我有一个二进制图像，我试图表示一个图，这样图像的白色部分是顶点和边缘，其中大面积白点是顶点，边缘是连接我检测到的大白色部分之间的白色部分。我设法找到白色大部分的中心，使用OpenCV函数，如侵 eclipse ，findContours和矩，使用矩质心。所以我有图的顶点。我的下一个目标是得到边缘，这意味着找到仅在白色区域中的线，由2个点（x1，y1）和（x2，y2）表示。我尝试使用各种功能，例如：cv2.Canny（）cv2.findLine cv2.findContour在二进制图像上使用不同参数
为了理解我的目标，人们可以把它想象成一个迷宫，迷宫的开始是图像中最大的白色，迷宫的结束是第二大的白点，你可以走过的地方都是图像中的白色区域。
我在项目中使用的一些代码段：首先找到边，给定一个二进制图像（finalImage）并返回质心

def findCentroids(finalImage):
_, contours0, hierarchy = cv2.findContours(finalImage.copy(), cv2.RETR_LIST,                    cv2.CHAIN_APPROX_NONE)
moments = [cv2.moments(cnt) for cnt in contours0]
centroids = []
for M in moments:
    if M["m00"] != 0:
        cX = int(M["m10"] / M["m00"])
        cY = int(M["m01"] / M["m00"])
        centroids.append((cX, cY))
return centroids

所以就像我找到质心一样，我想找到更多的质心（使图像更少被侵 eclipse ），然后可能找到连接这些质心的所有边。这似乎不是一个好方法，所以我希望得到更好的答案。

编辑所以我想到了另一个想法，那就是使用连通分量方法。我尝试使用cv2提供的连接组件，同样：

output = cv2.connectedComponentsWithStats((imageForEdges), 8, cv2.CV_32S)

但结果是，只有黑点被识别为组件，这与我所需要的恰恰相反。我尝试使用反转图像，它给出了相同的结果，因为我假设算法更喜欢完全有界的斑点，而不是背景（在我的情况下是白色，我使用它的全部目的是它找到没有边界的区域）