如何使用Julia实现图像骨架修剪？去除道路骨架中小支路

核心思路 #

借助已知的拐角（分支）点作为起点，通过**深度优先搜索(DFS)**遍历骨架分支，统计每个分支的像素长度，设定阈值过滤并移除短支路。

具体实现步骤 #

• 图像预处理：将骨架图像转为二值矩阵（道路像素标记为true，背景为false），便于邻域遍历操作。
• 分支遍历与长度统计：
  1. 以每个拐角点为起点，遍历其8邻域内未被访问的道路像素。
  2. 沿分支方向逐步遍历，记录所有分支像素位置，直到遇到背景或另一个拐角点（主道路节点）。
  3. 统计分支的像素总数作为分支长度。
• 短支路移除：设定长度阈值（如根据图像尺度设为15像素），将长度低于阈值的分支像素置为背景值。

Julia 示例代码 #

using Images

# 读取骨架图像并转为二值矩阵
skeleton_img = load("k9quG.png")
skeleton = Gray.(skeleton_img) .> 0.5  # 二值化处理

# 已知的拐角点索引（替换为实际的CartesianIndex数组）
corner_points = [CartesianIndex(120, 180), CartesianIndex(250, 320)]

# 定义8邻域方向
directions = [CartesianIndex(-1,-1), CartesianIndex(-1,0), CartesianIndex(-1,1),
              CartesianIndex(0,-1),                    CartesianIndex(0,1),
              CartesianIndex(1,-1),  CartesianIndex(1,0), CartesianIndex(1,1)]

# 标记已访问像素
visited = falses(size(skeleton))

# 短支路长度阈值（根据实际场景调整）
length_threshold = 15

# 遍历每个拐角点处理分支
for corner in corner_points
    visited[corner] = true
    for dir in directions
        neighbor = corner + dir
        # 检查邻域是否合法、为道路且未访问
        if checkbounds(Bool, skeleton, neighbor) && skeleton[neighbor] && !visited[neighbor]
            branch = [neighbor]
            current = neighbor
            visited[current] = true
            is_short_branch = true

            # 遍历分支至终点
            while true
                next_points = []
                for d in directions
                    n = current + d
                    if checkbounds(Bool, skeleton, n) && skeleton[n] && !visited[n]
                        push!(next_points, n)
                    end
                end

                # 分支终点判断：无未访问邻域 或 遇到新分支点
                if isempty(next_points)
                    break
                elseif length(next_points) > 1
                    is_short_branch = false
                    break
                end

                current = next_points[1]
                push!(branch, current)
                visited[current] = true
            end

            # 移除短支路
            if is_short_branch && length(branch) < length_threshold
                for p in branch
                    skeleton[p] = false
                end
            end
        end
    end
end

# 保存处理后的骨架图像
save("pruned_skeleton.png", Gray.(skeleton))

注意事项 #

• 长度阈值需根据图像分辨率调整：原始图像分辨率越高，阈值应对应增大。
• 若拐角点包含主道路转折点，可结合原始图像的道路宽度辅助区分主路与支路（主道路通常更宽）。

内容的提问来源于stack exchange，提问作者F612