我编写了一个方法，它拍摄一个人的相机图像，确定构成该人的像素，并将所有其他像素设置为 (0,0,0)。这张新图像显示了被黑色像素包围的人。
这些图像的形状为 (500,500,3)，其中前 2 个维度构成图像的宽度和高度，3 代表通道 (R,G,B)。
接下来我想做的是消除噪音。有几个像素被错误地归类为属于该人。换句话说，这些是被黑色像素包围的像素。
如何去除这些有颜色但被黑色像素 (0,0,0) 包围的“孤立像素”？
【问题讨论】：
标签： image opencv numpy computer-vision
如果您想要没有 for 循环的解决方案，您可以使用具有 3 x 3 内核的卷积。
内核应该类似于
1 1 1
1 0 1
1 1 1
或者您可以使用形态图像处理，“关闭”操作应该可以工作。也可能是“侵蚀”。
【讨论】：
正如 Joe 建议的那样，我也会使用卷积，但使用不同的内核 np.ones((3,3))：
1 1 1
1 1 1
1 1 1
首先将数组转换为形状为 500X500 的布尔数组
如：bool_arr = np.sum(arr, axis = -1)!=0，黑色像素将为False，所有其他像素将为True。 （有关更快的替代版本，请参阅 cmets）
import scipy.signal
conv_arr = scipy.signal.convolve2d(bool_arr, np.ones((3,3)), 'same')
wrong_pixels = conv_arr == 1 # only one of the 9 pixels is colored
pixels[wrong_pixels] = [0,0,0] # color all the wrong ones black
【讨论】：
bool_arr = np.sum(arr, axis = -1)==0，所有黑色像素都将是True。如果您想要该功能（并且更高效），请尝试bool_arr = np.logical_not(np.logical_or.accumulate(arr, axis = -1))
wrong_pixels = ~conv_arr.astype(bool)，因为除0 之外的任何整数都将解析为True 而无需进行比较。快多了。您还将覆盖许多与彩色像素相邻的黑色像素。