OPENCV二值化图像内孔洞填充/小区域去除

最新推荐文章于 2024-03-13 00:15:02 发布
最新推荐文章于 2024-03-13 00:15:02 发布
阅读量1.7w 收藏 90
点赞数 17
分类专栏： 图像处理

来源：http://lib.csdn.net/article/opencv/28353

        原作者：robberjohn  博客已删除了，源码下载链接在

         http://download.csdn.net/download/robberjohn/8474913 

        http://blog.csdn.net/robberjohn/article/details/44081571


对于二值化图像，去除孔洞时采用的方法实际上与去除小区域相同，因此完全可以用同一个函数进行。

这两个功能可以采取区域生长法来实现。须注意，去除小区域时为保存有用信息，可采用8邻域探测，去除孔洞时则4邻域即可，否则容易泄露，出现靠边缘的孔洞未去除的情况。

效果（区域面积阈值为700）： 

原图像：



小面积区域去除：



孔洞填充结果：



源码

#include <cv.h>  
#include <highgui.h>  
#include <opencv2/imgproc/imgproc.hpp>    
#include <opencv2/highgui/highgui.hpp>    
#include <iostream>    
#include <vector>    
  
  
using namespace cv;  
using namespace std;  
  
void RemoveSmallRegion(Mat& Src, Mat& Dst, int AreaLimit=50, int CheckMode=1, int NeihborMode=0);  
  
int main()    
{    
    double t = (double)getTickCount();  
  
    char* imagePath = "E:\\SVM\\局部.jpg";  
    char* OutPath = "E:\\SVM\\局部_去除孔洞.jpg";  
      
    Mat Src = imread(imagePath, CV_LOAD_IMAGE_GRAYSCALE);  
    Mat Dst = Mat::zeros(Src.size(), CV_8UC1);  
      
  
    //二值化处理  
    for(int i = 0; i < Src.rows; ++i)    
    {    
        uchar* iData = Src.ptr<uchar>(i);  
        for(int j = 0; j < Src.cols; ++j)    
        {    
            if(iData[j] == 0 || iData[j]==255) continue;  
            else if (iData[j] < 10)    
            {    
                iData[j] = 0;    
                //cout<<'#';  
            }    
            else if (iData[j] > 10)    
            {    
                iData[j] = 255;   
                //cout<<'!';  
            }    
        }    
    }    
    cout<<"Image Binary processed."<<endl;  
  
    RemoveSmallRegion(Src, Dst, 20, 1, 1);  
    RemoveSmallRegion(Dst, Dst, 20, 0, 0);  
    cout<<"Done!"<<endl;  
    imwrite(OutPath, Dst);  
          
    t = ((double)getTickCount() - t)/getTickFrequency();  
    cout<<"Time cost: "<<t<<" sec."<<endl;  
  
    return 0;    
}    
  
//CheckMode: 0代表去除黑区域，1代表去除白区域; NeihborMode：0代表4邻域，1代表8邻域;  
void RemoveSmallRegion(Mat& Src, Mat& Dst, int AreaLimit, int CheckMode, int NeihborMode)  
{     
    int RemoveCount=0;       //记录除去的个数  
    //记录每个像素点检验状态的标签，0代表未检查，1代表正在检查,2代表检查不合格（需要反转颜色），3代表检查合格或不需检查  
    Mat Pointlabel = Mat::zeros( Src.size(), CV_8UC1 );  
      
    if(CheckMode==1)  
    {  
        cout<<"Mode: 去除小区域. ";  
        for(int i = 0; i < Src.rows; ++i)    
        {    
            uchar* iData = Src.ptr<uchar>(i);  
            uchar* iLabel = Pointlabel.ptr<uchar>(i);  
            for(int j = 0; j < Src.cols; ++j)    
            {    
                if (iData[j] < 10)    
                {    
                    iLabel[j] = 3;   
                }    
            }    
        }    
    }  
    else  
    {  
        cout<<"Mode: 去除孔洞. ";  
        for(int i = 0; i < Src.rows; ++i)    
        {    
            uchar* iData = Src.ptr<uchar>(i);  
            uchar* iLabel = Pointlabel.ptr<uchar>(i);  
            for(int j = 0; j < Src.cols; ++j)    
            {    
                if (iData[j] > 10)    
                {    
                    iLabel[j] = 3;   
                }    
            }    
        }    
    }  
  
    vector<Point2i> NeihborPos;  //记录邻域点位置  
    NeihborPos.push_back(Point2i(-1, 0));  
    NeihborPos.push_back(Point2i(1, 0));  
    NeihborPos.push_back(Point2i(0, -1));  
    NeihborPos.push_back(Point2i(0, 1));  
    if (NeihborMode==1)  
    {  
        cout<<"Neighbor mode: 8邻域."<<endl;  
        NeihborPos.push_back(Point2i(-1, -1));  
        NeihborPos.push_back(Point2i(-1, 1));  
        NeihborPos.push_back(Point2i(1, -1));  
        NeihborPos.push_back(Point2i(1, 1));  
    }  
    else cout<<"Neighbor mode: 4邻域."<<endl;  
    int NeihborCount=4+4*NeihborMode;  
    int CurrX=0, CurrY=0;  
    //开始检测  
    for(int i = 0; i < Src.rows; ++i)    
    {    
        uchar* iLabel = Pointlabel.ptr<uchar>(i);  
        for(int j = 0; j < Src.cols; ++j)    
        {    
            if (iLabel[j] == 0)    
            {    
                //********开始该点处的检查**********  
                vector<Point2i> GrowBuffer;                                      //堆栈，用于存储生长点  
                GrowBuffer.push_back( Point2i(j, i) );  
                Pointlabel.at<uchar>(i, j)=1;  
                int CheckResult=0;                                               //用于判断结果（是否超出大小），0为未超出，1为超出  
  
                for ( int z=0; z<GrowBuffer.size(); z++ )  
                {  
  
                    for (int q=0; q<NeihborCount; q++)                                      //检查四个邻域点  
                    {  
                        CurrX=GrowBuffer.at(z).x+NeihborPos.at(q).x;  
                        CurrY=GrowBuffer.at(z).y+NeihborPos.at(q).y;  
                        if (CurrX>=0&&CurrX<Src.cols&&CurrY>=0&&CurrY<Src.rows)  //防止越界  
                        {  
                            if ( Pointlabel.at<uchar>(CurrY, CurrX)==0 )  
                            {  
                                GrowBuffer.push_back( Point2i(CurrX, CurrY) );  //邻域点加入buffer  
                                Pointlabel.at<uchar>(CurrY, CurrX)=1;           //更新邻域点的检查标签，避免重复检查  
                            }  
                        }  
                    }  
  
                }  
                if (GrowBuffer.size()>AreaLimit) CheckResult=2;                 //判断结果（是否超出限定的大小），1为未超出，2为超出  
                else {CheckResult=1;   RemoveCount++;}  
                for (int z=0; z<GrowBuffer.size(); z++)                         //更新Label记录  
                {  
                    CurrX=GrowBuffer.at(z).x;   
                    CurrY=GrowBuffer.at(z).y;  
                    Pointlabel.at<uchar>(CurrY, CurrX) += CheckResult;  
                }  
                //********结束该点处的检查**********  
  
  
            }    
        }    
    }    
  
    CheckMode=255*(1-CheckMode);  
    //开始反转面积过小的区域  
    for(int i = 0; i < Src.rows; ++i)    
    {    
        uchar* iData = Src.ptr<uchar>(i);  
        uchar* iDstData = Dst.ptr<uchar>(i);  
        uchar* iLabel = Pointlabel.ptr<uchar>(i);  
        for(int j = 0; j < Src.cols; ++j)    
        {    
            if (iLabel[j] == 2)    
            {    
                iDstData[j] = CheckMode;   
            }    
            else if(iLabel[j] == 3)  
            {  
                iDstData[j] = iData[j];  
            }  
        }    
    }   
      
    cout<<RemoveCount<<" objects removed."<<endl;  
}


一、对于二值图，0代表黑色，255代表白色。去除小连通区域与孔洞，小连通区域用8邻域，孔洞用4邻域。

 

  函数名字为：void RemoveSmallRegion(Mat &Src, Mat &Dst,int AreaLimit, int CheckMode, int NeihborMode)

     CheckMode: 0代表去除黑区域，1代表去除白区域; NeihborMode：0代表4邻域，1代表8邻域;  

如果去除小连通区域CheckMode=1,NeihborMode=1去除孔洞CheckMode=0，NeihborMode=0

     记录每个像素点检验状态的标签，0代表未检查，1代表正在检查,2代表检查不合格（需要反转颜色），3代表检查合格或不需检查 。

1.先对整个图像扫描，如果是去除小连通区域，则将黑色的背景图作为合格，像素值标记为3，如果是去除孔洞，则将白色的色素点作为合格，像素值标记为3。

2.扫面整个图像，对图像进行处理。


void RemoveSmallRegion(Mat &Src, Mat &Dst,int AreaLimit, int CheckMode, int NeihborMode)
{
	int RemoveCount = 0;
	//新建一幅标签图像初始化为0像素点，为了记录每个像素点检验状态的标签，0代表未检查，1代表正在检查,2代表检查不合格（需要反转颜色），3代表检查合格或不需检查 
	//初始化的图像全部为0，未检查
	Mat PointLabel = Mat::zeros(Src.size(), CV_8UC1);
	if (CheckMode == 1)//去除小连通区域的白色点
	{
		cout << "去除小连通域.";
		for (int i = 0; i < Src.rows; i++)
		{
			for (int j = 0; j < Src.cols; j++)
			{
				if (Src.at<uchar>(i, j) < 10)
				{
					PointLabel.at<uchar>(i, j) = 3;//将背景黑色点标记为合格，像素为3
				}
			}
		}
	}
	else//去除孔洞，黑色点像素
	{
		cout << "去除孔洞";
		for (int i = 0; i < Src.rows; i++)
		{
			for (int j = 0; j < Src.cols; j++)
			{
				if (Src.at<uchar>(i, j) > 10)
				{
					PointLabel.at<uchar>(i, j) = 3;//如果原图是白色区域，标记为合格，像素为3
				}
			}
		}
	}


	vector<Point2i>NeihborPos;//将邻域压进容器
	NeihborPos.push_back(Point2i(-1, 0));
	NeihborPos.push_back(Point2i(1, 0));
	NeihborPos.push_back(Point2i(0, -1));
	NeihborPos.push_back(Point2i(0, 1));
	if (NeihborMode == 1)
	{
		cout << "Neighbor mode: 8邻域." << endl;
		NeihborPos.push_back(Point2i(-1, -1));
		NeihborPos.push_back(Point2i(-1, 1));
		NeihborPos.push_back(Point2i(1, -1));
		NeihborPos.push_back(Point2i(1, 1));
	}
	else cout << "Neighbor mode: 4邻域." << endl;
	int NeihborCount = 4 + 4 * NeihborMode;
	int CurrX = 0, CurrY = 0;
	//开始检测
	for (int i = 0; i < Src.rows; i++)
	{
		for (int j = 0; j < Src.cols; j++)
		{
			if (PointLabel.at<uchar>(i, j) == 0)//标签图像像素点为0，表示还未检查的不合格点
			{   //开始检查
				vector<Point2i>GrowBuffer;//记录检查像素点的个数
				GrowBuffer.push_back(Point2i(j, i));
				PointLabel.at<uchar>(i, j) = 1;//标记为正在检查
				int CheckResult = 0;


				for (int z = 0; z < GrowBuffer.size(); z++)
				{
					for (int q = 0; q < NeihborCount; q++)
					{
						CurrX = GrowBuffer.at(z).x + NeihborPos.at(q).x;
						CurrY = GrowBuffer.at(z).y + NeihborPos.at(q).y;
						if (CurrX >= 0 && CurrX<Src.cols&&CurrY >= 0 && CurrY<Src.rows)  //防止越界  
						{
							if (PointLabel.at<uchar>(CurrY, CurrX) == 0)
							{
								GrowBuffer.push_back(Point2i(CurrX, CurrY));  //邻域点加入buffer  
								PointLabel.at<uchar>(CurrY, CurrX) = 1;           //更新邻域点的检查标签，避免重复检查  
							}
						}
					}
				}
				if (GrowBuffer.size()>AreaLimit) //判断结果（是否超出限定的大小），1为未超出，2为超出  
					CheckResult = 2;
				else
				{
					CheckResult = 1;
					RemoveCount++;//记录有多少区域被去除
				}


				for (int z = 0; z < GrowBuffer.size(); z++)
				{
					CurrX = GrowBuffer.at(z).x;
					CurrY = GrowBuffer.at(z).y;
					PointLabel.at<uchar>(CurrY,CurrX)+=CheckResult;//标记不合格的像素点，像素值为2
				}
				//********结束该点处的检查**********  


			}
		}


	}


	CheckMode = 255 * (1 - CheckMode);
	//开始反转面积过小的区域  
	for (int i = 0; i < Src.rows; ++i)
	{
		for (int j = 0; j < Src.cols; ++j)
		{
			if (PointLabel.at<uchar>(i,j)==2)
			{
				Dst.at<uchar>(i, j) = CheckMode;
			}
			else if (PointLabel.at<uchar>(i, j) == 3)
			{
				Dst.at<uchar>(i, j) = Src.at<uchar>(i, j);
				
			}
		}
	}
	cout << RemoveCount << " objects removed." << endl;
}






夏日里的猫
关注
  • 17
    点赞
  • 踩
  • 90
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
专栏目录
OPENCV二值化图像内孔洞填充/小区域去除（含效果图）
03-05
对于二值化图像，去除孔洞时采用的方法实际上与去除小区域相同，因此完全可以用同一个函数进行。 这两个功能可以采取区域生长法来实现。须注意，去除小区域时为保存有用信息，可采用8邻域探测，去除孔洞时则4邻域即可，否则容易泄露，出现靠边缘的孔洞未去除的情况。
【视觉入门】——空域图像增强(邻域运算部分）：图像卷积、多种滤波器；二值图像分析及形态学图像处理
Vulcan_Q的博客
11-16 1433
本篇接上篇，介绍了空域图像增强方法中的领域运算，也即卷积运算。并基于此介绍了多种滤波器。最后，补充了二值化相关与形态学图像处理的相关知识
OpenCV学习笔记（七）——灰度图像的阙值处理以及图像的边界填充
qq_54186956的博客
03-13 848
在TERESH_BINARY_INV中，如果图像的像素点超过127直接变为0（黑色部分），否则设置为最大值（白色部分），可以看到TERESH_BINARY_INV与TERESH_BINARY是内容黑白完全相反的；在TERESH_TRUNC中，超过阙值的部分设置为阙值大小（执行后图像内没有超过阙值的像素）；TERESH_TOZERO_INV中，超过阙值的部分变为0（黑色部分），没超过的部分保持不变。而图片3的内容，是通过映射原图像的内容（可以看到图3的内容有对称的部分）；其中有5中基本类型的阙值。
【opencv学习笔记 16图像二值化】代码详细注释
12-21
图像二值化 二值图像：只有黑和白 0 代表黑色 1 其实是255 代表白色 图像二值化的方法 全局阈值 局部阈值 OTSU Triangle 手动与自动 自适应阈值 相关代码 import cv2 as cv import numpy as np def threshold_demo(image): """ 全局阈值 :param image: :return: """ # 首先图像灰度化处理 gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY) # 函数参数 输入的图像 阈值 最大值
数字图像处理——第九章（形态学图像处理）
热门推荐
denglavender的博客
06-08 2万+
形态学，即数学形态学，主要应用是从图像中提取对于表达和描绘区域形状有意义的图像分量，使后续的识别工作能抓住目标对象最为本质（最具区分能力）的形状特征，如边界、骨架和连通区域等；同时细化、像素化和修建毛刺等技术也常常应用于图像的预处理和后处理中，成为图像增强技术的有力补充。 一、预备知识 数学形态学的语言是集合论。 在数字图像处理的形态学运算中，常把一幅图像或者图像中一个我们感兴趣的区域称为集合，用大写字母A、B、C、D等表示；元素常指一个单个像素。用该像素在图像中的整型位置坐标z = (z1,z2)来表示。
python skimage 填补图像孔洞
qq_34616741的博客
03-29 6369
最近处理图像的时候需要将图像中一些较小的黑色空洞填上，大致如下： 白色区域中的黑色点是需要填上的孔洞。 cv2中有一个叫cv2.floodFill的函数，可以淹没孔洞。但这个方法有两个很大的缺点。 第一个是需要手动的找到至少一个背景点 第二个是如果是多个白色区域围成的圆形，中间也有黑色的部分，但属于背景，不需要被填充。这种情况下也会把中间的黑色部分填充。 就很烦。 最近想到一个比较巧妙的方案。 具体思路就是把整个图像的黑白颠倒，然后孔洞就成了白色的小连通域，这样子直接使用skimage中去除小连通域的方法
python 去除二值图像中孤立的小区域
JingpengSun的博客
03-10 1510
去除二值图像非连通小区域
opencv2.x 以上 删除二值化图像中面积较小的区域
patkritLee的博客
11-28 4550
Mat remove_block(double minarea, Mat& src){ CvSeq* contour = NULL; double tmparea = 0.0; CvMemStorage* storage = cvCreateMemStorage(0); //const char* tmpaddsum1 = tmp_string.c_str(); //IplImage*
去除二值图像的杂散点
fu18946764506的博客
08-23 1万+
i=imread('t1.jpg'); i=rgb2gray(i); h=im2bw(i);figure,imshow(h) f=bwareaopen(h,50); figure,imshow(f) g=imdilate(f,strel('disk',2));figure,imshow(g)
python opencv对颗粒的计数与计算空洞率
qq_42409668的博客
07-08 2998
梳理下最近一个多星期的学习成果。 一、问题：计算颗粒数与空洞率 这次要计算的是下面这张图片，图像比较大，上传不了，先截图吧。预计颗粒数精确度为±5个，空洞率2%误差。 二、计算颗粒数 1.第一步是要裁剪图片，此处参考https://blog.csdn.net/liqiancao/article/details/55670749。裁剪后的图像如下： 2.因为空白区域有很多的...
Python+OpenCV图像处理——图像二值化的实现
12-16
简介：图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。 普通图像二值化 代码如下： import cv2 as cv import numpy as np #全局阈值 def threshold_demo(image...
opencv 二值化 细化
07-10
opencv二值化与细化的例子，代码比较规范，可以参考下
python opencv 二值化 计算白色像素点的实例
01-01
贴部分代码 #! /usr/bin/env python # -*- coding: utf-8 -*- import cv2 import numpy as np from PIL import Image area = 0 def ostu(img): global area image=cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转...
opencv python如何实现图像二值化
12-20
这篇文章主要介绍了opencv python如何实现图像二值化,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 代码如下 import cv2 as cv import numpy as np import ...
关于__Federico Milano 的电力系统分析工具箱.zip
04-26
1.版本：matlab2014/2019a/2021a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
mlab-upenn 研究小组的心脏模型模拟.zip
04-26
1.版本：matlab2014/2019a/2021a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
混合图像创建大师matlab代码.zip
04-26
1.版本：matlab2014/2019a/2021a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
中序遍历二叉树-java版本
04-26
在Java中，实现二叉树的中序遍历同样可以通过递归来完成。中序遍历的顺序是：首先递归地中序遍历左子树，然后访问根节点，最后递归地中序遍历右子树。 在这段代码中，Node类定义了二叉树的节点，BinaryTree类包含一个指向根节点的指针和inOrder方法，用于递归地进行中序遍历。printInOrder方法调用inOrder方法并打印出遍历的结果。 在Main类中，我们创建了一个示例二叉树，并调用printInOrder方法来输出中序遍历的结果。输出应该是：4 2 5 1 3，这表示中序遍历的顺序是左子树（4），然后是根节点（2），接着是右子树的左子树（5），然后是右子树的根节点（1），最后是右子树的右子树（3）。
无头单向非循环链表的实现（SList.c）
最新发布
04-26
无头单向非循环链表的实现（函数定义文件）
matlab图像处理二值化阈值法对文本区域进行定位的流程
05-25
二值化阈值法是图像处理中经常使用的一种方法，可以将彩色或灰度图像转换为二值图像，使得图像中只有两种颜色，黑色和白色。在文本区域定位中，二值化阈值法可以将文本区域与背景区域分离开来，从而便于进行后续处理。 以下是matlab图像处理二值化阈值法对文本区域进行定位的流程： 1. 读取图像：使用imread函数读取需要处理的图像。 2. 灰度化：使用rgb2gray函数将读取的彩色图像转换为灰度图像。 3. 对图像进行二值化处理：使用im2bw函数将灰度图像转换为二值图像，其中需要确定一个阈值。阈值的选择可以根据图像的特点进行调整，通常可以使用Otsu算法、最大熵法等。 4. 填充孔洞：使用imfill函数填充二值图像中的孔洞，使得文本区域更加连续。 5. 去除小的连通域：使用bwareaopen函数去除面积较小的连通域，减少噪声干扰。 6. 边缘检测：使用边缘检测算法（如Sobel、Canny等）对处理后的图像进行边缘检测，得到文本区域的边缘信息。 7. 提取轮廓：使用bwboundaries函数提取文本区域的轮廓信息。 8. 显示结果：使用imshow函数将处理后的图像显示出来，可以通过绘制轮廓线或者矩形框等方式进行标记。 以上是matlab图像处理二值化阈值法对文本区域进行定位的流程，可以根据实际需求进行适当的调整和优化。

“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 8
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