简单户型图处理—20180606-20180623

20180606-20180623

1、预处理

针对简单无背景背景图，

（1）阈值分割 wall_thresh(Mat &src)

（2）去标尺 ReturnImgWithoutRuler(Mat& image1, Mat& imgWithoutR)

（3）腐蚀膨胀，dilate_erode(Mat&src)

（4）遍历找到行列边界

2、识别门窗的位置

（5）对原图进行LSD直线提取

        Mat wall_2 = image.clone();Ptr<LineSegmentDetector> ls = createLineSegmentDetector(LSD_REFINE_STD, 1, 0.6, 2.0, 10, 0, 0.7, 1024);vector<Vec4i> lines_std;ls->detect(wall_2, lines_std);

（6）通过腐蚀膨胀后的墙体图对提取出来的直线进行掩膜处理

（7）用掩膜图过滤提取的直线，保留起点和终点都在墙体内（包含门窗）的直线

（8）利用墙体二值化的图像膨胀一圈作为掩膜得到门窗线

（9）利用sobel算子锐化门窗线

        Mat image_Nd_Sobel;Mat grad_x, grad_y;Mat grad;Mat abs_grad_x, abs_grad_y;Sobel(image_Nd, grad_y, CV_16S, 0, 1, 3, 1, 0, BORDER_DEFAULT);Sobel(image_Nd, grad_x, CV_16S, 1, 0, 3, 1, 0, BORDER_DEFAULT);convertScaleAbs(grad_x, abs_grad_x);convertScaleAbs(grad_y, abs_grad_y);addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, grad);

（10）将门窗线进行膨胀腐蚀，然后OSTU二值化分割背景和前景，得到墙体所在位置

（11）找到外轮廓，

findContours(image_out, contours, hierarcy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);

计算每个轮廓的最小外接矩形，minAreaRect(Mat(contours[i]))

（12）输出矩形短边中心点，作为门窗两点坐标

（13）将门窗点位作为先验知识，放入image_out_dilate，墙体二值图进行验证
  两端点开始，沿垂直于门窗线的位置开始搜索同墙体区域边界的角点
  设置搜索阈值20像素，没有搜到两个端点则不改变原点位
  若两端都搜索到，则以较短处的中点作为结果输出

比较纠正结果与原点位差距，小于2个像素则不更改

3、处理墙体（旧-基于边缘检测）

（14）canny边缘检测，Canny(wall_all, cannyb, 3, 9, 3)

（15）手动写模板对边角进行校正，canny_fix(Mat&src)

（16）灰度图像矢量化，起点终点都为灰度断点，

vectorize(Mat&src, vector <Vec4i> &lines_x, vector <Vec4i> &lines_y, vector<Vec4i>&lines)

（17）画出单通道矢量化的直线

（18）画三通道矢量化直线，便于后续可视化表示墙体线段

        Mat background12(image.rows, image.cols, CV_8UC3, Scalar(255, 255, 255));draw_Lines(background12, lines_x, Scalar(0, 0, 0));//0表示黑色墙外线draw_Lines(background12, lines_y, Scalar(0, 0, 0));//0表示黑色墙外线

（19）检测墙体中线，

wall_skeleton(Mat&mask,vector<Vec4i>&lines_x,vector<Vec4i>&lines_y,vector<Vec4i>&walls_x,vector<Vec4i>&walls_y)

（20）先把x、y方向上的门窗线段放到墙体线段容器中方便一起优化

（21）矢量化直线的校正优化

       //第一步优化：合并基本相同的线段（方向相同，距离为0，且有重复部分）		lines_single(image, wall_lines_x);//合并基本相同的线段（方向相同，距离为0，且有重复部分）lines_single(image, wall_lines_y);//合并基本相同的线段（方向相同，距离为0，且有重复部分）//第二步优化：平行且距离相近的两条直线，按照所在水平（垂直）位置所有直线的总长度大小进行校正lines_fix(wall_lines_x, dis_thresh);lines_fix(wall_lines_y, dis_thresh);//第三步优化：合并基本相同的线段（方向相同，距离为0，且有重复部分）lines_single(image, wall_lines_x);lines_single(image, wall_lines_y);//第四步优化：去除较短直线并放入wall_lines中wall_lines.clear();lines_filter(wall_lines_x, wall_lines, length_thresh);lines_filter(wall_lines_y, wall_lines, length_thresh);//第五步优化：延长直线两端lines_merge(wall_lines, merge_thresh);//延长直线两端//第六步优化：搜索交点作为直线端点，重新矢量化线段lines_split(image, wall_lines);draw_Lines(background12, wall_lines, Scalar(0, 0, 255));

（22）特殊矢量化，起点终点包含十字型或丁字型节点，用于区分承重墙和非承重墙

sp_vectorize(Mat&src, Mat&mask, vector<Vec6i>&lines, int gray, int check)

最终结果如上。

4、墙体处理（新-基于像素，更准确）

（23）去标尺

ReturnImgWithoutRuler(image, ImageWithoutR)

（24）二值化

threshold(ImageWithoutR, BinaryWithoutR, 210, 255, THRESH_BINARY_INV);

（25）腐蚀膨胀

        int g_nStructElementSize = 2;Mat element = getStructuringElement(MORPH_RECT,Size(2 * g_nStructElementSize + 1, 2 * g_nStructElementSize + 1),Point(g_nStructElementSize, g_nStructElementSize));erode(BinaryWithoutR, BinaryWithoutR, element);dilate(BinaryWithoutR, BinaryWithoutR, element);

（26）边缘检测及校正

        Canny(BinaryWithoutR, cannyWithoutR, 3, 9, 3);//Cannycanny_fix(cannyWithoutR);

（27）矢量化，vectorize(cannyb, lines_x, lines_y, lines);

（28）找到xy方向外轮廓

        Mat imageOutContoursX(image.rows, image.cols, CV_8UC1, Scalar(255));FindOutContours(lines_x, 1, ImgSize, ImageWithoutR, imageOutContoursX); //1 for 水平方向Mat imageOutContoursY(image.rows, image.cols, CV_8UC1, Scalar(255));FindOutContours(lines_y, 0, ImgSize, ImageWithoutR, imageOutContoursY); //0 for 竖直方向

（29）腐蚀膨胀去噪

（30）矢量化，vectorize_xy(Mat&src, vector <Vec4i> &lines, int IsHor)

（31）找墙体中线（根据找出的轮廓线，圈矩形逐像素找正确的边界然后，算中线），去除重复并存储

NeighborRectX(vector<Vec4i> lines, int index, vector<Vec6i>& MediumLines)

（32）搜索交点作为直线端点，重新矢量化中线

lines_split_new(backgroundMediumLines, MediumLines);

（33）特殊矢量化，区分承重墙与非承重墙

sp_vectorize(Mat&src, Mat&mask, vector<Vec6i>&lines, int gray, int check)

（34）根据标尺绑定中线真实长度（未实现）。

5、识别门窗（新-能识别门和窗的位置及种类）

       //检测门窗中线vector<Vec6i>win_door_temp;vector<Vec6i>win_door_mid;findWinDoorMidL(wall_all, walls, win_door_temp);lines_filter6(win_door_temp, win_door_mid, 15);//伸出门窗分类vector<Vec6i>win_door_out_sort_temp;windoor_out_sort(wall_th_windoor, win_door_mid, win_door_out_sort_temp);//查找未伸出门窗vector<Vec6i>win_door_in_sort_temp;find_windoor_in(wall_th_windoor, win_door_mid, win_door_in_sort_temp);vector<Vec6i>win_door_out_sort;vector<Vec6i>win_door_in_sort_temp2;lines_minus(win_door_out_sort_temp, win_door_in_sort_temp, win_door_out_sort);lines_minus(win_door_mid, win_door_out_sort, win_door_in_sort_temp2);//未伸出门窗分类vector<Vec6i>win_door_in_sort;windoor_in_sort(wall_th_windoor, win_door_in_sort_temp2, win_door_in_sort);vector<Vec6i>win_door_sort;for (int i = 0; i < win_door_out_sort.size(); i++){win_door_sort.push_back(win_door_out_sort[i]);}for (int j = 0; j < win_door_in_sort.size(); j++){win_door_sort.push_back(win_door_in_sort[j]);}

（35）先找到门窗中线，墙体中线 - 墙体腐蚀膨胀图得。

（36）找到飘窗、门、正常窗等的结构特征进行识别。

6、处理标尺，将标尺与数值绑定

（37）提取标尺