我尝试了霍夫变换，但对我来说不起作用，因为我没有直线。膨胀和侵蚀也不好；
我尝试的方法是先检测顶点和节点（在MATLAB中使用
bwmorph），然后将叶子作为单独的功能。这样做如下：在3x3窗口中扫描，寻找邻居。
遍历完整的连接对象。
尝试拟合一条直线（或者可能是二次多项式）。
逐个功能检查是否值得连接。
实现起来并不简单，因为需要连接顶点的决策部分比较棘手。
#1 楼
这可能不是完整的解决方案，但会为您提供良好的指导。基本上，说边缘匹配的主要标准是什么？边缘的“局部”梯度匹配并且在某种程度上距离相对于边缘连续多长时间是合理的。
如果您有几何形状的边缘（如长直线），霍夫将立即完成非常无缝的工作。但这在边是任意曲线时不起作用。在这种情况下，您仍然可以将曲线视为大致逐段的恒定段（在您的情况下足够好），因此，您应该在本地使用Hough。也就是说，您可以拍摄一小部分图像（例如一个块）来计算霍夫峰并确定一些峰值。在此基础上，您可以确定脱霍夫正在创建有意义的差距，如果是这样，请继续努力或继续前进。
一旦填补了较小的空白，您可以将其扩大以扩大尺寸。峰会更多，但您可以从中选择更少。
评论
$ \ begingroup $
感谢Dipan，我也想到了这一点。这将是昂贵的操作，但我可以提取一些信息。但是有时Hoguh变形也不给我连接线。霍夫只照顾完美的直线。并且不关心像素的连通性。它仅使一条直线适合直线上的3个或更多随机像素。我正在编码我的假设。我将在这里发布结果以供进一步讨论。纳雷什
$ \ endgroup $
–那雷什
2012年6月1日9:08
$ \ begingroup $
我同意，但是当霍夫本地化时，与此问题相关的噪音变得容易。其次，对于嘈杂的边缘，您会看到较小的多个峰。我们将它们转换为主峰，并将其视为连接的边缘。是的，这只是一个近似值-但是您经历的任何回归和预测过程始终都是这种情况。想法是查看哪些行在一个小区域共享了$ \ theta $。
$ \ endgroup $
– Dipan Mehta
2012年6月1日上午9:22
#2 楼
确实，这并不是一件容易的事情……您可以尝试完全使用Graph结构。首先从图像中提取所有连接的像素，然后将它们插入到Graph中，其中相邻节点通过一条边连接。您可以丢弃小于节点M个数的图（以排除与图像无关的小斑点）。在此过程结束时，您将具有一组断开连接的图。 （从您的图像来看，这些树不完全是树，因为其中存在循环）。
您可以从一些图形开始，找到每个图形的极点（每个图形外围的极点像素）。
在此过程结束时，您将为每个图具有一组像素坐标，这些像素坐标对应于更可能形成连接的极值点。
现在，您可以尝试仅用一条直线连接最近的极值点邻居（距离<= 5）。
但是，如果您要考虑直线的斜率导致该末端像素的线段，您可以在到达该末端像素之前尝试将线“拟合”到N个像素。因此，如果N = 5，则分支的最后5个像素将用于估算线。
因此，对于每个最近的邻居对，您现在还有另一件事可以用作判断是否应连接两个线段的标准（例如，极点距离<= 5像素和近似相等的线斜率）。
为了最大程度地减少可能使您的线条在分支的尖端附近出现锯齿（从而扭曲您的斜率估计）的噪声影响，您可以尝试对图形应用简化步骤（这是另一个要点（除上面的DFS之外））使用Graph结构）。例如，您可以删除Graph的后续节点，这些节点会使直线以大于某些截止点的角度“弯曲”（有关更复杂的信息，请参见此处）。这样，您将使“较简单”的线条大致与由图像像素形成的线段的大部分相适应。
在大多数情况下，这可能会导致连接良好（从您发布的图片来看），但这仍然会给您带来一些挑战。例如，如何连接分支附近的分支之一被中断的“ Y”形中断模式？ （即，您有一个“连续”折弯，必须与与其“混合”的线段相连）。也许您可以回顾一下这种情况的普遍性，然后再修改连接标准。
此外，也许值得研究一下如何改善图像采集（例如提高分辨率）。
评论
$ \ begingroup $
感谢您的好评。是的，您的观察是对的。它不是一棵树，所以更好地制作图表。这也将帮助我找到周期。事实是，MATLAB在bioinfo工具箱中实现了图形，我不能认为大多数人都会拥有图形。我最能走的就是图像处理工具箱。我也考虑过道格拉斯·皮克（Douglas-peucker）。但是，在咨询了GIS专家之后，我意识到这可能会使事情变得更复杂，而且我可能会相交。另外，我还需要查看图形中的不同线段，因为我需要10个像素才能形成一条线，而且我可能已经分叉了。
$ \ endgroup $
–那雷什
2012年6月1日15:05
评论
我找到了一个有趣的解决方案来查找分支。 MATLAB可以很容易地给出节点的位置。 MATLAB还可以标记连接的特征。因此，您可以选择一项连接的功能。查找节点。将这些节点设置为0。基本上断开功能并再次标记它们。您将在树上有树枝。这需要较少的手动编程，结果似乎还不错。一些输入？对于连接部分，我现在正在考虑查找大型功能并认为它们更可靠。然后，如果它们是直线（检查适应性），则将其转换为极坐标并像霍夫变换那样搜索邻域。对于较大的要素，搜索半径较大（与大小成比例）。我正在执行此代码。结果在路上。评论请