人为地增加图像的感兴趣区域

Question

我正在解决一个图像分割问题。为了提高模型的准确性，我遇到了以下预处理步骤-

首先，ROI外边界的像素集合是de 终止的，即在 ROI 之外并且是邻居的像素 （使用四邻域）到其中的像素。然后，每个像素值 这个集合的平均值被它的邻居的平均值替换（这个 时间使用八邻域）在 ROI 内。最后，投资回报率是 通过包含这组更改的像素来扩展。这个过程是 重复，可以看作是人为地增加了投资回报率。

应用以下步骤后的图像如下 -

我正在应用上述步骤的图像如下 -

在问here 的问题时，我得到了最初的方法来获取图像周围的黑色区域并将其用作 alpha 蒙版。
我解决这个问题的方法是找到所有边界像素（在 FOV 之外），这是我使用以下代码获得的红色部分之外的第一个黑色像素-

    my_list = []
for i in range(img.shape[0]):
    for j in range(img.shape[1]):
        if (j+1)<=564:
            if (img[i][j+1]==255) and (img[i][j-1]!=255):
                my_list.append([i,j])
        elif (j+1)<=564:
            if img[i][j+1]==0 and img[i][j]!=0:
                my_list.append([i,j])
        elif (i-1)>=0:
            if img[i-1][j]==255 and img[i][j]==0 :
                my_list.append([i,j])
        elif (i+1) >=0:
            if img[i+1][j]==255 and img[i][j]==0:
                my_list.append([i,j])

我上面代码背后的想法是，我可以将遮罩分成4个部分，然后可以根据它找到边界像素- 我在下面标记了 4 个部分（为糟糕的插图道歉）-

现在，在确定 FOV 外的边界像素后，我需要用相邻像素（8 个相邻像素）的平均值替换它们，在这种情况下，这将是 3 个像素的平均值，因为我们正在修改的像素将始终是在角落里，如下图-

所以我的问题是——
1）我的思维过程正确吗？
2)我不知道如何用邻域像素来修改像素？
也欢迎任何其他方法来解决它。

编辑---根据答案解决问题

 while(notroi):
    border_pixels = []
    for i in range(img.size[0]):
        for j in range(img.size[1]):
            if [i,j] not in roi and ([i+1, j] in roi or [i-1, j] in roi or [i, j+1] in roi or [i, j-1] in roi):
                border_pixels.append([i,j])

    for (each_i,each_j) in border_pixels:
        color_sum = 0
        count = 1
        eight_neighbourhood = [[each_i-1,each_j],[each_i+1,each_j],[each_i,each_j-1],[each_i,each_j+1],[each_i-1,each_j-1],[each_i-1,each_j+1],[each_i+1,each_j-1],[each_i+1,each_j+1]]
        for pix_i,pix_j in eight_neighbourhood:
            if (pix_i,pix_j) in roi:
                color_sum+=pixelMap[pix_i,pix_j]
                count+=1
        pixelMap[each_i,each_j]=(color_sum//count)

    for (each_i,each_j) in border_pixels:
        roi.append([each_i,each_j])
        border_pixels.remove([each_i,each_j])
        notroi = notroi-1
        print(notroi)

编辑： 图片获得-

Answer 1

您引用的方法实际上要简单得多。如果您将原始 ROI 作为每像素掩码，则算法在伪代码中如下所示（为清楚起见，省略了边界处理）：

while there are pixels not in the ROI:
    border_pixels = []

    # find the border pixels
    for each pixel p=(i, j) in image
        if p is not in ROI and ((i+1, j) in ROI or (i-1, j) in ROI or (i, j+1) in ROI or (i, j-1) in ROI)):
            add p to border_pixels

    # calculate the averages
    for each pixel p in border_pixels:
        color_sum = (0, 0, 0)
        count = 0
        for each pixel n in 8-neighborhood of p:
            if n in ROI:
                color_sum += color(n)
                count += 1
        color(p) = color_sum / count

    # update the ROI
    for each pixel p=(i, j) in border_pixels:
        set p to be in ROI