opencv形態(tài)學中的孔洞填充詳細圖解

更新時間：2022年10月18日 09:52:20 作者：Henry_zs

我們在進行圖像分割后，分割結果有時會有一些小孔洞，如圖1所示，其中黑白兩色表示兩種不同的類別。一般情況下，這些孔洞屬于錯分情況，為了優(yōu)化結果，我們通常對這些孔洞進行填充。今天我們就用python語言基于OpenCV實現(xiàn)孔洞填充

1. 原理

孔洞指的是被前景像素點或者說感興趣的像素點包圍起來的區(qū)域，這個區(qū)域是我們不感興趣的背景區(qū)域。

數(shù)字圖像處理的孔洞填充的公式為：

I 為前景像素，c 為補集

其實孔洞填充的步驟就是一個迭代的過程：

先設置一個填充的起始點，需要在孔洞的內部。如d圖所示，然后被結構元B（圖c）膨脹。

然后，為了將膨脹的結果限制在孔洞內部，需要和原圖（圖a）的補集（圖b）相交（圖e），因為如果不控制膨脹的結果的話，那么膨脹會填充整個區(qū)域，而膨脹結果和原圖的補集相交，會使結果限制到我們感興趣的區(qū)域內部，也就是孔洞。

其次，重復這個過程，直到第k步和第k+1的步驟結果相同，那么我們可以認為孔洞已經被填充完畢（圖h）

最后，和原圖相加即可（圖i）

2. 漫水填充算法

注：這里的mask必須為圖像長寬+2，且類型要是uint8

我們對下面圖像做孔洞填充

# -*- coding: utf-8 -*-
import cv2
import numpy as np
def holefill(img):
    img_copy = img.copy()
    mask = np.zeros((img.shape[0]+2,img.shape[1]+2),dtype=np.uint8)
    cv2.floodFill(img,mask,(0,0),255)
    img_inverse = cv2.bitwise_not(img)
    dst = cv2.bitwise_or(img_copy,img_inverse)
    return dst
img = cv2.imread('hole.png',0)
thresh , img = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
img_copy =img.copy()
dst = holefill(img)
cv2.imshow('img',np.hstack((img_copy,dst)))
cv2.waitKey()
cv2.destroyAllWindows()

處理的結果為

代碼詳解：

1. 首先將圖像進行二值化處理，轉為二值圖像

2. 通過圖像的長和寬設置掩膜mask，類型為uint8

3. floodFill 會對原圖像進行操作，所以事先需要拷貝圖像，將漫水的種子設為（0，0）也就是圖像的左上角，填充的顏色為255。雖然通過計算找到孔洞的位置，然后直接填充就可以，但是這樣比較麻煩，且孔洞較多的時候不好處理。這里我們將除了前景像素點和孔洞的位置都填充為前景像素點，然后通過求反就可以得到所有的孔洞的位置

4. 最后將孔洞和原圖相加即可

到此這篇關于opencv形態(tài)學中的孔洞填充詳細圖解的文章就介紹到這了,更多相關opencv孔洞填充內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: