Hough变换的替代方法，用于检测网格状结构

我有一个图像，该图像由形成网格形状的多个“角度”组成：

经过一番搜索后，霍夫似乎很合适，因为它不受换行的困扰。但是，我的问题是我的线条是'fat'，并且我运行的任何边缘检测（在这种情况下为Canny）都选择了线条的边缘，而不是中间的边缘：

这意味着霍夫变换最终会选择网格线“边”中的一个（或两个），而不是中间。

鉴于我知道我要寻找的东西（这种网格形状，始终处于大致相同的方向），是否有更好的方法来执行“边缘检测”部分以给我中心线，还是应该寻找用完全不同的方法？

在这种情况下，霍夫变换确实有助于拾起网格。要“细化”线条，您可能需要考虑骨架化的操作

那将产生这样的图像：

由于骨架化的工作方式，它仍然会产生一些与网格无关的线，但是这些朝向“错误”方向的线并不太多（至少在给定的图像中），这会混淆霍夫变换的线检测太多，它将清楚地沿不同方向选择两条主要线。（以下是HT输出的样子：）

如果您使用的是MATLAB，则可能需要查看此帮助页面

到霍夫备选变换将是Radon变换（1，2）。对检测网格状结构的算法的粗略描述如下所示：

1. Perform Radon Transform from 0 to 180 degrees.
2. Find the two highest maxima in the angle bins.
3. For the two angles with maximal amplitude find the local maxima within the bin.
4. You can use the constraint that the maxima should have even spacing to deal with outliers.

编辑：

这是一个小的Matlab代码段，用于说明步骤1-3：

im = imread('grid.png');
[R, xp] = radon(im, 0:180);
imagesc(0:180, xp, R)

plot(max(R)) % the two maxima are at 65 & 117 degrees

plot(R(:, 65))

plot(R(:,117))

从评论中回答您的问题：在您提供的一个示例图像中，对我来说，这种方法对于检测到的网格中的小缺陷更健壮。骨骼很少会产生直线，这可能对随后的霍夫变换不利。