OPENCV二值化图像内孔洞填充/小区域去除

最新推荐文章于 2025-03-20 19:13:22 发布
最新推荐文章于 2025-03-20 19:13:22 发布
阅读量1.8w 收藏 90
点赞数 17
分类专栏： 图像处理

来源：http://lib.youkuaiyun.com/article/opencv/28353

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

         http://download.youkuaiyun.com/download/robberjohn/8474913 

        http://blog.youkuaiyun.com/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;
}






C#中的OpenCVSharp实现二值图孔洞填充方法
m0_47037246的博客
08-29 353
具体来说，我们可以先使用cv::findContours()函数提取出图像中的轮廓，然后使用cv::drawContours()函数绘制出轮廓并填充孔洞。在上面的代码中，我们首先读取了一个二值图像，并使用cv::findContours()函数提取出了图像中的轮廓。对于每一个孔洞，我们可以从孔洞的边缘开始遍历，找到所有周围的像素点，并将其标记为已访问的状态，直到孔洞填满为止。在本文中，我们将介绍如何使用C#中的OpenCVSharp实现二值图孔洞填充的操作，并提供相应的源代码。
OpenCV技巧 | 二值图孔洞填充方法与实现(附Python/C++源码)
Color Space的博客
08-22 3914
点击上方“OpenCV与AI深度学习”，选择加"星标"或“置顶” 重磅干货，第一时间送达 导读 本文主要介绍使用OpenCV对二值图做孔洞填充的方法与实现。 背景介绍 为什么要做孔洞填充？因为在部分情况下，二值图内部的孔洞和外部轮廓是一个整体，填充孔洞可以方便后续处理，减少干扰。 OpenCV孔洞填充的常用方法有2种： ①形态学闭运算。闭运算是先膨胀后腐蚀操作，如上图，先膨胀白色高亮区域增加，孔洞会被填充。但使用闭运算针对不同的图片不能准确知道需要的核大小是多少，所以并不能通用； ②..
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。
opencv实现二值图像孔洞填充
It is me 的博客
11-19 753
fill_up (Region, RegionFillUp) #include "iostream" #include <opencv2\opencv.hpp> using namespace std; using namespace cv; Mat inv_board(Mat src); Mat inv_img(Mat src); void delarea(Mat& bw, int max); Mat imfill(Mat I, int max); void main() { M
使用OpenCV进行图像处理：边界填充、阈值处理
最新发布
weixin_68114439的博客
03-20 514
本文介绍了OpenCV中的三种常见图像处理技术：边界填充、阈值处理。这些技术是图像处理的基础，广泛应用于去噪、边缘检测、图像分割等任务中。通过掌握这些方法，你可以更好地处理图像数据，并为后续的计算机视觉任务打下坚实的基础。
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 4655
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*
python opencv 图像切割_【图像后处理】python+OpenCV填充孔洞
weixin_39965881的博客
11-20 1090
我们在进行图像分割后，分割结果有时会有一些小孔洞，如图1所示，其中黑白两色表示两种不同的类别。一般情况下，这些孔洞属于错分情况，为了优化结果，我们通常对这些孔洞进行填充。今天我们就用python语言基于OpenCV实现孔洞填充。图1 有孔洞的分割图像我们要用到的函数是OpenCV里的floodFill函数。使用floodFill函数可以得到只标记孔洞的像素矩阵（孔洞值为0，非孔洞值为指定值）。有了...
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)
图像孔洞填充与小连通域的删除
周红伟讲AI
06-11 781
图像孔洞填充与小连通域的删除 cvFindContours 从二值图像中检索轮廓，并返回检测到的轮廓的个数。first_contour的值由函数填充返回，它的值将为第一个外轮廓的指针，当没有轮廓被检测到时为NULL。其它轮廓可以使用h_next和v_next连接，从first_contour到达。 intcvFindContours(CvArr*image,CvMemStorage*storage,CvSeq**first_contour,...
cpp OPENCV二值化图像内孔洞填充和小区域去除
06-06
可以使用OpenCV中的形态学操作函数来实现二值图像内孔洞填充和小区域去除。具体步骤如下： 1. 二值化图像：将图像转换为二值图像，可以使用OpenCV中的`cv::threshold()`函数。 2. 内孔洞填充：使用形态学操作中的...
OpenCV实战 | 二值图像孔洞填充算法及Python实现
PixelDude的博客
08-24 951
因此，对于这种情况，我们需要使用相应的算法对空洞进行填充，以使得图像处理更加完整和准确。该算法基于连通域理论，首先利用cv2.connectedComponents函数进行连通域分离，然后对于每个连通域，进行面积计算，判断是否是孔洞区域。main函数加载图像，并将其转化为灰度图和二值图像，然后调用fillHole函数进行孔洞填充。使用该算法及代码实现，可以高效地对二值图像中的孔洞进行填充，提高图像处理和识别的准确性。fillHole函数为孔洞填充函数，输入为二值图像，输出为填充后的二值图像。
OPENCV去除小连通区域,去除孔洞的实例讲解
09-20
今天小编就为大家分享一篇OPENCV去除小连通区域,去除孔洞的实例讲解，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
OpenCV二值图像孔洞填充的一个简单方法
a757428997的博客
08-07 1949
在Matlab下，使用imfill可以很容易的完成孔洞填充操作，感觉这是一个极为常用的方法，然而不知道为什么OpenCV里面却没有集成这个函数。在网上查了好多关于Opencv下的孔洞填充方法，大部分使用轮廓查找方法去做的，但对于这种方法，总感觉不是特别好。 最近重新使用这个方法，正好之前了解过冈萨雷斯那本书上的孔洞填充算法，所以想着手重新写一个。这里借鉴了冈萨雷斯书上的...
python 去除二值图像中孤立的小区域
JingpengSun的博客
03-10 1960
去除二值图像非连通小区域
python-opencv去除小面积区域/孔洞填充（二值图像）
Stephen
12-03 2万+
上图左为原始图像，右图为填充后的图像。 因为左边的图片存在很多噪声点，直接根据阈值去填充会存在问题，所以我就先对图片进行了一次二值化处理，然后调用了opencv的fillPoly函数完成孔洞的填充。 import cv2 import os import numpy as np imaPath = r"E:\hand\label" output = r"E:\hand\output" imaList = os.listdir(imaPath) for files in imaList: pat.
opencv_python实现二值图像的孔洞填充
热门推荐
Leon_zm的博客
07-24 2万+
  图1.左图：镍的图像。中心：阈值和倒置。右：孔填满   在本教程中，我们将学习如何填充二值图像中的孔。参考图1左侧的图像，假设我们想要找到一个二值模板，它将硬币与背景分开，如右图所示。在本教程中，包含硬币的圆形区域也将被称为前景。 请注意，硬币的边界是黑色的，与白色背景不同。因此，我们使用简单的图像阈值来将边界与背景分开。换句话说，我们说强度高于某个值（阈值）的像素是背景，其余像素是前...
二值图像的孔洞填充
m0_71522575的博客
07-21 2656
二值图像孔洞填充的matlab实现
OPENCV去除小连通区域，去除孔洞
一步一步走
07-23 1万+
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; Neih
opencv 删除二值化图像中面积较小的连通域
yangpan011的博客
12-30 4169
对于上图的二值化图像，要去除左下角和右上角的噪点，方法：使用OpenCV去掉黑色面积较小的连通域。 代码 [cpp] view plain copy  CvSeq* contour = NULL;         double minarea = 100.0;         double tmparea = 0.0;      CF
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