Python，图像处理，轮廓分离

Question

如何利用Python将图片中两根交叉纤维轮廓分离，使其不再先交，连接，可以通过识别出两根纤维的重叠区域，然后提取出重叠区，就得到四根纤维，然后识别四根纤维的斜率，然后对比斜率大小，以斜率相差最小的为同一根纤维上的，然后将定义为同一根纤维上的两部分纤维，与重叠区再连接起来，即分离出一根纤维，同理分离出第二根纤维即可。

Answer 1

引自免费微信小程序：皆我百晓生

为了实现这个目标，我们将分步进行操作。首先，我们需要导入必要的库，然后对图像进行预处理，接着找到边缘并找到重叠区域，之后根据斜率分割纤维，最后合并相同的纤维。以下是详细的步骤和代码示例：

1. 导入库：

import cv2
import numpy as np
from skimage import measure
from scipy.ndimage import morphology

1. 读取原始图像，并转换为灰度图像：

img = cv2.imread('figure_1.png')
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

1. 对灰度图像进行二值化处理，以便于后续的边缘检测：

_, binary_img = cv2.threshold(gray_img, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

1. 找到图像中的边缘：

edges = cv2.Canny(binary_img, 50, 150)

1. 使用骨架算法（skeletonization）减少边缘宽度，便于找到可能的交叉点：

skel = morphology.skeletonize(binary_img)

1. 从边缘图像中找出所有的轮廓：

contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

1. 定义一个函数，用于计算两点之间的斜率：

def slope(point1, point2):
    if point2[0] - point1[0] == 0:
        return float('inf')  # 如果是水平线，斜率为无穷大
    else:
        return (point2[1] - point1[1]) / (point2[0] - point1[0])

1. 创建一个字典，用于存储每条轮廓的斜率及其对应的点列表：

contour_slopes = {}
for contour in contours:
    points = [(x, y) for x, y in zip(contour[:, 0, 0], contour[:, 0, 1])]
    sorted_points = sorted(points, key=lambda p: p[0])
    slopes = [slope(sorted_points[i], sorted_points[i+1]) for i in range(len(sorted_points)-1)]
    avg_slope = sum(slopes) / len(slopes)
    contour_slopes[avg_slope] = sorted_points

1. 确定两条纤维的重叠区域：

overlapping_contours = []
for slope1, points1 in contour_slopes.items():
    for slope2, points2 in contour_slopes.items():
        if slope1 != slope2 and abs(slope1 - slope2) < 0.1:  # 可调整此阈值以匹配实际需求
            overlapping_contours.append((slope1, points1, slope2, points2))

1. 根据斜率分离纤维并将它们重新组合：

separated_fibers = []
for overlap in overlapping_contours:
    slope1, points1, slope2, points2 = overlap

    # 找到交叉点
    cross_point = None
    for i in range(1, len(points1)):
        for j in range(1, len(points2)):
            if points1[i] == points2[j]:
                cross_point = points1[i]
                break
        if cross_point is not None:
            break

    # 将纤维分割成两部分
    fiber1_points = [p for p in points1 if p[0] <= cross_point[0]]
    fiber2_points = [p for p in points1 if p[0] > cross_point[0]]

    # 同样地，分割另一根纤维
    fiber3_points = [p for p in points2 if p[0] <= cross_point[0]]
    fiber4_points = [p for p in points2 if p[0] > cross_point[0]]

    separated_fibers.extend([fiber1_points, fiber2_points, fiber3_points, fiber4_points])

1. 最后，我们可以将这些纤维绘制出来以验证结果：

result_image = img.copy()
cv2.drawContours(result_image, separated_fibers, -1, (0, 255, 0), 2)

# 保存结果
cv2.imwrite("separated_fibers.png", result_image)

注意：上述代码只是一个基本的示例，可能需要根据实际情况进行调整。例如，斜率阈值、边缘检测参数等可能需要根据输入图像进行优化。此外，对于复杂的图像，可能需要更复杂的方法来确定交叉点和纤维的正确分割。在实际应用中，可能还需要考虑噪声和其他可能影响结果的因素。