python - 去除图像中的虚假小噪声岛 - Python OpenCV

Question

我试图从我的一些图像中去除背景噪音。这是未过滤的图像。



为了过滤，我使用此代码生成了图像中应保留的内容的掩码:

 element = cv2.getStructuringElement(cv2.MORPH_RECT, (2,2))
 mask = cv2.erode(mask, element, iterations = 1)
 mask = cv2.dilate(mask, element, iterations = 1)
 mask = cv2.erode(mask, element)

使用此代码，当我从原始图像中屏蔽掉不需要的像素时，我得到的是:


如您所见，中间区域的所有小点都消失了，但是来自较密集区域的许多小点也消失了。为了减少过滤，我尝试更改 getStructuringElement() 的第二个参数是 (1,1) 但这样做给了我第一张图像，好像没有过滤任何东西。

有什么方法可以应用介于这两个极端之间的过滤器？

另外，谁能给我解释一下 getStructuringElement()到底是做什么的？做？什么是“结构元素”？它做什么以及它的大小(第二个参数)如何影响过滤级别？

Answer 1

您的许多问题源于您不确定形态学图像处理的工作原理，但我们可以消除您的疑虑。您可以将结构元素解释为要与之比较的“基本形状”。结构元素中的 1 对应于您要在此形状中查看的像素，而 0 是您要忽略的像素。有不同的形状，例如矩形(如您使用 MORPH_RECT 计算得出的)、椭圆、圆形等。

因此，cv2.getStructuringElement为您返回一个结构元素。第一个参数指定您想要的类型，第二个参数指定您想要的大小。在你的情况下，你想要一个 2 x 2 的“矩形”......这真的是一个正方形，但这很好。

从更混杂的意义上讲，您使用结构元素并从左到右和从上到下扫描图像，然后获取像素区域。每个像素邻域的中心都恰好位于您正在查看的感兴趣的像素处。每个像素邻域的大小与结构元素的大小相同。

侵 eclipse

对于侵 eclipse ，您检查像素邻域中接触结构元素的所有像素。如 每个非零像素 正在接触一个为 1 的结构元素像素，则在相对于输入的相应中心位置的输出像素为 1。如果存在至少一个非零像素 不触摸一个为 1 的结构像素，则输出为 0。

就矩形结构元素而言，您需要确保结构元素中的每个像素都接触到图像中像素邻域的非零像素。如果不是，则输出为 0，否则为 1。这有效地消除了小的杂散噪声区域，并略微减少了对象的面积。

矩形越大，执行的收缩越多。结构元素的大小是基线，其中任何小于此矩形结构元素的对象，您都可以将它们视为已过滤而不出现在输出中。基本上，选择 1 x 1 矩形结构元素与输入图像本身相同，因为该结构元素适合其中的所有像素，因为像素是图像中信息的最小表示形式。

扩张

膨胀与腐 eclipse 相反。如果至少有一个非零像素与结构元素中的像素为 1 接触，则输出为 1，否则输出为 0。您可以将其视为稍微扩大对象区域并使小岛变大。

这里的大小含义是结构元素越大，对象的面积就越大，孤立的岛也越大。

你所做的是先腐 eclipse ，然后膨胀。这就是所谓的 开业手术。此操作的目的是去除噪声的小岛，同时(尝试)保持图像中较大对象的区域。侵 eclipse 去除了这些岛屿，而膨胀使较大的物体恢复到原来的尺寸。

出于某种原因，您再次受到侵 eclipse ，我不太明白，但这没关系。

我个人会做的是执行 关闭 首先是膨胀，然后是腐 eclipse 。闭合有助于将靠近的区域组合成单个对象。因此，您会看到一些较大的区域彼此靠近，可能应该在我们做任何其他事情之前将它们连接起来。因此，我会先做一个结束，然后做一个 开业之后，我们可以去除孤立的嘈杂区域。请注意，我将设置结束结构元素的大小 更大 因为我想确保获得附近的像素和开口结构元素大小 较小 这样我就不想错误地删除任何较大的区域。

一旦你这样做了，我会用原始图像掩盖任何额外的信息，这样你就可以在小岛消失的同时保持较大的区域完好无损。

而不是链接腐 eclipse 后膨胀，或膨胀后腐 eclipse ，使用 cv2.morphologyEx ，您可以在其中指定 MORPH_OPEN和 MORPH_CLOSE作为标志。

因此，我个人会这样做，假设您的图像名为 spots.png :

import cv2
import numpy as np

img = cv2.imread('spots.png')
img_bw = 255*(cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) > 5).astype('uint8')

se1 = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
se2 = cv2.getStructuringElement(cv2.MORPH_RECT, (2,2))
mask = cv2.morphologyEx(img_bw, cv2.MORPH_CLOSE, se1)
mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, se2)

mask = np.dstack([mask, mask, mask]) / 255
out = img * mask

cv2.imshow('Output', out)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.imwrite('output.png', out)

上面的代码是不言自明的。首先，我读入图像，然后将图像转换为灰度和强度为 5 的阈值，以创建被视为对象像素的蒙版。这是一个相当干净的图像，所以任何大于 5 的图像似乎都有效。对于形态学例程，我需要将图像转换为 uint8并将掩码缩放到 255。接下来，我们创建两个结构元素 - 一个是用于关闭操作的 5 x 5 矩形，另一个是用于打开操作的 2 x 2 矩形。我跑 cv2.morphologyEx分别对阈值图像进行开闭操作两次。

一旦我这样做了，我将 mask 堆叠起来，使其成为一个 3D 矩阵，然后除以 255，使其成为 [0,1] 的 mask 。然后我们将此蒙版与原始图像相乘，以便我们可以重新获取图像的原始像素，并保留蒙版输出中被认为是真实对象的内容。

其余的只是为了说明。我在窗口中显示图像，并将图像保存到名为 output.png 的文件中。 ，其目的是向您展示这篇文章中的图像。

我明白了:



请记住，它并不完美，但比您以前拥有的要好得多。您必须调整结构元素的大小才能获得您认为良好的输出，但这肯定足以让您入门。祝你好运!

C++版本

有人要求使用 OpenCV 将我上面写的代码翻译成 C++ 版本。我终于开始编写代码的 C++ 版本，并且已经在 OpenCV 3.1.0 上进行了测试。代码如下。如您所见，代码与 Python 版本中的代码非常相似。但是，我使用了 cv::Mat::setTo 在原始图像的副本上，并将不属于最终掩码的任何内容设置为 0。这与在 Python 中执行元素乘法相同。

#include <opencv2/opencv.hpp>

using namespace cv;

int main(int argc, char *argv[])
{
    // Read in the image
    Mat img = imread("spots.png", CV_LOAD_IMAGE_COLOR);

    // Convert to black and white
    Mat img_bw;
    cvtColor(img, img_bw, COLOR_BGR2GRAY);
    img_bw = img_bw > 5;

    // Define the structuring elements
    Mat se1 = getStructuringElement(MORPH_RECT, Size(5, 5));
    Mat se2 = getStructuringElement(MORPH_RECT, Size(2, 2));

    // Perform closing then opening
    Mat mask;
    morphologyEx(img_bw, mask, MORPH_CLOSE, se1);
    morphologyEx(mask, mask, MORPH_OPEN, se2);

    // Filter the output
    Mat out = img.clone();
    out.setTo(Scalar(0), mask == 0);

    // Show image and save
    namedWindow("Output", WINDOW_NORMAL);
    imshow("Output", out);
    waitKey(0);
    destroyWindow("Output");
    imwrite("output.png", out);
}

结果应该与您在 Python 版本中得到的结果相同。