如何从512×512栅格街道图像中提取连通的多段线街道网络

推荐直接基于骨架图做拓扑分析，比霍夫变换的方案更稳定，完全可以满足你的三个需求，步骤如下：

步骤1：生成连通无断点的1px宽骨架 #

既然已经确认skeletonize的输出本身连通性完好，断点只是显示伪影，完全不需要后续的膨胀操作，直接用原始骨架结果即可，避免重新出现宽度不均的问题：

from skimage import morphology, io
import numpy as np

# 读取并二值化街道图像（确保背景为0，街道区域为1）
streets_data = io.imread("street_grid.png", as_gray=True) > 0.5
# 生成1px宽的连通骨架
skeleton = morphology.skeletonize(streets_data)

步骤2：识别交叉口 #

通过统计骨架像素的8邻域连通像素数，即可直接区分普通路段点和不同类型的交叉口：

• 普通路段点：8邻域内只有2个相邻骨架像素
• T型交叉口：8邻域内有3个相邻骨架像素
• 十字交叉口：8邻域内有4个相邻骨架像素

def count_neighbors(img, x, y):
    count = 0
    for dx in (-1, 0, 1):
        for dy in (-1, 0, 1):
            if dx == 0 and dy == 0:
                continue
            if 0 <= x+dx < img.shape[0] and 0 <= y+dy < img.shape[1]:
                count += 1 if img[x+dx, y+dy] else 0
    return count

intersections = []
for x in range(skeleton.shape[0]):
    for y in range(skeleton.shape[1]):
        if not skeleton[x, y]:
            continue
        neighbor_cnt = count_neighbors(skeleton, x, y)
        if neighbor_cnt >= 3:
            intersections.append((x, y))

步骤3：提取交叉口之间的多段线 #

使用广度优先搜索（BFS）遍历骨架即可提取所有路段多段线：

1. 将所有交叉口设为遍历起点，标记为已访问
2. 从每个交叉口出发沿着路段点遍历，直到遇到下一个交叉口或者路段尽头
3. 遍历过程中记录的所有坐标，就是两个交叉口之间的多段线

from collections import deque

visited = np.zeros_like(skeleton, dtype=bool)
polylines = []
# 8方向遍历偏移
dirs = [(-1,-1), (-1,0), (-1,1), (0,-1), (0,1), (1,-1), (1,0), (1,1)]

for (x0, y0) in intersections:
    visited[x0, y0] = True
    for dx, dy in dirs:
        x1, y1 = x0 + dx, y0 + dy
        if 0 <= x1 < skeleton.shape[0] and 0 <= y1 < skeleton.shape[1]:
            if skeleton[x1, y1] and not visited[x1, y1]:
                # 开始遍历单条路段
                cur_line = [(x0, y0)]
                q = deque([(x1, y1)])
                visited[x1, y1] = True
                while q:
                    cx, cy = q.popleft()
                    cur_line.append((cx, cy))
                    next_point = None
                    for dx2, dy2 in dirs:
                        nx, ny = cx + dx2, cy + dy2
                        if 0 <= nx < skeleton.shape[0] and 0 <= ny < skeleton.shape[1]:
                            if skeleton[nx, ny] and not visited[nx, ny]:
                                next_point = (nx, ny)
                                break
                    if next_point:
                        visited[next_point[0], next_point[1]] = True
                        q.append(next_point)
                    else:
                        polylines.append(cur_line)
                        break

可选优化 #

如果需要简化多段线、去除冗余采样点，可以使用Ramer-Douglas-Peucker算法对提取到的多段线做抽稀处理。

内容的提问来源于stack exchange，提问作者danvk