使用skimage.morphology的skeletonize提取骨架无法识别横竖线如何优化

核心问题说明 #

你当前代码最核心的错误是二值化后前景背景颠倒：skeletonize函数默认提取值为1的白色前景的骨架，你使用img > 阈值得到的结果中，白底对应1，黑色管线对应0，相当于在提取背景的骨架，自然识别不到管线。除此之外没有做干扰过滤、阈值选择不合适也是结果差的主要原因。

具体优化建议 #

• 替换全局阈值为自适应局部二值化：工程图纸普遍存在光照不均、线条粗细不一致的问题，全局阈值很容易导致细管线在二值化阶段丢失，使用OpenCV的自适应阈值能更好的保留边缘细节，同时记得反转二值结果，让管线作为前景值为1。
• 提前过滤非管线干扰：P&ID图纸中包含大量文字、仪表标识、设备填充图案等无关内容，可通过定向形态学操作分别提取水平、垂直管线，合并后再做骨架提取，大幅降低干扰。
• 增加后处理过滤噪声：骨架提取后移除像素数低于阈值的小连通域，去掉零散的噪声骨架点，只保留有效管线骨架。

优化后代码 #

import cv2 as cv
from matplotlib import pyplot as plt
from skimage.morphology import skeletonize, remove_small_objects

# 读取灰度图像
img = cv.imread('realpars_p_id_diag_mod.png', 0)

# 自适应局部二值化，反转后黑色管线为前景（值为1）
binary = cv.adaptiveThreshold(
    img, 255, 
    cv.ADAPTIVE_THRESH_GAUSSIAN_C, 
    cv.THRESH_BINARY_INV, 
    blockSize=11, C=2
)
binary = binary / 255  # 归一化到0-1区间

# 定向提取水平、垂直管线，过滤其他干扰内容
# 水平管线提取结构元，长度可根据图纸管线粗细调整
h_kernel = cv.getStructuringElement(cv.MORPH_RECT, (25, 1))
horizontal_pipe = cv.morphologyEx(binary, cv.MORPH_OPEN, h_kernel, iterations=1)
# 垂直管线提取结构元
v_kernel = cv.getStructuringElement(cv.MORPH_RECT, (1, 25))
vertical_pipe = cv.morphologyEx(binary, cv.MORPH_OPEN, v_kernel, iterations=1)
# 合并水平垂直管线得到待提取骨架的二值图
pipe_binary = cv.bitwise_or(horizontal_pipe, vertical_pipe)

# 骨架提取+小噪声过滤
skeleton = skeletonize(pipe_binary)
# 移除像素数小于50的零散连通域，阈值可自行调整
skeleton = remove_small_objects(skeleton.astype(bool), min_size=50)

# 结果可视化
plt.figure(figsize=(24, 20))
plt.subplot(131)
plt.imshow(img, cmap='gray')
plt.title('原始图像')
plt.xticks([]), plt.yticks([])

plt.subplot(132)
plt.imshow(pipe_binary, cmap='gray')
plt.title('管线提取二值图')
plt.xticks([]), plt.yticks([])

plt.subplot(133)
plt.imshow(skeleton, cmap='gray')
plt.title('骨架提取结果')
plt.xticks([]), plt.yticks([])

plt.savefig("skeleton_opt_result.png")
plt.show()

内容的提问来源于stack exchange，提问作者anna mezcla