二值图 去噪

方法 1：连通域过滤（最干净、最有效）

适合去掉“小白点”、碎片、小块噪声。

def remove_small_regions(mask, min_area=100):
    """
    mask: float32, 0~1
    返回清理后的 mask (float32)
    """
    # 转为 uint8
    mask_u8 = (mask * 255).astype(np.uint8)

    # 连通域分析
    num_labels, labels, stats, _ = cv2.connectedComponentsWithStats(mask_u8)

    # stats[:, cv2.CC_STAT_AREA] 是每个连通域面积
    cleaned = np.zeros_like(mask_u8)

    for i in range(1, num_labels):  # 0 是背景
        area = stats[i, cv2.CC_STAT_AREA]
        if area >= min_area:
            cleaned[labels == i] = 255

    return (cleaned / 255.0).astype(np.float32)

使用：

clean_mask = remove_small_regions(mask, min_area=150)

---

✅ 方法 2：形态学开运算（去孤立白点，非常快）

• 腐蚀 + 膨胀

• 小白点直接被去掉

def remove_small_dots(mask, ksize=3):
    mask_u8 = (mask * 255).astype(np.uint8)

    kernel = np.ones((ksize, ksize), np.uint8)
    opened = cv2.morphologyEx(mask_u8, cv2.MORPH_OPEN, kernel)

    return (opened / 255.0).astype(np.float32)

---

✅ 方法 3：开运算 + 连通域（最强组合）

先去小 dot
再把残留小块区域过滤掉

clean = remove_small_dots(mask, ksize=3) clean = remove_small_regions(clean, min_area=150)