您好！我想从透明图像中删除所有出现的杂散像素。
以下是示例图片，为方便起见放大：
以下是同一张图片，但我希望它在处理后看起来如何：
我能想到的描述我想要实现的最佳方式是，应该删除周围像素完全透明的每个像素。将选择器想象成一个 3x3 的网格，网格的中间是操作的像素。
我查看了 IM 手册中的 Morphology，但它似乎没有为此提供足够好的方法。
ImageMagick 可以做到这一点吗？如果没有，还有其他命令行软件可以实现吗？
【问题讨论】：
标签： image-processing command-line imagemagick
在 Imagemagick 中，您可以使用 -connected-components 来移除那些孤立的像素块。它们的一侧似乎是 5x5 像素。所以我们将该区域的阈值保持在 26。我们删除了 Alpha 通道中的那些块，然后在图像中替换它们。 （注意我们需要使用 8-connected 与 4-connected 区域检测来保留您的其他区域）。
既然你说你的图像被放大了，所以我假设你的孤立区域是 1x1 像素。因此，将 area-threshold 更改为 2，以移除单个像素区域。
输入：
Unix 语法：
convert img.png \
\( -clone 0 -alpha extract -type bilevel \
-define connected-components:mean-color=true \
-define connected-components:area-threshold=26 \
-connected-components 8 \) \
-alpha off -compose copy_opacity -composite \
result.png
Windows 语法：
convert img.png ^
( -clone 0 -alpha extract -type bilevel ^
-define connected-components:mean-color=true ^
-define connected-components:area-threshold=26 ^
-connected-components 8 ) ^
-alpha off -compose copy_opacity -composite ^
result.png
补充：
如果您只想删除小的孤立彩色像素，而不是彩色像素内的任何透明像素，那么没有简单的方法可以做到这一点。这是我想要的增强功能。但是，这是可以做到的。
您的图像已修改为左上角的红色块有一个透明的中心像素。我在其右侧添加了一条红线，以确保当中心变为透明时它大于 25 像素，以便您可以看到哪个像素具有透明中心。您必须下载并放大此图像才能看到丢失的像素。
4 倍缩放：
方法是在 alpha 通道中找到所有的白色区域，然后列出所有小于 26 像素的区域。然后重新处理图像以按 ID 删除这些区域。
获取 ID 列表
id_list=""
OLDIFS=$IFS
IFS=$'\n'
arr=(`convert img2.png -alpha extract -type bilevel \
-define connected-components:mean-color=true \
-define connected-components:verbose=true \
-connected-components 8 null: | grep "gray(255)" | sed 's/^[ ]*//'`)
echo "${arr[*]}"
num=${#arr[*]}
IFS=$OLDIFS
for ((i=0; i<num; i++)); do
id=`echo "${arr[$i]}" | cut -d' ' -f1 | sed 's/[:]*$//'`
count=`echo "${arr[$i]}" | cut -d' ' -f4`
if [ $count -lt 26 ]; then
id_list="$id_list $id"
fi
done
echo "$id_list"
这是打印的内容
12: 5x5+120+70 122.0,72.0 25 gray(255)
14: 5x5+30+85 32.0,87.0 25 gray(255)
15: 5x5+110+85 112.0,87.0 25 gray(255)
16: 5x5+75+90 77.0,92.0 25 gray(255)
17: 5x5+40+100 42.0,102.0 25 gray(255)
18: 5x5+110+110 112.0,112.0 25 gray(255)
19: 5x5+140+110 142.0,112.0 25 gray(255)
21: 5x5+15+130 17.0,132.0 25 gray(255)
22: 5x5+40+140 42.0,142.0 25 gray(255)
23: 5x5+85+140 87.0,142.0 25 gray(255)
24: 5x5+120+140 122.0,142.0 25 gray(255)
2: 5x5+55+5 57.0,7.0 25 gray(255)
5: 5x5+100+20 102.0,22.0 25 gray(255)
7: 5x5+65+30 67.0,32.0 25 gray(255)
8: 5x5+125+30 127.0,32.0 25 gray(255)
9: 5x5+105+50 107.0,52.0 25 gray(255)
11: 5x5+25+65 27.0,67.0 25 gray(255)
12 14 15 16 17 18 19 21 22 23 24 2 5 7 8 9 11
重新处理以按 ID 删除区域
convert img2.png \
\( -clone 0 -alpha extract -type bilevel \
-define connected-components:mean-color=true \
-define connected-components:remove="$id_list" \
-connected-components 8 -background black -flatten +write tmp.png \) \
-alpha off -compose copy_opacity -composite \
result2.png
4 倍缩放：
【讨论】：
fmw42 的出色答案使用连接区域，但我认为仅使用形态是可能的。使用：
0 0 0
0 1 0
0 0 0
作为具有腐蚀的结构元素，它将检测 8 路连接的孤立像素。现在用你的 alpha 进行 EOR，它会使这些像素完全透明（即移除它们）。
我不太了解 IM，无法让您执行此操作 :-( 但是使用 libvips 命令行，制作测试图像将是这样的：
size=256
# sparse speckles for the alpha
vips gaussnoise t1.v $size $size
vips relational_const t1.v a.v more 200
# RGB noise
vips gaussnoise r.v $size $size
vips gaussnoise g.v $size $size
vips gaussnoise b.v $size $size
# assemble and save
vips bandjoin "r.v g.v b.v a.v" x.png
然后去除你的杂散像素：
# make mask.mor, a file containing our structuring element
cat >mask.mor <<EOF
3 3
0 0 0
0 255 0
0 0 0
EOF
# pull out the alpha channel
vips extract_band x.png a.v 3
# find isolated pixels
vips morph a.v t1.v mask.mor erode
# EOR with alpha to zap those pixels
vips boolean t1.v a.v t2.v eor
# extract rgb from original, then attach our modified alpha
vips extract_band x.png rgb.v 0 --n 3
vips bandjoin "rgb.v t2.v" x2.png
这是之前和之后：
libvips CLI 速度很快，但有点笨拙。如果使用 Python 之类的脚本编写它会更整洁。
【讨论】：