Comment puis-je détecter les points après la schématisation d'une image scikit?

Question

I ont des images squelettisées binaires et j'utilise Mahotas bibliothèque python pour extraire des points d'extrémité et des points ramifiés.

Je n'aime pas Mahotas mince fonction (il y a trop de petites branches) et j'ai donc choisi scikit image squelettisent fonction.

Maintenant ennuis commencent: dans certaines images, il ne point plus ramifié extrait. Pourquoi?

Scikit image function accepte à la fois booléenne et des valeurs entières (Mahotas utilise boolean).

from skimage import morphology 
import mahotas as mh 
import pymorph as pm 
import numpy as np 
import cv2 
from matplotlib import pyplot as plt 
import scipy 

def branchedPoints(skel): 
    branch1=np.array([[2, 1, 2], [1, 1, 1], [2, 2, 2]]) 
    branch2=np.array([[1, 2, 1], [2, 1, 2], [1, 2, 1]]) 
    branch3=np.array([[1, 2, 1], [2, 1, 2], [1, 2, 2]]) 
    branch4=np.array([[2, 1, 2], [1, 1, 2], [2, 1, 2]]) 
    branch5=np.array([[1, 2, 2], [2, 1, 2], [1, 2, 1]]) 
    branch6=np.array([[2, 2, 2], [1, 1, 1], [2, 1, 2]]) 
    branch7=np.array([[2, 2, 1], [2, 1, 2], [1, 2, 1]]) 
    branch8=np.array([[2, 1, 2], [2, 1, 1], [2, 1, 2]]) 
    branch9=np.array([[1, 2, 1], [2, 1, 2], [2, 2, 1]]) 
    br1=mh.morph.hitmiss(skel,branch1) 
    br2=mh.morph.hitmiss(skel,branch2) 
    br3=mh.morph.hitmiss(skel,branch3) 
    br4=mh.morph.hitmiss(skel,branch4) 
    br5=mh.morph.hitmiss(skel,branch5) 
    br6=mh.morph.hitmiss(skel,branch6) 
    br7=mh.morph.hitmiss(skel,branch7) 
    br8=mh.morph.hitmiss(skel,branch8) 
    br9=mh.morph.hitmiss(skel,branch9) 
    return br1+br2+br3+br4+br5+br6+br7+br8+br9 

def endPoints(skel): 
    endpoint1=np.array([[0, 0, 0],[0, 1, 0],[2, 1, 2]]) 
    endpoint2=np.array([[0, 0, 0],[0, 1, 2],[0, 2, 1]]) 
    endpoint3=np.array([[0, 0, 2],[0, 1, 1],[0, 0, 2]]) 
    endpoint4=np.array([[0, 2, 1],[0, 1, 2],[0, 0, 0]]) 
    endpoint5=np.array([[2, 1, 2],[0, 1, 0],[0, 0, 0]]) 
    endpoint6=np.array([[1, 2, 0],[2, 1, 0],[0, 0, 0]]) 
    endpoint7=np.array([[2, 0, 0],[1, 1, 0],[2, 0, 0]]) 
    endpoint8=np.array([[0, 0, 0],[2, 1, 0],[1, 2, 0]]) 
    ep1=mh.morph.hitmiss(skel,endpoint1) 
    ep2=mh.morph.hitmiss(skel,endpoint2) 
    ep3=mh.morph.hitmiss(skel,endpoint3) 
    ep4=mh.morph.hitmiss(skel,endpoint4) 
    ep5=mh.morph.hitmiss(skel,endpoint5) 
    ep6=mh.morph.hitmiss(skel,endpoint6) 
    ep7=mh.morph.hitmiss(skel,endpoint7) 
    ep8=mh.morph.hitmiss(skel,endpoint8) 
    ep = ep1+ep2+ep3+ep4+ep5+ep6+ep7+ep8 
    return ep 

def pruning(skeleton, size): 

    for i in range(1, size): 
     endpoints = endPoints(skeleton) 
     endpoints = np.logical_not(endpoints) 
     skeleton = np.logical_and(skeleton,endpoints) 
    return skeleton 


path = 'signs/a (0).jpg' 

fork = mh.imread(path) 
imgbnbin = fork[:,:,0] 

shape = list(fork.shape) 

w = (shape[0]/100)*3.5 

#structuring elements 
disk7 = pm.sedisk(w) 
disk5 = pm.sedisk(3) 
disk3 = pm.sedisk(0.5)  

bfork = imgbnbin < 150 

plt.gray() 
plt.subplot(121) 
plt.title("after binarization") 
plt.imshow(bfork) 
plt.show() 

bfork = mh.morph.dilate(bfork, disk7) 

bfork = np.array(bfork, dtype=np.bool) 
#Pota cose inutili 

bfork = mh.morph.close(bfork, disk3) 

# Skeleton+Pruning 
#skelFk = mh.thin(bfork) 
bfork = np.array(bfork, dtype=np.uint8) 
skelFk = morphology.skeletonize(bfork) 
skelFk = np.array(skelFk, dtype=np.bool) 

skelF_pruned = pruning(skelFk, 15) 

#end points (Ep) from skeletons 
## fork (Fk) sign 
print("skelfpruned before of endpoint") 
print(skelF_pruned[70]) 
EpFk = endPoints(skelF_pruned) 
EpFk_p = endPoints(skelF_pruned) 
EpFk_p = mh.dilate(EpFk_p,disk5) 

# counting end-points 
lab_Ek, n1 = mh.label(EpFk) 
lab_Ekp, n1p = mh.label(EpFk_p) 

print n1, ' end points on fork like image' 
print n1p, ' end points on fork like image, after pruning' 

#branched points 
## Merge too close points by morphological dilation 
### Fork 
BpFk = branchedPoints(skelF_pruned)# br points on Fork 

print("branched point") 
bcols,brows = np.where(BpFk) 
print(brows) 
print(bcols) 

print("end point") 
ecols,erows = np.where(EpFk) 
print(erows) 

img = skelF_pruned 

# viene dilatato per mostrare meglio il punto di giunzione 
BpFk = mh.morph.dilate(BpFk, disk5) 

## count branched points 
lab_Ek, n3 = mh.label(BpFk) 

print n3, ' branched points on fork like image' 

#Overlay: 
#Display end-points in blue 
#  branched-points in yellow 
#  skeleton in red 
display_Fk = pm.overlay(imgbnbin, red = img>0, blue = EpFk_p>0, yellow = BpFk>0)  
plt.gray() 
plt.subplot(121) 
plt.imshow(imgbnbin) 
plt.imshow(display_Fk) 
plt.show() 

Answer 1

Je pense que le problème est peut-être qu'il ya effectivement 18 types de succursales et votre code recherche uniquement 9.

Essayez de remplacer vos structures de branche avec:

xbranch0 = np.array([[1,0,1],[0,1,0],[1,0,1]]) 
xbranch1 = np.array([[0,1,0],[1,1,1],[0,1,0]]) 
tbranch0 = np.array([[0,0,0],[1,1,1],[0,1,0]]) 
tbranch1 = np.flipud(tbranch0) 
tbranch2 = tbranch0.T 
tbranch3 = np.fliplr(tbranch2) 
tbranch4 = np.array([[1,0,1],[0,1,0],[1,0,0]]) 
tbranch5 = np.flipud(tbranch4) 
tbranch6 = np.fliplr(tbranch4) 
tbranch7 = np.fliplr(tbranch5) 
ybranch0 = np.array([[1,0,1],[0,1,0],[2,1,2]]) 
ybranch1 = np.flipud(ybranch0) 
ybranch2 = ybranch0.T 
ybranch3 = np.fliplr(ybranch2) 
ybranch4 = np.array([[0,1,2],[1,1,2],[2,2,1]]) 
ybranch5 = np.flipud(ybranch4) 
ybranch6 = np.fliplr(ybranch4) 
ybranch7 = np.fliplr(ybranch5) 

Tho Les structures de branche se sont configurées pour empêcher plusieurs occurrences pour un seul point de branchement. Si ce n'est pas un problème, vous pouvez toujours remplacer "0" par "2" dans les structures de tableau.