python 去除二值图像中孤立的小区域

最新推荐文章于 2024-05-11 11:09:03 发布
最新推荐文章于 2024-05-11 11:09:03 发布
阅读量1.5k 收藏 8
点赞数 1
文章标签： opencv
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/JingpengSun/article/details/129447339
版权

二值图像中孤立的小区域有时是不需要的，有些孤立的点更像是噪声。

可以直接使用skimage 中的 morphology.remove_small_objects()函数，其调用方式如下：

clean_img = morphology.remove_small_objects(img, min_size=64)

其中

img：array类型的二值输入图像

min_size: 连通区域最小的像素数

不过需要注意的是，img中的二值需要转换为Bool值，

虽然官方文档中说也可以是整数，但是实验发现为整数时似乎函数不起作用。

函数速度很快，效果如下：

 原始图像

 ​​​​​

 去除孤立小区域之后 

衷科知眠
关注
  • 1
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
Python图像处理二值化方法实例汇总
12-17
在用python进行图像处理时，二值化是非常重要的一步，现总结了自己遇到过的6种 图像二值化的方法（当然这个绝对不是全部的二值化方法，若发现新的方法会继续新增）。 1. opencv 简单阈值 cv2.threshold 2. opencv 自适应阈值 cv2.adaptiveThreshold (自适应阈值中计算阈值的方法有两种：mean_c 和 guassian_c ，可以尝试用下哪种效果好) 3. Otsu’s 二值化 例子: import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imr
python-opencv获取二值图像轮廓及中心点坐标的代码
12-25
python-opencv获取二值图像轮廓及中心点坐标代码： groundtruth = cv2.imread(groundtruth_path)[:, :, 0] h1, w1 = groundtruth.shape contours, cnt = cv2.findContours(groundtruth.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) if len(contours) != 1:#轮廓总数 continue M = cv2.moments(contours[0]) # 计算第一条轮廓的各阶矩,字典形式 center
skimage.morphology.remove_small_objects移除面积小的连通区域无效
开飞机的小毛驴儿
06-28 5261
使用remove_small_objects函数移除二值图像中小的连通域时发现用后并没有得到所期待的结果，经检索发现类似的问题： https://stackoverflow.com/questions/55056456/failed-to-remove-noise-by-remove-small-objects 即如果输入图像本身就是一个二值图像，该函数仍然会先进行二值标记，而这个标记的过程可能并不是像我们原来产生二值图像的过程一样balabala，总而言之，可以借助skimage.measure.la
无人驾驶之高级车道线检测-AdvanceLane_finding_release
baidu_39415947的博客
05-18 7366
本篇博客整个项目源码：github 引言 前面我们介绍车道线检测的处理方法：车道线检测之lanelines-detection  在文章末尾，我们分析了该算法的鲁棒性，当时我们提出了一些解决方法，比如说： 角度滤波器：滤除极小锐角或极大钝角的线段 选取黄色的色调，并用白色代替 在边缘检测前，放大一些特征 但是上述算法还存在一个问题：在弯道处无法检测车道线，因此本篇博客将分享一种高级...
remove_noise_NOISE_Python；去噪_
09-30
python使用skimage库中的remove_small_objects()和remove_small_holes()进行图像去噪
morphology.remove_small_objects输入数组的数据类型对结果的影响
Radio_PaPa的博客
01-09 812
​skimage中morphology.remove_small_objects，当输入数组的数据类型不同时，对结果影响不可忽略。 ​
让书和背景分离/去除大区域中小的连通区域（python实现）
weixin_48262500的博客
01-08 2028
删除小块区域 有些时候，我们只需要一些大块区域，那些零散的、小块的区域，我们就需要删除掉， 则可以使用morphology子模块的remove_small_objects函数。 让书和背景分离 对图片做了二值化，腐蚀，膨胀操作 使用remove_small_objects函数 import numpy import numpy as np import scipy.ndimage as ndi from skimage import morphology import matplo
morphology.remove_small_objects的使用——和numpy转换为bool
weixin_41529093的博客
08-19 3756
仅作为记录，大佬请跳过。 文章目录该函数使用numpy转换为bool 该函数使用 用morphology.remove_small_objects去除小于某一面积的连通域 from skimage import morphology dst=morphology.remove_small_objects(data,min_size=300,connectivity=1) # 去除面积小于300的连通域 注 里面的data是numpy的同时—各元素只能是True或False（不能是数字，否则去除不了）
python图片的高级处理_python数字图像处理（18）：高级形态学处理
weixin_35948624的博客
03-02 850
形态学处理，除了最基本的膨胀、腐蚀、开/闭运算、黑/白帽处理外，还有一些更高级的运用，如凸包，连通区域标记，删除小块区域等。1、凸包凸包是指一个凸多边形，这个凸多边形将图片中所有的白色像素点都包含在内。函数为：skimage.morphology.convex_hull_image(image)输入为二值图像，输出一个逻辑二值图像。在凸包内的点为True, 否则为False例：import mat...
【skimage.morphology】形态学处理总结
学习 & 分享 ~
12-03 5113
官方文档：https://scikit-image.org/docs/dev/api/skimage.morphology.html 1. 去除孤立小区域 去除小物体：remove_small_objects skimage.morphology.remove_small_objects(ar, min_size=64, connectivity=1, in_place=False) ar：待...
python—二值图像连通域标记
12-22
一、图像二值化 # 图片二值化 from PIL import Image img = Image.open('7.jpg') # 模式L”为灰色图像，它的每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度。 Img = img.convert('L') Img.save("test1.jpg") # 自定义灰度界限，大于这个值为黑色，小于这个值为白色 threshold = 200 table = [] for i in range(256): if i < threshold: table.append(0) else:
使用Python-OpenCV消除图像中孤立的小区域操作
09-16
主要介绍了使用Python-OpenCV消除图像中孤立的小区域操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
图像处理：孤立点的检测
Persus & Xie
01-15 614
孤立点的检测在图像处理中通常涉及到检测图像中的突变或者边缘，而使用二阶导数是一种常见的方法。一阶导数可以帮助找到图像中的边缘，而二阶导数则有助于检测边缘上的峰值，这些峰值可能对应于孤立点或者特殊的图像结构。对于孤立点检测，我们可以关注图像中二阶导数的峰值，这些峰值可能表示图像中的尖锐变化或者突变，进而对应于孤立点或者边缘。这个示例中，生成了一个包含孤立点的图像，并使用Laplacian算子计算了图像的二阶导数。
图像后处理去除比较小的连通域
rosefun96的博客
03-28 3143
1. 理论 >>> from skimage import morphology >>> a = np.array([[0, 0, 0, 1, 0], ... [1, 1, 1, 0, 0], ... [1, 1, 1, 0, 1]], bool) >>> b = morphology.r...
用python去除图片中指定颜色的像素
qq_36955294的博客
10-06 1万+
用python去除图片白色像素 需要python和pil from PIL import Image import numpy as np import cv2 img2 = Image.open('./Amazing_COL_2Fix.bmp') img1 = Image.open('./Amazing_RGB_2L.bmp') # img1 = img1.convert('RGBA') ...
使用Python-OpenCV消除图像中孤立的小区域
热门推荐
xiaoxifei的专栏
09-26 3万+
之前一直使用Skimage中的形态学处理来进行孤立小区域的去除，代码如下 img = morphology.remove_small_objects(img, size) img = morphology.remove_small_holes(img, size) 后面需要将相应算法翻译到C++环境中，而Skimage没有对应的C++版本，为了确保python算法和C++算法结果的一致性，需...
Skimage图像处理教程5）形态学运算
Learning-Deep
02-11 8264
上一讲中已经介绍了如何介绍开闭，膨胀腐蚀，白顶帽黑顶帽运算等内容，这一讲主要介绍如何用python的skimage做其他的形态学运算，如去除小区域，提取图像骨架， # 移除小的区域 skimage.morphology.remove_small_objects(ar, min_size=64, connectivity=1, in_place=False) #移除小的孔洞 skimage.mor...
python消除图像模块区域_使用Python-OpenCV消除图像中孤立的小区域操作
weixin_39790877的博客
12-08 1273
之前一直使用Skimage中的形态学处理来进行孤立小区域的去除，代码如下img = morphology.remove_small_objects(img, size)img = morphology.remove_small_holes(img, size)后面需要将相应算法翻译到C++环境中，而Skimage没有对应的C++版本，为了确保python算法和C++算法结果的一致性，需要进行迁移，...
C# OpenCvSharp Demo - 棋盘格相机标定
最新发布
CrazyFlyingBee的博客
05-11 759
C# OpenCvSharp Demo - 棋盘格相机标定
使用opencv消除图像中孤立的小区域操作
05-31
可以使用OpenCV中的形态学操作来消除图像中孤立的小区域。具体步骤如下： 1. 将图像转换为灰度图像并进行二值化处理。 2. 使用形态学操作中的膨胀操作来连接图像中的小区域。可以根据需要设置膨胀操作的核大小和迭代次数。 3. 使用形态学操作中的腐蚀操作来去除膨胀操作中连接的小区域。同样，可以根据需要设置腐蚀操作的核大小和迭代次数。 4. 可以通过计算轮廓来检测并删除剩余的小区域。 下面是一个简单的示例代码： ```python import cv2 # 读取图像 img = cv2.imread('image.jpg') # 将图像转换为灰度图像并进行二值化处理 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU) # 定义膨胀和腐蚀的核 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3)) # 进行膨胀操作 dilation = cv2.dilate(thresh, kernel, iterations=3) # 进行腐蚀操作 erosion = cv2.erode(dilation, kernel, iterations=3) # 计算轮廓 contours, hierarchy = cv2.findContours(erosion, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 删除面积小于阈值的轮廓 area_threshold = 100 for contour in contours: area = cv2.contourArea(contour) if area < area_threshold: cv2.drawContours(erosion, [contour], 0, 0, -1) # 显示结果图像 cv2.imshow('result', erosion) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在上面的代码中，我们首先读取一张图像并将其转换为灰度图像。然后使用OTSU阈值处理将其二值化。接下来，我们定义了膨胀和腐蚀的核，并使用多次迭代进行膨胀和腐蚀操作。最后，我们计算轮廓并删除面积小于阈值的轮廓，最终得到消除小区域后的图像。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值