Alternativas a la transformación de Hough para detectar una estructura similar a una cuadrícula

Tengo una imagen que se compone de múltiples 'ángulos' que forman una forma de cuadrícula:

Después de buscar un poco, Hough parecía encajar bien, porque no le molestan los saltos de línea. Sin embargo, el problema que tengo es que mis líneas son 'gruesas', y cualquier detección de bordes que ejecuto (Canny en este caso), selecciona los bordes de la línea y no el medio:

Esto significa que la transformación de Hough termina seleccionando uno (o ambos) de los 'lados' de mis líneas de cuadrícula, y no el medio.

Dado que sé lo que estoy buscando (esta forma de cuadrícula, siempre en aproximadamente la misma orientación), ¿hay una mejor manera de realizar la parte de 'detección de bordes' para darme las líneas centrales, o debería estar buscando? en un método totalmente diferente?

La Transformación Hough de hecho ayudaría a recoger la Grilla en este caso. Para "adelgazar" las líneas, es posible que desee considerar la operación de esqueletización

Eso produciría una imagen como esta:

Debido a la forma en que funciona la esqueletización, seguirá produciendo algunas líneas que parecerán irrelevantes para la cuadrícula, pero estas líneas hacia direcciones "erróneas" no son tantas (al menos en la imagen dada) para confundir la detección de línea de la Transformada de Hough demasiado y claramente seleccionará los dos conjuntos principales de líneas en direcciones distintas. (Así es como se ve la salida HT:)

Si está utilizando MATLAB, puede consultar esta página de ayuda

Una alternativa a la Transformación de Hough sería la Transformación de Radón ( 1 , 2 ). Una descripción aproximada de un algoritmo para detectar una estructura similar a una cuadrícula podría verse así:

1. Perform Radon Transform from 0 to 180 degrees.
2. Find the two highest maxima in the angle bins.
3. For the two angles with maximal amplitude find the local maxima within the bin.
4. You can use the constraint that the maxima should have even spacing to deal with outliers.

EDITAR :

Aquí hay un pequeño fragmento de matlab para ilustrar los pasos 1-3:

im = imread('grid.png');
[R, xp] = radon(im, 0:180);
imagesc(0:180, xp, R)

plot(max(R)) % the two maxima are at 65 & 117 degrees

plot(R(:, 65))

plot(R(:,117))

Para responder a su pregunta de los comentarios: Me parece a partir de la imagen de ejemplo que proporcionó, que este método es más robusto contra pequeños defectos en la cuadrícula detectada. Los esqueletos rara vez producirán líneas rectas, lo que podría ser una desventaja para la Transformación de Hough posterior.