분할 된 이미지에 커브를 맞 춥니 다

Question

현재 데이터 분석에서 세그먼트 화 된 이미지가 아래 예와 같습니다.

내 문제는 세그먼트 화 된 이미지에서 특정 영역 (빨간색) 에 폴리 노움 또는 스플라인 (일차원 1 차원)을 맞추고 싶습니다. (결과는 검은 선이됩니다).

보통 나는 직각 거리 회귀와 같은 것을 사용할 것이고,이 문제는이 에이 경우 가지고 있지 않은 적합한 함수가 필요하다는 것입니다. 그래서 파이썬/numpy로 이것을 수행하는 가장 좋은 방법은 무엇입니까? 이런 종류의 문제에 대한 표준 알고리즘이 있습니까?

UPDATE : 은 내 그림 실력은 아마 최고의하지 않은 것, 그림에서 빨간색 영역은 일부 랜덤 노이즈를 가질 수 완전히 연결되어 있지 않습니다 (인해 작은 간격이있을 수 있습니다 소음).

UPDATE2 : 전체 대상은 [0,1]의 t에 대한 위치, 즉 p (t) => (x, y)를 반환하는 매개 변수화 된 곡선 p (t)를 가져야합니다. 여기서 t = 0 검은 선의 시작, t = 1 검은 선의 끝.

Answer 1

scipy.ndimage 및 this gist을 템플릿으로 사용했습니다. 이것은 거의 당신을 거기에 데려다 줄 것입니다, 당신은 합리적인 방법으로 대부분의 골격화 된 이미지에서 곡선을 매개 변수화해야합니다.

from scipy.misc import imread 
import scipy.ndimage as ndimage 

# Load the image 
raw = imread("bG2W9mM.png") 

# Convert the image to greyscale, using the red channel 
grey = raw[:,:,0] 

# Simple thresholding of the image 
threshold = grey>200 

radius = 10 
distance_img = ndimage.distance_transform_edt(threshold) 
morph_laplace_img = ndimage.morphological_laplace(distance_img, 
                (radius, radius)) 
skeleton = morph_laplace_img < morph_laplace_img.min()/2 

import matplotlib.cm as cm 
from pylab import * 
subplot(221); imshow(raw) 
subplot(222); imshow(grey, cmap=cm.Greys_r) 
subplot(223); imshow(threshold, cmap=cm.Greys_r) 
subplot(224); imshow(skeleton, cmap=cm.Greys_r) 
show() 

당신은 유용한 skeletonization을 참조 다른 답변을 찾을 수는, 그 예는 여기에 있습니다 :

Problems during Skeletonization image for extracting contours