python - 使用 OpenCV 保持图像中线条的“连通性”

Question

我正在研究手写数字识别问题，使用 OpenCV 进行预处理，使用 Keras/Tensorflow 进行推理。我在预处理中丢失某些功能时遇到问题，这些功能大致包括：

1. 大津门槛
2. 膨胀（使数字厚度与我用来预训练神经网络的另一个数据集相同）
3. 使用 cv2.INTER_AREA 缩小到 28x28 像素（再次匹配预训练数据）

这是一个特征损失的例子：

这意味着是一个 2，顶部循环中的微小间隙对于帮助将其与 9 或 8 区分开来很重要。但是我的预处理版本失去了间隙，所以循环看起来是封闭的。

我已经问过一个类似的问题来保留漏洞并得到了很好的答案，尽管我认为我需要对其进行更多概括。

就像我自己的一个想法一样：也许有一种方法可以在膨胀操作中添加第二个更大的内核。该内核将具有与膨胀内核相同的形状，但只有轮廓（未填充）。然后，如果该轮廓触及原始图像中的任何白色像素，则取消该位置的膨胀动作。

注意：请随意发表评论，以更好的方式提出该标题（“连通性”是我能想到的全部）。

Answer 1

骨架化第一个图像背景（参见https://medium.com/analytics-vidhya/skeletonization-in-python-using-opencv-b7fa16867331或者是否有任何内置函数可以在 openCV 中进行骨架化？）。在骨架和第二张图像之间使用逻辑运算。