如何用Python/OpenCV从地籍图提取单条中心边界（解决Canny双边界问题）

我尝试使用Canny边缘检测提取地籍图的边界，但检测出两条外部线条，我需要得到单条中心线条，请问如何用Python/OpenCV实现？

原始地籍图：

Canny检测得到的双线结果：

已尝试的代码：

import numpy as np
import matplotlib.pyplot as plt
import cv2
img_gray = cv2.imread('ainta.tiff')

sigma = 2
threshold1=30
threshold2=60

img_blur = cv2.GaussianBlur(img_gray,(5,5),sigmaX=sigma,sigmaY=sigma)
res = cv2.Canny(img_blur,threshold1=threshold1,threshold2=threshold2)
cv2.imshow("Canny", res)
cv2.waitKey(0)

Canny检测得到的双线是目标边界的两侧边缘，要得到单条中心线，可通过骨架提取（细化）或距离变换实现，以下是几种实用方案：

方案1：自定义形态学细化算法 #

通过迭代腐蚀与差分操作，逐步剥离线条外层，保留中心骨架：

import numpy as np
import cv2

# 以灰度模式读取图像（原代码未指定模式，会导致BGR转灰度的潜在问题）
img_gray = cv2.imread('ainta.tiff', cv2.IMREAD_GRAYSCALE)

# 原有Canny检测流程
sigma = 2
threshold1 = 30
threshold2 = 60
img_blur = cv2.GaussianBlur(img_gray, (5,5), sigmaX=sigma, sigmaY=sigma)
canny_edges = cv2.Canny(img_blur, threshold1=threshold1, threshold2=threshold2)

# 自定义骨架提取函数
def skeletonize(img):
    size = np.size(img)
    skel = np.zeros(img.shape, np.uint8)
    # 使用十字形结构元素
    element = cv2.getStructuringElement(cv2.MORPH_CROSS, (3,3))
    done = False
    while not done:
        eroded = cv2.erode(img, element)
        temp = cv2.dilate(eroded, element)
        # 提取当前迭代的边缘层
        temp = cv2.subtract(img, temp)
        skel = cv2.bitwise_or(skel, temp)
        img = eroded.copy()
        # 当图像全黑时停止迭代
        zeros = size - cv2.countNonZero(img)
        if zeros == size:
            done = True
    return skel

# 生成单条中心线
center_line = skeletonize(canny_edges)

# 显示结果
cv2.imshow("Canny Edges", canny_edges)
cv2.imshow("Center Line", center_line)
cv2.waitKey(0)
cv2.destroyAllWindows()

方案2：使用OpenCV ximgproc快速细化（推荐） #

OpenCV的扩展模块ximgproc提供了现成的细化算法，效率更高，支持两种经典算法：

import cv2
from cv2 import ximgproc

# 读取灰度图
img_gray = cv2.imread('ainta.tiff', cv2.IMREAD_GRAYSCALE)

# Canny检测
sigma = 2
threshold1 = 30
threshold2 = 60
img_blur = cv2.GaussianBlur(img_gray, (5,5), sigmaX=sigma, sigmaY=sigma)
canny_edges = cv2.Canny(img_blur, threshold1=threshold1, threshold2=threshold2)

# 应用Zhang-Suen细化算法（也可替换为THINNING_GUOHALL）
center_line = ximgproc.thinning(canny_edges, thinningType=ximgproc.THINNING_ZHANGSUEN)

cv2.imshow("Center Line", center_line)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意：若提示找不到ximgproc，需安装带contrib的OpenCV：pip install opencv-contrib-python

方案3：距离变换提取中心线 #

通过距离变换计算线条内每个点到边缘的距离，取距离峰值作为中心线：

import cv2
import numpy as np

img_gray = cv2.imread('ainta.tiff', cv2.IMREAD_GRAYSCALE)
# Canny检测
sigma = 2
threshold1 = 30
threshold2 = 60
img_blur = cv2.GaussianBlur(img_gray, (5,5), sigmaX=sigma, sigmaY=sigma)
canny_edges = cv2.Canny(img_blur, threshold1=threshold1, threshold2=threshold2)

# 距离变换（L2距离，5x5核）
dist_transform = cv2.distanceTransform(canny_edges, cv2.DIST_L2, 5)
# 取距离最大值的50%作为阈值，提取中心线
_, center_line = cv2.threshold(dist_transform, 0.5 * dist_transform.max(), 255, 0)
center_line = center_line.astype(np.uint8)

cv2.imshow("Center Line", center_line)
cv2.waitKey(0)
cv2.destroyAllWindows()

1. 读取图像时务必指定cv2.IMREAD_GRAYSCALE，原代码未指定模式会以BGR格式读取，可能干扰Canny检测效果；
2. 若Canny结果存在线条断裂，可先对边缘图做一次形态学膨胀（cv2.dilate），填补小缺口后再细化；
3. 不同细化算法适配不同场景，可根据实际地籍图的线条粗细、复杂度选择最优方案。

内容的提问来源于stack exchange，提问作者alam siam