我正在尝试在下面发布的图像中找到交点。我试图找到的交叉点在下图中用红色圈出。
我最成功的方法：
显然，这里的一个大问题是用于检测线的霍夫变换不应该检测曲线。我认为放大兴趣点可能会解决这个问题，但事实并非如此。有些曲线仍然太尖锐，如果你放大得太远，变换没有足够的数据来准确计算线条的位置。
我还尝试了一些局部特征检测，例如角点检测，以找到交叉点。局部特征惨遭失败，并且有一些图像也可以解释为什么会这样（尽管我目前正在尝试使用渐变的另一种方法；将在我实施后更新帖子）。
白色曲线不是交叉点，但蓝色和黄色曲线显然形成了一个交叉点。然而，当转换为二值图像时，这些曲线具有几乎相同的局部特征部分。任何关于如何找到这些交叉点的建议将不胜感激！
您还可以查看检测与本地 Hessian 矩阵的交叉：https ://dsp.stackexchange.com/questions/10579/how-hessian-feature-detector-works 它可以检测“角”（两条线的交点） ，但也许限制将是在锐曲线（例如，如果它转为 90° 角）和 2 条独立曲线的实际交点之间确定。
我仍在寻找更好的答案，但我找到了一种平滑线条的解决方案，几乎没有噪音（所以仍然相当无用）。事实证明，当对上述二值图像进行细化时，在交叉点处会发生以下两种情况之一：连接的组件被破坏，或者一般区域中的一个像素连接到 2 个像素而不是 1 个。解决方案：修改连接成分
//PLEASE NOTE: THE IMAGE MUST BE THINNED FIRST!! Read above paragraph
int width = img.length;
int height = img[0].length;
int intersections = 0;
for (int i = 1; i < width - 2; i++){
for (int j = 1; j < height - 2; j++){
if (img[i,j] > 50){
//initialize a queue for this connected component
ArrayList<Integer[]> queue = new ArrayList<>();
queue.add({i, j});
img[i, j] = 0;
while (!queue.isEmpty()){
Integer[] c = queue.remove(0);
int count = 0;
for (int x = -1; x < 2; x++){
for (int y = -1; y < 2; y++){
if (img[c[0]+ x, c[1] + y] > 50){
queue.add({c[0] + x, c[1] + y});
img[c[0] + x, c[1] + y] = 0
//count the number of pixels connected to this one
count += 1;
}
}
}
if (count > 1){
//if more than 1 pixel was connected, it's at an intersection
intersections += 1;
}
}
}
//add 1 intersection for every connected component found
intersections += 1;
}
}
//correct for the original number of connected components in the image
//minus 1; helps offset against tendency for false negatives
intersections -= original_number_of_connected_components - 1
return intersections / 2;
上面是用 Java 编写的以公开逻辑，但我在 IDL 中实现了它，所以我没有调试过这个（即没有承诺这个代码在放入实际方法时编译。事实上，如果你不这样做，它肯定不会'不要将数组作为图像和original_number_of_connected_components参数传入）。
编辑：正如人们所预料的那样，这在锯齿状或嘈杂的图像上做了一项可怕的工作。仍在寻找更好的解决方案。
编辑：我有一个做得很好的解决方案。它将在 10 月 19 日在 GitHub 上发布，那时我会变得不那么忙。它在一些不太薄的图像上关闭，但通常在同一个球场，并且目前不适用于自相交图像。这个答案将在 19 日完全改变，除非到那时我收到一个相当简单的解决方案，否则我将修改这个答案并接受它为正确的。