融合结果（取最大值，保留所有方向的连通区域）
final_result = np.max(results, axis=0).astype(np.uint8)

内容的提问来源于stack exchange，提问作者Flamerx