形态学重建：孔洞填充的python实现

最新推荐文章于 2024-07-19 02:12:36 发布

原创

最新推荐文章于 2024-07-19 02:12:36 发布 · 9.8k 阅读

97 ·

CC 4.0 BY-SA版权

文章标签：

#形态学重建 #孔洞填充

本文介绍形态学重建与孔洞填充的原理及应用。通过数学迭代公式实现Marker图像的连续膨胀，并利用形态学重建方法填充图像中的孔洞。文章提供Python代码示例，展示了不同结构单元尺寸对孔洞填充效果的影响。

主要参考：（美）拉斐尔·C.冈萨雷斯. 数字图像处理第3版[M]. 阮秋琦,译. 北京：电子工业出版社, 2017: 633.

形态学重建

形态学重建涉及两幅图像和一个结构元：

Marker 图像：包含变换的起点，将被连续膨胀，直至收敛
Mask 图像：用来约束膨胀结果，即 Mask >= Marker
结构单元（Structuring Element，SE）：定义连通性

数学迭代式：
$Marker \oplus SE) \cap Mask$
代码示例：

def imreconstruct(marker, mask, SE=np.ones([3,3])):
    """
    描述：以mask为约束，连续膨胀marker，实现形态学重建，其中mask >= marker
    
    参数：
        - marker 标记图像，单通道/三通道图像
        - mask   模板图像，与marker同型
        - conn   联通性重建结构元，参照matlab::imreconstruct::conn参数，默认为8联通
    """
    while True:
        marker_pre = marker
        dilation = cv.dilate(marker, kernel=SE)
        marker = np.min((dilation, mask), axis=0)
        if