我正在寻找一种方法，在图像中找到脊（局部最大值）并将它们作为脊的阵列返回（其中脊是定义脊的点的矢量） . 也就是说，一种方法，其行为与findContours完全相同（查找轮廓并将其作为定义轮廓的矢量数组返回），除了脊 .
这是否存在，如果不存在，我将如何实现这种效果？ （我正在使用OpenCV的Emgu CV包装器）
我有这个图像（它有点模糊，对不起），使用道路系统的二进制图像的距离变换获得：
我可以很容易地在原始二进制图像上使用findContours来获得 road outlines 作为点的向量 . 但是我对 road centerline 很感兴趣 . 道路中心线由上面的图像的局部最大值表示 .
显然，在这张图片上使用findContours再次为我提供了道路轮廓 . 我打算使用非最大值抑制除去中心线以外的所有内容，并使用findContours，但我不知道如何进行非最大值抑制，因此我的问题here
1 回答
您希望沿每条线的渐变方向进行最大抑制 .
计算梯度方向 .
对于每个点，沿着局部渐变方向的线搜索最大值 . 2.1如果当前点是最大标记，则标记为零
＃读取图像
Irgb = cv2.imread（'road.png'）
I = Irgb [：，：，0]
＃找到渐变方向
sobelx = cv2.Sobel（I，cv2.CV_64F，1,0，ksize = 1）
sobely = cv2.Sobel（I，cv2.CV_64F，0,1，ksize = 1）
gradDirection = np.zeros（I.shape，np.float64）
对于范围内的y（I.shape [0]）：
对于范围内的x（I.shape [1]）：
gradDirection [y，x] = np.float64（math.atan2（sobely [y，x]，sobelx [y，x]））
＃迭代所有点并进行最大抑制
points = np.nonzero（I）
points = zip（points [0]，points [1]）
maxSuppresion = np.zeros_like（I）
点数：
y =点[0]
x =点[1]
＃查看渐变方向上的点的局部线
direction = gradDirection [y，x]
pointValues = []
对于l in范围（-1,2）：
yLine = int（np.round（y l * math.sin（direction）））
xLine = int（np.round（x l * math.cos（direction）））
if（yLine <0或yLine> = maxSuppresion.shape [0]或xLine <0或xLine> = maxSuppresion.shape [1]）：
继续
pointValues.append（I [YLINE，XLINE]）
＃在线查找最大值
maxVal = np.max（np.asarray（pointValues））
＃检查当前点是否为最大值
如果我[y，x] == maxVal：
maxSuppresion [y，x] = 1
其他：
maxSuppresion [y，x] = 0
＃删除小区域
im2，contours，hierarchy = cv2.findContours（maxSuppresion，cv2.RETR_CCOMP，cv2.CHAIN_APPROX_NONE）
minArea = 5
maxSuppresionFilter = np.zeros_like（maxSuppresion）
finalShapes = []
轮廓轮廓：
if contour.size> minArea：
finalShapes.append（轮廓）
cv2.fillPoly（maxSuppresionFilter，finalShapes，1）
cv2.imshow（ '路'，maxSuppresionFilter * 255）
最后会得到以下图片：
您可以看到，在交叉点周围仍然存在问题，其中局部最大抑制抑制了交叉点中心旁边的点 . 您可以尝试使用形态学操作来克服这些问题 .