之前一直使用Skimage中的形態(tài)學(xué)處理來進(jìn)行孤立小區(qū)域的去除，代碼如下

img = morphology.remove_small_objects(img, size)

img = morphology.remove_small_holes(img, size)

后面需要將相應(yīng)算法翻譯到C++環(huán)境中，而Skimage沒有對(duì)應(yīng)的C++版本，為了確保python算法和C++算法結(jié)果的一致性，需要進(jìn)行遷移，因而打算使用OpenCV來重寫去除孤立小區(qū)域的代碼。代碼如下：

 _,binary = cv2.threshold(img,0.1,1,cv2.THRESH_BINARY)
 image,contours,hierarch=cv2.findContours(binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
 for i in range(len(contours)):
  area = cv2.contourArea(contours[i])
  if area < threshold:
   cv2.drawContours(image,[contours[i]],0,0,-1)

其中對(duì)于輸入圖像img首先使用閾值處理獲得二值化圖像，cv2.threshold表示進(jìn)行閾值二值化處理，0.1是設(shè)定的閾值(img是0-1圖像)，1表示圖像中的最大值，cv2.THRESH_BINARY表示圖像處理的方法，在openCv中有如下記錄

然后使用findContours，用來獲得二值化圖像的輪廓信息，findContours中cv2.RETR_EXTERNAL是表示輪廓獲取方式，是表示內(nèi)圈的輪廓不需要進(jìn)行獲取，cv2.CHAIN_APPROX_NONE表示是輪廓曲線記錄的方式，CHAIN_APPROX_NONE表示記錄所有的輪廓點(diǎn)，具體的參數(shù)說明可以參看：

https://docs.opencv.org/3.0-beta/modules/imgproc/doc/structural_analysis_and_shape_descriptors.html?highlight=findcontours

然后，后面的contourArea是用來獲取輪廓所包圍的面積，threshold是面積閾值，當(dāng)小于該閾值時(shí)認(rèn)為是孤立小區(qū)域，需要去除

最后drawContours是對(duì)孤立小區(qū)域進(jìn)行去除的方式，去除操作比較簡(jiǎn)單，就是往這些區(qū)域里面填充為0即可，drawContours的參量可參考如下：

https://docs.opencv.org/3.0-beta/modules/imgproc/doc/drawing_functions.html?highlight=drawcontours

這里，drawContours的第一個(gè)參量是輸入待處理圖像，第二個(gè)參量是將要處理的孤立區(qū)域輪廓Vector，第三個(gè)參量是表示輪廓的坐標(biāo)，這里為0表示contours的第一個(gè)，第四個(gè)參量表示填充的數(shù)值，這里是integer的情況下則表明是灰度圖，填充為1，而最后一個(gè)參量為-1，是thickness，表明按照填充方式處理該輪廓圍繞的區(qū)域

示例如下：

以上這篇使用Python-OpenCV消除圖像中孤立的小區(qū)域操作就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評(píng)論