如何使用python删除图像中图形周围的白色边框/边缘？

Question

我想删除黑色掩模和所述主体图像 P>之间的白色边界

图像输入例子：

与厚度1图像输出：

与厚度2图像输出：

我尝试了一些游戏与模糊和阈值，我在这里找到 我还用这些代码来查找和绘制轮廓 P>

    thickness = 3
    image = cv2.imread('../finetune/22.png')
    blank_mask = np.zeros(image.shape, dtype=np.uint8)
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    cnts = cv2.findContours(gray, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    cnts = cnts[0] if len(cnts) == 2 else cnts[1]

    cv2.drawContours(image, cnts, -1, (255,0,0), thickness)
    cv2.imshow('image', image)
    cv2.imwrite('../finetune/22-'+str(thickness)+'r.png',image)
    cv2.waitKey()

但是，我发现轮廓是所述黑色掩膜的边缘，而不是白线 我使用了与厚度和它的工作原理很好，但在每个图像上该轮廓是不同的，也厚度不整个数字等于 P>

什么是去除它的最佳精确的方式？ P>

Answer 1

这里有两种方法：

方法#1： cv2.erode()

您可以使用侵蚀来侵蚀掉白色前景对象的边界。本质上，这个想法是使用内核执行 2D 卷积。可以使用cv2.getStructuingElement() 创建内核，您可以在其中传递要创建的所需内核的形状和大小。典型的内核是cv2.MORPH_RECT、cv2.MORPH_ELLIPSE 或cv2.MORPH_CROSS。如果内核下的所有像素都是1，则内核滑过图像，其中一个像素被认为是1，否则它被侵蚀为0。最终效果是边界上的所有像素都将被丢弃，具体取决于内核的形状和大小。前景的厚度减小，可用于去除小的白噪声或分离对象。您可以使用要执行的迭代次数来调整侵蚀的强度。

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
erode = cv2.erode(image, kernel, iterations=1)

方法#1：用cv2.morphologyEx()打开

与腐蚀相反的是膨胀，它可以增强图像。通常，在腐蚀之后执行拨号以“标准化”形态操作的效果。 OpenCV 将这些步骤组合成一个称为形态打开的单一操作。打开只是腐蚀后膨胀的另一个名称，与仅腐蚀相比，通常会给您更平滑的结果。

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
opening = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)

---

结果

您可以试验内核形状和迭代次数。要去除更多的噪声，请增加内核大小和迭代次数，而要去除较少的噪声，请减小内核大小和迭代次数。

import cv2

image = cv2.imread('1.png')
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
opening = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel, iterations=3)

cv2.imshow('opening', opening)
cv2.waitKey()

Answer 2

nathancy 发送的以下答案准确显示了我想要达到的结果，但它对我的根本问题没有帮助

当我使用 drawContours 时，我可以在我的面具上绘制轮廓并改进它

所以这是关于我的问题的更多信息：

使用图像分割方法获得蒙版后，我想更改背景（在示例中我使用黑色背景），但新背景和图形之间仍有白色轮廓

原图：

https://drive.google.com/open?id=1P39VCEe2FTqkD6JbdM4ueMr_71C6nI42

面具：

https://drive.google.com/open?id=1LTHaclsDOxRJCI9t5bLg3PeanseRR9bc

输出：

https://drive.google.com/open?id=1-uQx77-fmMf_9qFSgNMBvo77Q6Ag8qEZ

这是我使用的代码：

    image = cv2.imread('../finetune/1.png')
    mask = cv2.imread('../finetune/1mask.png')

    output = np.zeros(image.shape, dtype=np.uint8)

    output[np.where(mask == 255)] = image[np.where(mask == 255)]

    cv2.imshow("output",output)
    cv2.imwrite('../finetune/1.output.png',output)

帮助上面的答案，我可以再次获取轮廓并协调创建新蒙版，但我确信有更好的优雅方式来做到这一点

澄清一下，我想改进蒙版以防止在我将它放在新背景上时出现白色边框