python葉脈のハフ変換による筋の抽出

Question

pythonを用いて葉脈の筋を抽出するというのがうまくいきません．
ハフ変換を用いて葉脈だけを抽出するにはどうしたらよいのでしょうか．
該当コードです．

コード

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('youmyaku04.nitika.png')

dst = cv2.fastNlMeansDenoisingColored(img,None,10,10,7,21)
plt.subplot(121),plt.imshow(img)
plt.subplot(122),plt.imshow(dst)

gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,1,1,apertureSize = 5)

lines = cv2.HoughLines(edges,1,np.pi/520,95)
print(len(lines))
for line in lines:
    for rho,theta in line:
        a = np.cos(theta)
        b = np.sin(theta)
        x0 = a*rho
        y0 = b*rho
        x1 = int(x0 + 50*(-b))
        y1 = int(y0 + 90*(a))
        x2 = int(x0 - 50*(-b))
        y2 = int(y0 - 90*(a))

        cv2.line(img,(x1,y1),(x2,y2),(0,0,255),2)

cv2.imwrite('houghlines2.jpg',img)

Comments

[tiitoi]

画像を添付できますか？

[退会済みユーザー]

すみません．画像添付しました．数値を少しずつ変えている最中のものです．

[tiitoi]

すいません。画像というのは画像処理する前の元画像 youmyaku04.nitika.png のことです。

[退会済みユーザー]

すみません．添付しました．

Answer 1

（ハフ変換による曲線検出は実施経験がないので）どの程度可能なのかどうかわかりませんが，検出対象たる

葉脈の筋

の形をある程度の自由度のパラメータを持つ曲線だと仮定すれば，「ハフ変換」も可能なのではないでしょうか．
「ハフ変換　曲線」とか「一般化ハフ変換」で調べると何かヒントが見つかるかも？

Comments

[退会済みユーザー]

なるほど。調べてみます！ありがとうございます

Answer 2

（別の話になるので回答を分けます）

画像を複数の部分領域に分割し，各領域ごとに（Classicalな直線検出の）ハフ変換を行い，
それらの結果を統合する，という方向性も有り得るかと思います．

領域境界で線を繋いでいって葉脈のカーブを折れ線近似するようなイメージ．
（tiitoi氏の回答内容のような前処理を行った後の状態から開始すれば，そこそこ行けそうな気がします）

Comments

[退会済みユーザー]

ご回答ありがとうございます．Classicalな直線検出のハフ変換を行う，とあるのですが，その簡単な意味を教えていただきたいです．また，pythonで実行可能でしょうか？

[fana]

要するに cv2.HoughLines のことです．
この直線検出手段を，画像全体に対して用いるのでなくて，場所毎にやれば良いんじゃないか，という．

「太い葉脈の一部分とそれ以外」を含む小領域毎に直線を１本検出した場合にそれが太い葉脈に相当することが期待できるなら，そういう方法で太い葉脈の断片を線分で近似できるだろうから，それらを繋いで折れ線にできないかな，と．

[fana]

とりあえず画像から，検出したい葉脈の一部を含む部分画像を切り出して，それを今のコードに入力したら葉脈に相当する直線が検出できないか？　みたいなのを試してみてはどうでしょうか．

[退会済みユーザー]

なるほど，試してみます．ありがとうございます．

[fana]

画像に対する前提知識（葉脈の角度がどのくらいの範囲だとか）を使って良いなら，投票空間や投票に用いるエッジ点を制限すると良いかも．

Answer 3

葉脈の筋は直線ではないため、ハフ変換による抽出というのは難しいのではないでしょうか。

以下の方法で太い部分だけ残した2値画像を作成してみましたが、このような意図であっていますか。

1. モルフォロジー変換で葉脈を強調する。
2. 連結成分のラベリングを行う。
3. 面積が一定以上の連結成分のみ残す。

OpenCV - モルフォロジー演算について
OpenCV - connectedComponents() で連結成分のラベリング

サンプルコード

import cv2
import numpy as np

# 画像をグレースケール形式で読み込む。
img = cv2.imread("sample.png", cv2.IMREAD_GRAYSCALE)

# CLOSING 処理で線を強調する。
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (2, 2))
morph = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

# 連結成分のラベリングを行う。
retval, labels, stats, centroids = cv2.connectedComponentsWithStats(
    morph, connectivity=8
)

# 面積が一定以上の連結成分のみ残す。
dst = np.zeros_like(img)
for i, s in enumerate(stats, 1):  # label=0 は背景なのでスキップ
    if s[cv2.CC_STAT_AREA] > 100:  # ラベル i の面積が一定以上の場合
        dst[labels == i] = 255

cv2.imwrite("dst.png", dst)

Comments

[退会済みユーザー]

ありがとうございます．やはりハフ変換での抽出は難しいのですね．
こちらの処理によって太い部分の座標値などはわかったりしますか？

[tiitoi]

元の画像から太い部分以外を除去する形なので、位置はかわりません。