Как извлечь информацию о скелете skimage в узлы и ребра NetworkX в python для дальнейшего расширенного анализа

В настоящее время я использую skimage в python для извлечения скелета открытого пространства из некоторой бинарной карты, как показано на следующих рисунках:

Исходное изображение карты BWОткрытая площадка со скелетом

Со следующими кодами Python:

from skimage.morphology import skeletonize
from skimage import draw
from skimage.io import imread, imshow
from skimage.color import rgb2gray

# load image from file
img_fname=os.path.join('images','mall1_2F_schema.png') 
image=imread(img_fname)

# Change RGB color to gray 
image=rgb2gray(image)

# Change gray image to binary
image=np.where(image>np.mean(image),1.0,0.0)

# perform skeletonization
skeleton = skeletonize(image)

Теперь я хотел бы извлечь конечные точки и точки пересечения из скелета в качестве узлов для графического объекта Networkx при вычислении расстояния между соседними узлами в качестве ребер для графического объекта Networkx. В настоящее время мне приходится вручную получать координаты точек и вводить их в процесс инициализации объекта NetworkX. Есть ли у нас более разумный способ сделать все автоматически?

Кстати, я нашел ответ yaron kahanovitch на вопрос о stackoverflow предлагает аналогичные подходы. Однако предложений по реализации больше не поступало, и я думаю, что NetworkX может быть одним из подходов.

Любые предложения от вас очень ценятся.


python image-processing scikit-image networkx
person gongming wei    schedule 07.12.2016    source источник
comment
Нашел еще одну интересную ссылку, чтобы найти конечную или точку пересечения что может быть полезно для поиска решения на python.   -  person gongming wei    schedule 07.12.2016

Ответы (1)


arrow_upward
0
arrow_downward

Ну вот.

Этот фрагмент кода предназначен для 2D-изображения скелета, и вы можете легко расширить его до 3D.

import networkx as nx
import numpy as np

def skeleton_image_to_graph(skeIm, connectivity=2):
    assert(len(skeIm.shape) == 2)
    skeImPos = np.stack(np.where(skeIm))
    skeImPosIm = np.zeros_like(skeIm, dtype=np.int)
    skeImPosIm[skeImPos[0], skeImPos[1]] = np.arange(0, skeImPos.shape[1])
    g = nx.Graph()
    if connectivity == 1:
        neigh = np.array([[0, 1], [0, -1], [1, 0], [-1, 0]])
    elif connectivity == 2:
        neigh = np.array([[0, 1], [0, -1], [1, 0], [-1, 0], [1, 1], [1, -1], [-1, 1], [-1, -1]])
    else:
        raise ValueError(f'unsupported connectivity {connectivity}')
    for idx in range(skeImPos[0].shape[0]):
        for neighIdx in range(neigh.shape[0]):
            curNeighPos = skeImPos[:, idx] + neigh[neighIdx]
            if np.any(curNeighPos<0) or np.any(curNeighPos>=skeIm.shape):
                continue
            if skeIm[curNeighPos[0], curNeighPos[1]] > 0:
                g.add_edge(skeImPosIm[skeImPos[0, idx], skeImPos[1, idx]], skeImPosIm[curNeighPos[0], curNeighPos[1]], weight=np.linalg.norm(neigh[neighIdx]))
    g.graph['physicalPos'] = skeImPos.T
    return g
person TurtleIzzy    schedule 27.02.2021