0

假设我有一个二进制图像，表示为一个numpy矩阵，其中一个像素是背景 (0) 或前景 (1)。我正在寻找一种方法来删除前景中没有任何最近邻居的所有像素。

假设，图像矩阵为：

a = np.array([[0,0,1,1],[1,0,0,0]])

单像素删除后的结果图像应该是

b = np.array([[0,0,1,1],[0,0,0,0]])

到目前为止，我的方法是对所有可能的方向进行开口组合：

opening1 = ndi.morphology.binary_opening(edge, structure=np.array([[0,1,0],[0,1,0],[0,0,0]]))
opening2 = ndi.morphology.binary_opening(edge, structure=np.array([[0,0,0],[0,1,1],[0,0,0]]))
opening3 = ndi.morphology.binary_opening(edge, structure=np.array([[1,0,0],[0,1,0],[0,0,0]]))
opening4 = ndi.morphology.binary_opening(edge, structure=np.array([[0,0,0],[0,1,0],[0,0,1]]))

opening = opening1 + opening2 + opening3 + opening4

另一种方法是标记连接的组件并按索引删除它们，但是当涉及到计算复杂性时，这些解决方案感觉不是最佳的。

4

2 回答 2

1

实际上，标记连接的组件似乎是要走的路。至少这是在这里的函数中是如何skimage做到的。remove_small_objects

于 2020-04-17T13:56:11.397 回答
0

那这个呢？

这个想法是在每个方向上创建一个像素的图像偏移，然后通过查看任何偏移中的对应关系来确定是否存在邻居。

import numpy as np

a = np.array([[0,0,1,1],[1,0,0,0]])

print(a)

shift_bottom = np.roll(a, -1, axis=0)
shift_top = np.roll(a, 1, axis=0)
shift_right= np.roll(a, 1, axis=1)
shift_left= np.roll(a, -1, axis=1)

b = (a * shift_bottom) | (a * shift_top) | (a * shift_right) | (a * shift_left)

print(b)
于 2020-04-17T14:01:18.643 回答