图像垂直线边缘提取与分析：分离、平滑及定位技术问询

我有一批相似的图像需要分析。

经过以下步骤：

• 阈值处理（thresholding）
• 使用skimage.morphology.reconstruction进行孔洞填充
• 图像闭运算（image closing）

我得到了类似这样的图像：

我关注形状的边缘，尤其是原始灰度图像中沿垂直线的坡度陡峭程度。我尝试用Canny边缘检测获取轮廓，得到了如下结果：

我的问题： #

1. 如何分离近似垂直和水平的边缘？二者对我意义不同，我完全不关注相邻水平线之间的区域（更希望直接裁剪掉这些部分），但关注垂直线附近的情况（黑白图像中的白色区域）。
2. 我认为线条应是笔直的（可能存在倾斜，但噪声过高），如何平滑轮廓线？
3. 最终我希望回到灰度图像，查看垂直线附近的像素统计信息，如何从Canny检测到的边缘中提取线条的位置信息？

我的代码：

im_th= cv2.inRange(img, 0, 500, cv2.THRESH_BINARY)
seed = np.copy(im_th)
seed[1:-1, 1:-1] = im_th.max()
mask = im_th
filled = reconstruction(seed, mask, method='erosion').astype(np.uint8)
kernel = cv2.getStructuringElement(cv2.MORPH_CROSS,(4,4))
closed = cv2.morphologyEx(filled,cv2.MORPH_CLOSE, kernel=kernel)
edges = cv2.Canny(cv2.medianBlur(closed, 5), 50, 150)

根据Christoph Rackwitz和mimocha的建议，我尝试使用findContours和HoughLinesP。两种方法的结果都有前景，但仍需进一步处理才能投入使用。

findContours方法 #

代码：

contours, hierarchy = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
contour_img = cv2.drawContours(cv2.cvtColor(closed, cv2.COLOR_GRAY2BGR), contours, -1, (255,0,0), 3)

生成图像（叠加在闭运算图像上）：

轮廓被很好地检测出来，但仍有151条轮廓线。我希望平滑结果并减少线条数量。

HoughLinesP方法 #

代码：

threshold = 15
min_line_length = 30
max_line_gap = 200
line_image = np.copy(cv2.cvtColor(closed, cv2.COLOR_GRAY2BGR)) * 0
lines = cv2.HoughLinesP(edges, 1, np.pi / 180, threshold, None, min_line_length, max_line_gap)
for line in lines:
    for x1,y1,x2,y2 in line:
        cv2.line(line_image,(x1,y1),(x2,y2),(255,0,0),5)
lines_edges = cv2.addWeighted(cv2.cvtColor(closed, cv2.COLOR_GRAY2BGR), 0.2, line_image, 1, 0)

生成图像：

HoughLinesP确实能生成直线，且检测效果良好，但部分线条过“粗”（图像中可见部分粗线实际为平行线），因此需要优化结果的方法。

目前总结： #

1. 轮廓法和霍夫变换法均有成效。
2. 霍夫变换法优势在于返回直线，且可分离水平和垂直线。
3. 仍需线条合并/聚类的方法。

内容的提问来源于stack exchange，提问作者Yair M