这可能不是完整的解决方案，但会给你很好的方向。

基本上，说边缘匹配的关键标准是什么？“局部”边缘的梯度匹配，并且在某种程度上，距离对于边缘连续的长度是合理的。

如果您有几何边缘，例如长直线，Hough 将立即完成非常无缝的工作。但是当边缘是任意曲线时，这不起作用。在这种情况下，您仍然可以将曲线视为大致分段的常数段（在您的情况下已经足够好了），因此，您应该在本地使用 Hough。即你可以取一小部分图像（比如一个块）计算霍夫并识别一些峰值。基于此，您可以确定去霍夫正在创造有意义的差距，如果是这样，请保持或继续前进。

一旦较小的间隙被填满，您可以扩展它以占用更大的尺寸。峰值会更多，但您可以从中选择更少。

这确实不会很简单......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，并将它们插入到相邻节点与边缘连接的 Graph 中。您可以丢弃小于 M 节点数的图（以排除与图像无关的小点）。

在此过程结束时，您将拥有一组断开连接的图表。（从你的图片来看，这些不完全是树，因为那里有循环）

您可以通过从某个随机节点开始并执行DFS来找到每个 Graph 的极值点（每个 Graph 外围的极值像素） 。

在此过程结束时，您将获得每个 Graph 的一组像素坐标，这些坐标对应于更可能形成连接的极值点。

您现在可以尝试简单地用直线连接最近的极值点邻居（距离 <=5）。

但是，如果您想考虑导致该极值像素的线段的斜率，您可以在到达该极值像素之前尝试将一条线“拟合”到 N 个像素。因此，如果 N = 5，则分支的最后 5 个像素将用于估计一条线。

因此，对于每个最近邻对，您现在还可以使用另一件事作为判断两个线段是否应连接的标准（即极值点距离 <=5 像素和近似相等的线斜率）。

为了尽量减少可能使您的线在分支尖端附近出现锯齿状的影响（并因此扭曲您的斜率估计），您可以尝试对您的图表应用一个简化步骤（这是另一个点（除了上面的 DFS）它支付使用 Graph 结构）。例如，您可以删除图形的后续节点，这些节点会使线以大于某个截止值的角度“弯曲”（对于更复杂的情况，请参见此处）。通过这种方式，您将拟合“更简单”的线条，大致适合由图像像素形成的大部分片段的方向。

在大多数情况下，这可能会产生良好的联系（从您发布的图片来看），但它仍然会给您留下一些具有挑战性的问题。例如，其中一个分支在连接点附近被中断的“Y”形中断模式如何连接？（即，您有一个“连续”弯曲，必须与与其“混合”的线段连接）。也许您可以查看此类情况的常见程度，并稍后修改您的连接标准。

此外，也许值得研究如何改进图像采集（例如提高分辨率）。