洗掉所有具有全零鄰居的像素

是否有一種方法可以在OpenCV中執行一個類似于侵蝕的程序，如果任何的鄰居不為零，而不是要求所有的鄰居都不為零，則保留一個特定的像素？

在這里，我所說的鄰居是指任何具有abs(x1-x2) abs(y1-y2)==1的像素，但這很容易通過侵蝕內核進行控制。

當然，我總是可以使用for回圈并從頭開始實作這種行為，但我更喜歡OpenCV的庫所能提供的速度。

反轉影像，執行侵蝕，然后再反轉，這樣做可行嗎？

我的另一個想法是用一個中心為空的內核來進行卷積，然后將所有的值剪切到0到1的范圍內。我將使用scipy.ndimage.convolve來實作這一點。

我正在處理一個二進制的NumPy陣列，型別為np.float32（即0.0或1.0的值），形狀為(512,512)。

uj5u.com熱心網友回復：

實作你的目標的一個簡單方法是用一個正方形的3x3的1的核進行卷積。對于每個像素，你現在知道在其附近有多少個前景像素（包括它自己）。閾值為2(>=2)，以獲得附近至少有兩個前景像素的所有像素。最后，與原始影像的邏輯和將得到所有至少有一個前景鄰居的前景像素。

這里有一個例子：

import scipy.ndimage
import numpy as np

img = np.array([[0., 0., 0., 0., 0. , 0., 0., 1., 1., 1.] 。
                [0., 1., 0., 0., 0. , 0., 0., 1., 1., 1.] 。
                [0., 0., 0., 0., 0. , 0., 0., 1., 1.] 。
                [0., 0., 0., 0., 0. , 0., 1., 0., 1., 1.] 。
                [0., 0., 0., 0., 0. , 0., 1., 0., 0., 0.] 。
                [0., 0., 1., 0., 0. , 0., 0., 0., 0.]。
                [0., 1., 1., 0., 0. , 0., 0., 0., 0.]。
                [0., 1., 1., 0., 1。 , 0., 0., 0., 0.],
                [0., 1., 1., 0., 0. , 0., 0., 0., 0.]。
                [0., 1., 1., 0., 0. , 0., 0., 0., 0.]。
                [0., 1., 1., 0., 0. , 0., 0., 0., 0.]。
                [0., 0., 0., 1., 0. , 0., 0., 1., 1., 0.】。]
                [0., 0., 0., 1. , 1., 0., 0., 0., 0.] 。
                [0., 0., 0., 0., 0. , 0., 0., 0., 0.]。
                [0., 0., 0., 0., 0. , 0., 0., 0., 0., 1.】。]
                [0., 0., 0., 0., 0. , 0., 0., 1., 0., 0.] ], dtype=np.float32)
tmp = scipy.ndimage.convolve(img, np.ones((3,3), mode='constant')
out = np.logical_and(tmp >= 2, img).astype(np.float32)

輸出結果是：

[[0. 0. 0. 0. 0. 0. 1.]
 [0. 0. 0. 0. 0. 0. 0. 1. 1. 1.]
 [0. 0. 0. 0. 0. 0. 0. 0. 1. 1.]
 [0. 0. 0. 0. 0. 0. 1. 0. 1. 1.]
 [0. 0. 0. 0. 0. 0. 1. 0. 0. 0.]
 [0. 0. 1. 0. 0. 0. 0. 0. 0. 0.]
 [0. 1. 1. 0. 0. 0. 0. 0. 0. 0.]
 [0. 1. 1. 0. 0. 0. 0. 0. 0. 0.]
 [0. 1. 1. 0. 0. 0. 0. 0. 0. 0.]
 [0. 1. 1. 0. 0. 0. 0. 0. 0. 0.]
 [0. 1. 1. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 1. 0. 0. 0. 1. 1. 0.]
 [0. 0. 0. 0. 1. 1. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]

當然，有些影像庫會有專門為此目的設計的函式。我不知道OpenCV或ndimage或scikit-image是否有這樣的功能，我對這些庫還不夠了解。但是DIPlib有（披露：我是作者之一）：

import diplib as dip

out = img - dip.GetSinglePixels(img > 0)

img > 0部分是將浮點陣列轉換成邏輯陣列，這是DIPlib對二進制影像的期望。對于一個512x512的影像來說，這大約是其他解決方案的5倍。

uj5u.com熱心網友回復：

假設你有

src = np.uint8([
       [ 0, 0, 0, 0,   0, 0, 0, 0] 。
       [0, 0, 0, 0。  0, 0, 0, 0] 。
       [0, 0, 255, 0,   0, 0, 0, 0] 。
       [0, 0, 0, 0。  0, 0, 0, 0] 。
       [0, 0, 0, 0。  0, 0, 0, 0] 。
       [0, 0, 0, 0。  0, 255, 0, 0] 。
       [0, 0, 0, 0。  0, 0, 255, 0] 。
       [0, 0, 0, 0。  0, 0, 0, 0] ])

（你可以想辦法從你的floats中得到這個結果）

你正在尋找非零像素，其中不是所有的鄰居都是0。你可以從幾個操作中構建期望的結果。

你可以使用MORPH_HITMISS來獲得正向條件（所有鄰居為0），然后與否定條件相結合。

你會使用這個內核：

kernel = np.int8([ # 0表示 "不在乎"，其他的都要匹配。
    [-1, -1, -1] 。
    [-1,  1, -1] 。
    [-1, -1, -1] 。
])

neighbors_all_zero = cv.morphologyEx(src=src, op=cv.MORPH_HITMISS, kernel=kernel)

結果 = src & ~neighbors_all_zero

結果：

array([[ 0, 0, 0,   0, 0, 0, 0]。
       [0, 0, 0, 0。  0, 0, 0, 0] 。
       [0, 0, 0, 0。  0, 0, 0, 0] 。
       [0, 0, 0, 0。  0, 0, 0, 0] 。
       [0, 0, 0, 0。  0, 0, 0, 0] 。
       [0, 0, 0, 0。  0, 255, 0, 0] 。
       [0, 0, 0, 0。  0, 0, 255, 0] 。
       [0, 0, 0, 0。  0, 0, 0, 0]] ，dtype=uint8)

要注意這些值本身。OpenCV有時假定掩碼為0或255，而在其他時候則假定為0和非零。當我只使用0和1而不是0和255時，我得到了一些有趣的結果。我相信這些都是可以解決的。

標籤：

上一篇：PythonTypeError:'bytes'物件不能被解釋為整數。如何添加'byte'？

下一篇：邊緣檢測最小線長？