Python Image - 从图像骨架中找到最大的分支答案

【问题标题】：Python Image - Finding largest branch from image skeletonPython Image - 从图像骨架中找到最大的分支
【发布时间】：2019-04-28 03:02:27
【问题描述】：

我有以下形状的骨架图像：

我想从骨架中提取“最大的分支”：

我知道也许我需要提取连接点并从该点划分界线（？），但我不知道该怎么做。

有没有办法使用 Python Scikit Image 或 OpenCV 来做到这一点？

【问题讨论】：

标签： python image scikit-image opencv-python

【解决方案1】：

我相信你可以使用 OpenCV 做到以下几点：

使用HarrisCorner 检测图像中的所有角。这将为您提供所示的三个绿色点（我画了一个完整的圆圈以突出显示该位置）。

在所有角落添加黑色像素
使用findContours获取图片中的所有分支。然后使用arcLength检查每个轮廓的长度，得到最长的。

【讨论】：

我认为 skan 库可以满足您的需求：github.com/jni/skan

【解决方案2】：

有一个很棒的 python 包，用于使用 python 分析骨架，称为 FilFinder ($pip install fil_finder)，它优雅地解决了这个问题。下面是从他们的tutorial 中采用的代码。

生成骨架：

import numpy as np
import cv2
import matplotlib.pyplot as plt
from fil_finder import FilFinder2D
import astropy.units as u

skeleton = cv2.imread("./data/XmviQ.png", 0) #in numpy array format

fil = FilFinder2D(skeleton, distance=250 * u.pc, mask=skeleton)
fil.preprocess_image(flatten_percent=85)
fil.create_mask(border_masking=True, verbose=False,
use_existing_mask=True)
fil.medskel(verbose=False)
fil.analyze_skeletons(branch_thresh=40* u.pix, skel_thresh=10 * u.pix, prune_criteria='length')

# Show the longest path
plt.imshow(fil.skeleton, cmap='gray')
plt.contour(fil.skeleton_longpath, colors='r')
plt.axis('off')
plt.show()

输出：

在您的问题中，您对沿图对应于骨架的最长路径不感兴趣，而是对最长分支的路径感兴趣。继续上面的代码块，下面的脚本可以解决问题。我添加了数据框以可视化 FilFinder 自动生成许多有关骨架的有趣信息。

import pandas as pd
plt.imshow(fil.skeleton, cmap='gray')

# this also works for multiple filaments/skeletons in the image: here only one
for idx, filament in enumerate(fil.filaments): 

    data = filament.branch_properties.copy()
    data_df = pd.DataFrame(data)
    data_df['offset_pixels'] = data_df['pixels'].apply(lambda x: x+filament.pixel_extents[0])

    print(f"Filament: {idx}")
    display(data_df.head())

    longest_branch_idx = data_df.length.idxmax()
    longest_branch_pix = data_df.offset_pixels.iloc[longest_branch_idx]

    y,x = longest_branch_pix[:,0],longest_branch_pix[:,1]

    plt.scatter(x,y , color='r')

plt.axis('off')
plt.show()

输出：

【讨论】：