Python：如何使用 openCV 修复图像中的杂乱区域？

问题描述

我有一个使用 OpenCV 查找图像轮廓的代码。但是当我的代码基于凌乱的图像时，它不起作用。

我的形象：

我的图像是一张扫描纸，有很多噪点和杂乱的区域。所以我应用了高斯模糊、OTSU-阈值和变形接近来修复。

我的代码：

# Apply GaussianBlur + OTSU-Thresholding
grayscale_image = cv.cvtColor(source_image,cv.COLOR_BGR2GRAY)
grayscale_image = cv.GaussianBlur(grayscale_image,(5,5),0)
ret,grayscale_image = cv.threshold(grayscale_image,200,255,cv.THRESH_BINARY + cv.THRESH_OTSU)
cv.imshow("grayscale_image",grayscale_image)

# Apply Morph Close
kernel = cv.getStructuringElement(cv.MORPH_RECT,5))
morph_closed_image = cv.morphologyEx(grayscale_image,cv.MORPH_CLOSE,kernel)
cv.imshow("morph_closed_image",morph_closed_image)

尽管如此，我的代码奇怪地创建了轮廓。图像的杂乱区域被识别为轮廓。

我的轮廓图像：

而且，这是我的轮廓代码：

contours,hierarchy = cv.findContours(morph_closed_image,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE)
contour_sizes = [(cv.contourArea(contour),contour) for contour in contours]
biggest_contour = max(contour_sizes,key=lambda x: x[0])[1]

contour_image = source_image.copy()
cv.drawContours(contour_image,[biggest_contour],(0,255),2)
cv.imshow('contour_image',contour_image)

因此，我想修复图像中的噪点和杂乱。如果我修复了图像中的噪点和杂乱区域，则应用的轮廓效果很好。

如何使用 openCV 修复图像中的杂乱区域？

我的目标：

请给我一些建议。

解决方法

M Z 说得好。

你只需要侵蚀然后扩张它。它实际上可以使用相同的内核和迭代。

这样做的主要目的是：

1. 随着侵蚀，小白色形状被杀死。
2. 通过扩张，恢复感兴趣区域中被侵蚀的白色形状（大形状）。

所以，你应该侵蚀直到所有的小形状都被杀死，然后尝试通过扩张恢复大形状的原始大小。