python-2.7 - python 2.7 : Area opening and closing binary image in Python not so accurate

Question

我使用的是 Python 2.7，我使用了以下 Python 和 Matlab 函数来去除图像中的噪声和填充孔

.

1。使用 Python 和 Opencv 去除噪声和填充孔的代码

img = cv2.imread("binar.png",0)
kernel = np.ones((5,5),np.uint8)
open = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
close = cv2.morphologyEx(open, cv2.MORPH_CLOSE, kernel)

1. 使用 ndimage.binary_closing 在 python 和 scipy 中使用的代码:

     im = cv2.imread("binar.png", cv2.IMREAD_GRAYSCALE)
    open_img = ndimage.binary_opening(im)
    close_img = ndimage.binary_closing(open_img)
    clg = close_img.astype(np.int)
   

2. 在 Matlab 中使用的代码:我使用了 imfill 和 bwareaopen。

我得到的结果如下图所示:

使用 nd.image.binary_closing 的第一张图片。我的问题是它没有完全填满所有白色 Blob 。我们可以看到中间仍然存在少量黑色部分。

使用 cv2.morphologyEx 生成的第二张图片。这也是同样的问题，因为它在白色 Blob 之间也有一些小的白色部分。在这里，我又遇到了一个问题。它将一些白色像素转换为黑色，否则不应该这样。我在图 2 中提到了那些红色区域。红色突出显示的部分与较大的 Blob 相连，但即便如此，它们也会被转换成黑色像素。

我从 MATLAB 处理得到的第三张图片，其中 imfill 完美工作，无需将基本的白色像素转换为黑色。

所以，我的问题是，Python 2.7 是否有任何方法可以像在 Matlab 中一样去除特定区域以下的噪声并准确填充白色 Blob ？还有一件事是，我想找出最后处理的那些最终处理的 Blob 的质心和面积以供进一步使用。我可以使用 cv2.connectedComponentsWithStats 找出这些，但我想在去除噪音和填充 Blob 后找到面积和质心。

谢谢。

(我认为这不是重复的，因为我想用 Python 而不是 Matlab 来做。)

Answer 1

来自 Matlab's imfill() documentation :

BW2= imfill(BW,locations) performs a flood-fill operation on background pixels of the input binary image BW, starting from the points specified in locations. (...)

BW2= imfill(BW,'holes') fills holes in the input binary image BW. In this syntax, a hole is a set of background pixels that cannot be reached by filling in the background from the edge of the image.

I2= imfill(I) fills holes in the grayscale image I. In this syntax, a hole is defined as an area of dark pixels surrounded by lighter pixels.

我标记的副本显示了通常完成第三个变体的方法。然而，对于许多图像，第二个变体仍然可以正常工作并且非常容易实现。从第一个变体中，您看到它提到了一个flood-fill 操作，它可以在 OpenCV 中用 cv2.floodFill() 实现.第二种变体给出了一个非常简单的方法——从边缘进行洪水填充，剩下的像素是从外面无法到达的黑洞。然后，如果您反转此图像，您将获得白色像素作为孔洞，您可以将其添加到 mask 中以填充孔洞。

import cv2
import numpy as np

# read image, ensure binary
img = cv2.imread('image.png', 0)
img[img!=0] = 255

# flood fill background to find inner holes
holes = img.copy()
cv2.floodFill(holes, None, (0, 0), 255)

# invert holes mask, bitwise or with img fill in holes
holes = cv2.bitwise_not(holes)
filled_holes = cv2.bitwise_or(img, holes)
cv2.imshow('', filled_holes)
cv2.waitKey()

请注意，在本例中，我只是将背景的起始像素设置为 (0,0)。然而，可能会有，例如，一条白线从中心向下延伸，这将切断该操作以停止为图像的另一半填充(即停止寻找背景)。更稳健的方法是遍历图像上的所有边缘像素，并在每次遇到黑色像素时进行洪水填充。您可以使用 cv2.floodFill() 中的 mask 参数更轻松地完成此操作，它允许您每次继续更新掩码。

---

要找到每个 Blob 的质心，您可以使用轮廓检测​​和 cv2.moments() 来找到每个轮廓的质心，或者您也可以使用 cv2.connectedComponentsWithStats() 就像你提到的那样。