如何删除斑点边界上的单个像素？答案

【问题标题】：How to remove single pixels on the borders of a blob?如何删除斑点边界上的单个像素？
【发布时间】：2014-06-07 22:22:59
【问题描述】：

我有一个如下所示的二进制图像。如何去除斑点边界上的单个像素？

如果你不想给出完整的代码，你可以解释一些算法或指出正确的方向。

【问题讨论】：

看erode/dilate
您可以执行conv2(your_image, ones(3)) == 4，然后在一行（或一列）中查找由 3 个 1s 组成的集群，其中心将是您的单个像素露头（除非它们位于角落）即conv2(conv2(your_image, ones(3)) == 4, ones(3)) == 3
侵蚀，然后是膨胀 - 也称为形态开口，如果边界上的像素尺寸非常小，则解决方案是。
关于腐蚀/膨胀，请参阅下面的@Jonas 反对意见（它也会吃掉 1 像素线）

标签： python c++ matlab opencv image-processing

【解决方案1】：

我设法通过使用 midtiby 建议的命中和未命中转换来解决这个问题。我使用以下内核来检测顶部、右侧、底部和左侧的单像素。

-1 -1 -1     1 -1 -1      1  1  1     -1 -1  1
-1  1 -1     1  1 -1     -1  1 -1     -1  1  1
 1  1  1     1 -1 -1     -1 -1 -1     -1 -1  1

其中-1 表示背景，1 表示前景，0 表示无关（在本例中未使用）。

四次命中和未命中变换的结果将用作掩码以去除单个像素。以下是 Python/OpenCV 中的完整代码：

import numpy as np
import cv2

def hitmiss(src, kernel):
    im = src / 255
    k1 = (kernel == 1).astype('uint8')
    k2 = (kernel == -1).astype('uint8')
    e1 = cv2.erode(im, k1, borderType=cv2.BORDER_CONSTANT)
    e2 = cv2.erode(1-im, k2, borderType=cv2.BORDER_CONSTANT)
    return e1 & e2

if __name__ == "__main__":
    im = cv2.imread('blobs.png', cv2.CV_LOAD_IMAGE_GRAYSCALE)
    _, im_binary = cv2.threshold(im, 50, 255, cv2.THRESH_BINARY)

    kernel = np.array([[-1,-1, 1], 
                       [-1, 1, 1], 
                       [-1,-1, 1]])

    im_mask = np.zeros(im_binary.shape, np.uint8)

    im_mask |= hitmiss(im_binary, kernel)
    im_mask |= hitmiss(im_binary, np.fliplr(kernel))
    im_mask |= hitmiss(im_binary, kernel.T)
    im_mask |= hitmiss(im_binary, np.flipud(kernel.T))

    im_dst = im_binary & ((1 - im_mask) * 255)
    cv2.imwrite('dst.png', im_dst)

给定这个输入图像：

脚本将产生以下输出：

【讨论】：

【解决方案2】：

我删除此类单个像素的方法是检查每个像素周围的 4 连接邻居。如果一个像素只有一个邻居，它将被移除。这也会擦除“旋转 L”边缘的一个像素，该像素预计不会被移除。

这是我实现上述方法的代码：

    int neighborNum;
    vector<cv::Point> willRemove;
    for (int i = 1; i < img.rows - 1; i++) {
        for (int j = 1; j < img.cols - 1; j++) {
            neighborNum = 0;
            if (img.at<uchar>(i, j) == 255) {
                // Check 4 connected neighbors
                if (img.at<uchar>(i, j - 1) == 255) {
                    neighborNum++;
                }
                if (img.at<uchar>(i - 1, j) == 255) {
                    neighborNum++;
                }
                if (img.at<uchar>(i, j + 1) == 255) {
                    neighborNum++;
                }
                if (img.at<uchar>(i + 1, j) == 255) {
                    neighborNum++;
                }
                // Found! 
                if (neighborNum == 1) {
                    willRemove.push_back(cv::Point(j, i));
                }
            }
        }
    }
    // Try to remove pixels now    
    for (int i = 0; i < willRemove.size(); i++) {
        cv::circle(img, willRemove[i], 0, cv::Scalar(0, 0, 0), 1, 8, 0);
    }

【讨论】：

您只检查 neighbours==1 。恕我直言，它需要 3 个
@berak，在他的代码中，他检查了 N4 邻域，因此 neighborNum 确实应该是 1（而不是 3）。
@WangYudong 可能会删除一些其他不需要的像素（如 Y 形的中心像素等）

【解决方案3】：

这看起来像是hit and miss transform 的任务。

【讨论】：

请避免使用“仅链接”的答案，因为该链接将来可能会停止工作。见this meta discussion。
是的，这是命中和未命中转换的任务。我在自己的答案上发布了完整的代码。

【解决方案4】：

您应该在给定图像上执行erosion 操作，然后执行dialation 操作。不知何故，这些链接上的示例图像是相反的，所以不要混淆。
侵蚀会使用适当的过滤器缩小您的白色区域。它将删除额外的白色像素。然后您可以再次拨号扩大白色区域，但没有额外的白色噪点像素。

【讨论】：

这种方法的问题在于，您还会删除单像素水平线。