如何决定用于扩张的内核（OpenCV/Python）？

Question

我是 OpenCV 的新手，最近，我试图比较两张铁轨图像，一张有火车，一张没有。比较之后，我应用了一个阈值，白色区域中有一些我不想要的“洞”。目前，我正在使用具有 4 次迭代和内核设置为“无”的膨胀，据我了解，默认为 3x3。

我如何决定使用哪种内核，以便膨胀在使白色区域连续方面做得更好？如果我能去除背景中的白色小斑点也会很好。代码如下：

resized = imutils.resize(img2, width=1050)
resized2 = imutils.resize(img3, width=1050)
grayA = cv2.cvtColor(resized, cv2.COLOR_BGR2GRAY)
grayB = cv2.cvtColor(resized2, cv2.COLOR_BGR2GRAY)
grayA = cv2.GaussianBlur(grayA,(7,7),0)
grayB = cv2.GaussianBlur(grayB,(7,7),0)
frameDelta = cv2.absdiff(grayA, grayB)
thresh = cv2.threshold(frameDelta, 20, 255, cv2.THRESH_BINARY)[1]
thresh = cv2.dilate(thresh, None, iterations=4)

完全是初学者，因此即使是改进这些比较的一般提示/建议也将不胜感激！

Answer 1

也许这会让您对 Python/OpenCV 中的形态学有所了解。首先，我使用一个与小白点大小差不多的方形“开放”内核来去除它们。然后我使用一个大约黑色间隙大小的水平矩形“关闭”内核来填充它。 “打开”删除白色区域（或填充黑色间隙）并关闭删除黑色区域（或填充白色间隙）

输入：

import cv2
import numpy as np

# read image as grayscale
img = cv2.imread('blob3.png', cv2.IMREAD_GRAYSCALE)

# threshold to binary
thresh = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY)[1]

# apply morphology open with square kernel to remove small white spots
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (19,19))
morph1 = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)

# apply morphology close with horizontal rectangle kernel to fill horizontal gap
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (101,1))
morph2 = cv2.morphologyEx(morph1, cv2.MORPH_CLOSE, kernel)

# write results
cv2.imwrite("blob3_morph1.png", morph1)
cv2.imwrite("blob3_morph2.png", morph2)

# show results
cv2.imshow("thresh", thresh)
cv2.imshow("morph1", morph1)
cv2.imshow("morph2", morph2)
cv2.waitKey(0)

形态学广场公开赛：

形态矩形闭合：

替代形态正方形关闭：