图像分割 - 在 C++ 中删除不需要的像素答案

【问题标题】：Image Segmentation - Remove Unwanted Pixels in C++图像分割 - 在 C++ 中删除不需要的像素
【发布时间】：2018-09-10 06:57:22
【问题描述】：

我正在研究图像处理。首先，我必须进行图像分割并仅提取图像的边界。然后，将此图像转换为freeman链码。 freeman 链码部分就OK了。但是，当我对图像进行分割时，图像内部仍然存在一些不需要的白色像素。因此，下一步，即弗里曼链码，并没有成功。我的意思是，由于不需要的像素，它给出了不正确的链码。所以，我必须从图像内部删除不需要的像素。我将分享我的代码，您能告诉我如何更改此代码，或者我应该为这个过滤器编写什么样的正确代码？代码在这里：

#include <opencv2/opencv.hpp>
#include <vector>
#include <iostream>
#include <opencv2/imgproc/imgproc_c.h>
using namespace cv;
using namespace std;
int main(){
    Mat img = imread("<image-path>");
    Mat gray;
    cvtColor(img,gray,CV_BGR2GRAY);
    Mat binary;
    threshold(gray,binary, 200, 255, CV_THRESH_BINARY);
    Mat kernel = (Mat_<float>(3,3) <<
            1, 1, 1,
            1, -8, 1,
            1, 1, 1);
    Mat imgLaplacian;
    Mat sharp= binary;
    filter2D(binary, imgLaplacian, CV_32F, kernel);
    binary.convertTo(sharp, CV_32F);
    Mat imgResult = sharp - imgLaplacian;
    imgResult.convertTo(imgResult, CV_8UC1);
    imgLaplacian.convertTo(imgLaplacian, CV_8UC1);
    //Find contours
    vector<vector<Point>> contours;
    vector <uchar> chaincode;
    vector <char> relative;
    findContours(imgLaplacian,contours, CV_RETR_LIST, CHAIN_APPROX_NONE);
    for (size_t i=0; i<contours.size();i++){
        chain_freeman(contours[i],chaincode);
        FileStorage fs("<file-path>", 1);
        fs << "chain" << chaincode;
    }
    for (size_t i=0; i<chaincode.size()-1; i++){
        int relative1 = 0;
        relative1 = abs(chaincode[i]-chaincode[i+1]);
        cout << relative1;
        for (int j=0; j<relative1; j++){
        }
        relative.push_back(relative1);
            FileStorage fs("<file-path>", 1);
            fs << "chain" << relative;
        }


    imshow("binary",imgLaplacian);
    cvWaitKey();
        return 0;
}

original image

Result

在这个结果中，我想删除图像内部的白色像素。我在opencv中尝试了所有fiter，但我无法实现。由于链码，它非常重要。

【问题讨论】：

cv::findContours 不是已经给了你一个轮廓列表，其中每个的大小描述了轮廓的长度吗？如果是单个像素外的 8 连接，则由四个元素组成。或者只是变形关闭或使用连接组件标签预先填充孔。
我试过了，但它没有用，或者我不能用它。我使用了 morph close 但结果仍然相同。
也许您可以发布您希望实现的图像？但是在阈值之后对二值图像使用cv::findContours，这里不需要边缘检测器。
@mainactual 好的，我在帖子上进行了编辑。你可以检查一下。

标签： c++ opencv image-processing image-segmentation

【解决方案1】：

好的，现在我明白了。如前所述，您可以简单地通过它们的长度忽略小轮廓。对于其余部分，您需要最大程度地细化轮廓（似乎是 4-connected 的情况）。你有几个选择：

1) 电流变细。如果您可以获取 Matlab 的查找表，则可以将其作为 How to use Matlab's 512 element lookup table array in OpenCV? 加载到 OpenCV 中

2) 在二值化后手动标记边界像素非常简单。为了提高效率，您可以首先通过在背景上应用连通组件标签来填充小空腔（小岛）（这次使用相反的连通性，是 8）。

2i & 2ii) 如果是手工标注，可以继续手工采集轮廓向量，也可以切换到cv::findContours

希望对你有帮助

【讨论】：