Alternatives à la transformation de Hough pour détecter une structure de type grille

J'ai une image qui est composée de plusieurs «angles» qui forment une forme de grille:

Après quelques recherches, Hough semblait être un bon choix, car il n'était pas troublé par des ruptures de lignes. Cependant, le problème que j'ai est que mes lignes sont `` grasses '', et toute détection de bord que je lance (Canny dans ce cas), sélectionne les bords de la ligne, et non le milieu:

Cela signifie que la transformation de Hough finit par sélectionner l'un (ou les deux) des «côtés» de mes lignes de grille, et non le milieu.

Étant donné que je sais ce que je recherche (cette forme de grille, toujours dans à peu près la même orientation), y a-t-il une meilleure façon d'effectuer la partie `` détection de bord '' pour me donner les lignes centrales, ou devrais-je regarder à une méthode totalement différente?

La transformation de Hough aiderait en effet à récupérer la grille dans ce cas. Pour "affiner" les lignes, vous voudrez peut-être envisager le fonctionnement de la squelettisation

Cela produirait une image comme celle-ci:

En raison de la façon dont fonctionne la squelettisation, elle produira toujours des lignes qui sembleront non pertinentes pour la grille mais ces lignes vers des directions "erronées" ne sont pas si nombreuses (au moins dans l'image donnée) pour confondre la détection de ligne de la transformation de Hough trop et il choisira clairement les deux principaux ensembles de lignes dans des directions distinctes. (Voici à quoi ressemble la sortie HT:)

Si vous utilisez MATLAB, vous pouvez consulter cette page d'aide

Une alternative à la transformation de Hough serait la transformation du radon ( 1 , 2 ). Une description approximative d'un algorithme pour détecter une structure de type grille pourrait ressembler à ceci:

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.

MODIFIER :

Voici un petit extrait de matlab pour illustrer l'étape 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))

Pour répondre à votre question à partir des commentaires: Il me semble, d'après le seul exemple d'image que vous avez fourni, que cette méthode est plus robuste contre les petits défauts dans la grille détectée. Les squelettes donneront rarement des lignes droites, ce qui pourrait être un inconvénient pour la transformation de Hough suivante.