我正在寻找一种能够检测曲线末端的算法。我要将二值图像转换为点云作为坐标，我需要找到线的末端，这样我才能开始另一个算法。
我正在考虑对每个点的 N 个最近的“1”像素取向量的平均值，并说具有最长向量的像素必须是端点，因为如果一个点位于一条线的中间，那么向量的平均值将抵消。但是，我认为这一定是图像处理中众所周知的问题，所以我想我会把它扔在这里看看是否有人知道“正确”的算法。
【问题讨论】：
标签： algorithm image-processing
如果线条只有一个或两个像素粗，您可以使用 Malcolm McLean 在评论中建议的方法。
否则，一种方法是为每个红色像素计算同一组件中最远的红色像素，以及最远像素的距离。 （在图论术语中，这两个像素之间的距离是每个像素的离心率。）靠近长线末端的像素将具有最大的离心率，因为它们之间的最短路径指向线路的另一端很长。 （请注意，无论最大偏心率是多少，至少会有两个像素具有它，因为从 a 到 b 的距离与从 b 到 a 的距离相同。）
如果您有 n 个红色像素，则可以在 O(n^2) 时间内计算所有的偏心率（以及相应的最远像素）：对于每个像素，依次在该像素处开始 BFS，并取您找到的最深节点作为其最远的像素（可能有几个；任何都可以）。每个 BFS 在 O(n) 时间内运行，因为在任何像素上只有恒定数量的边（4 或 8，取决于您对像素连接的建模方式）。
为了稳健性，您可以考虑选取前 10 或 50 个（等）像素对，并检查它们是否形成了 2 个分离良好、定义明确的集群。然后，您可以将每个集群中的平均位置作为您的 2 个端点。
【讨论】：
如果您对线条应用细化，因此您的线条只有一个像素厚，您可以利用morphologyEX 并在OpenCV 中使用MORPH_HITMISS。本质上，您为每个可能的角落（有 8 个可能）创建一个模板（内核或过滤器）并通过每个角落进行卷积。每个卷积的结果将在内核匹配的地方为 1，否则为 0。所以如果你觉得你可以在 c 中做得更好，你可以手动做同样的事情。
这是一个例子。它将任何 0 和 1 像素粗线的图像作为 input_image。
import numpy as np
import cv2
import matplotlib.pylab as plt
def find_endoflines(input_image, show=0):
kernel_0 = np.array((
[-1, -1, -1],
[-1, 1, -1],
[-1, 1, -1]), dtype="int")
kernel_1 = np.array((
[-1, -1, -1],
[-1, 1, -1],
[1,-1, -1]), dtype="int")
kernel_2 = np.array((
[-1, -1, -1],
[1, 1, -1],
[-1,-1, -1]), dtype="int")
kernel_3 = np.array((
[1, -1, -1],
[-1, 1, -1],
[-1,-1, -1]), dtype="int")
kernel_4 = np.array((
[-1, 1, -1],
[-1, 1, -1],
[-1,-1, -1]), dtype="int")
kernel_5 = np.array((
[-1, -1, 1],
[-1, 1, -1],
[-1,-1, -1]), dtype="int")
kernel_6 = np.array((
[-1, -1, -1],
[-1, 1, 1],
[-1,-1, -1]), dtype="int")
kernel_7 = np.array((
[-1, -1, -1],
[-1, 1, -1],
[-1,-1, 1]), dtype="int")
kernel = np.array((kernel_0,kernel_1,kernel_2,kernel_3,kernel_4,kernel_5,kernel_6, kernel_7))
output_image = np.zeros(input_image.shape)
for i in np.arange(8):
out = cv2.morphologyEx(input_image, cv2.MORPH_HITMISS, kernel[i,:,:])
output_image = output_image + out
return output_image
if show == 1:
show_image = np.reshape(np.repeat(input_image, 3, axis=1),(input_image.shape[0],input_image.shape[1],3))*255
show_image[:,:,1] = show_image[:,:,1] - output_image *255
show_image[:,:,2] = show_image[:,:,2] - output_image *255
plt.imshow(show_image)
【讨论】：