0

我正在使用 opencv（版本 4.1.0，带有 Python 3.7）对二进制图像执行形态关闭。使用大的关闭内核时，我遇到了边界问题。

我的代码是：

close_size = 20
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (close_size, close_size))
result = cv2.morphologyEx(im, cv2.MORPH_CLOSE, kernel)

我读了这个问题和这个问题，还有文档，这导致我也尝试 像这样改变borderValue论点morphologyEx()

result = cv2.morphologyEx(im, cv2.MORPH_CLOSE, kernel,borderValue=[cv2.BORDER_CONSTANT,0])

但是这两种方法都不会导致我想要的。我在下图中总结了他们的行为。

在此处输入图像描述

我的原始图像在顶部。我期望的行为是两个点对于小内核（例如，内核 = 1）保持分离，并为足够大的内核合并在一起。
如您所见，对于默认边界（图像的左列），当 kernel = 6 时合并是正确的，但是一旦它变大，点就开始与边界合并。
使用恒定的边界（图像的右列），可以使用更大的内核，但是对于非常大的内核（例如内核 = 20），仍然会发生意外行为，其中点消失。

关闭内核作为最终软件中的用户参数保留，以便能够合并可能非常远的点。所以理想情况下，我需要能够处理比对象和边界之间的距离更大的平滑内核。

原图： 在此处输入图像描述

4

2 回答 2

1

这个答案解释了如何MORPH_CLOSE通过向图像添加缓冲区来使用图像边缘。

您可以通过使用 numpy 创建零图像来添加缓冲区：

# Import packages
import cv2
import numpy as np
import matplotlib.pyplot as plt
# Read in the image
img = cv2.imread('/home/stephen/Desktop/OKoUh.png', 0)
# Create a black bufffer around the image
h,w = img.shape
buffer = max(h,w)
bg = np.zeros((h+buffer*2, w+buffer*2), np.uint8)
bg[buffer:buffer+h, buffer:buffer+w] = img

然后您可以迭代并检查它在不同内核大小下的外观：

for close_size in range(1,11):
    temp  = bg.copy()
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (close_size, close_size))
    result = cv2.morphologyEx(temp, cv2.MORPH_CLOSE, kernel)
    results = result[buffer:buffer+h, buffer:buffer+w]
    cv2.imshow('img', result)
    cv2.waitKey()

我的结果： 结果

于 2019-12-05T19:26:26.447 回答
1

根据斯蒂芬的回答，这是我最终实现的片段：

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (close_size, close_size))
# Padding
im=cv2.copyMakeBorder(im,close_size,close_size,close_size,close_size,
                      borderType=cv2.BORDER_CONSTANT, value = 0)
# Closing
im = cv2.morphologyEx(im, cv2.MORPH_CLOSE, kernel)
# Unpadding
im = im[close_size:-close_size,close_size:-close_size]

正如我在评论中提到的，这可能导致大内核大小的计算时间更长。使用较低值的填充（例如 close_size/2 ）可能足以防止边界问题（没有测试它）。

于 2019-12-06T11:51:41.667 回答