边缘检测器检测到的连接边缘

我有一个从Canny边缘检测器获得的二进制图像。在中心没有很好地检测到边缘，我需要加入它们。边缘的连接取决于方向和邻域。如果顶点低于阈值（例如小于5像素距离），则需要连接顶点。如果我的几乎线性特征定位良好，则应放宽此阈值。（这是最好的情况。）

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；他们使图像更加混乱。

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：

1. 在3x3窗口中扫描，寻找邻居。
2. 遍历完整的连接对象。
3. 尝试拟合一条线（或者可能是二次多项式）。
4. 逐个功能检查是否值得连接。

实现不是很简单，因为需要连接顶点的决策部分比较棘手。

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，说边缘匹配的关键标准是什么？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（例如长直线），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）来计算霍夫峰并识别一些峰值。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，请继续努力或继续前进。

较小的间隙被填充后，您可以将其扩展以容纳更大的尺寸。峰会更多，但您可以从中选择更少。

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，并将它们插入到Graph中，其中相邻节点通过一条边连接。您可以舍弃小于M个节点的图（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）

您可以通过从某个随机节点开始并执行DFS来找到每个图的极点（每个图的外围的极点像素）。

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极有可能形成连接的极点。

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，如果您要考虑导致该极值像素的线段的斜率，则可以在达到该极值像素之前尝试将线“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（即，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值）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”的线条大致适应由图像像素形成的段的较大部分的方向。

在大多数情况下，这可能会导致人脉相通（根据您发布的图像判断），但仍然会给您带来一些挑战。例如，如何连接分支之一在连接点附近中断的“ Y”形中断模式？（即，您必须有一个“连续”折弯，并且必须与与其“混合”的线段相连）。也许您可以查看这种情况的普遍程度，然后再修改连接标准。

另外，也许值得研究如何改善图像采集（例如提高分辨率）。