清理图像分割中未标记的像素答案

【问题标题】：Clean up unlabeled pixels in image segmentation清理图像分割中未标记的像素
【发布时间】：2019-12-04 22:47:26
【问题描述】：

我的图像分割结果如下所示：

如您所见，分割图中存在小间隙。这些间隙像素已被赋值为 0；所有其他非间隙像素都被分配了一个非 0 类值。

有没有一种方法，可能在skimage 的某个地方，它可以仅对空像素执行 k-最近插值，以便为它们分配与其邻域一致的值？我尝试自己编写这个函数，但它对我的口味来说太慢了。

【问题讨论】：

能否请您提供图像本身，而不是图像情节的屏幕截图，这有点像影印本的影印......
您可以在 Python Wand（使用 Imagemagick）中进行连接组件处理，以将小区域合并到其周围区域。请参阅docs.wand-py.org/en/0.5.7/wand/image.html 连接组件下的区域阈值
道歉。我最近开始使用 JupyterLab，他们下载输出图像 (github.com/jupyterlab/jupyterlab/issues/2685) 的方式相当不直观。

【解决方案1】：

可以使用opencv的形态闭合操作。（参考：Link）

我尝试对您的图像执行相同的操作：

import cv2
import numpy as np
import matplotlib.pyplot as plt

img = plt.imread('image path')
plt.imshow(img)

kernel = np.ones((5,5),dtype='uint8')
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel,iterations=1)
plt.imshow(closing)

您可以使用内核大小和迭代次数。对于小图像，可以找到 3 或 5 的内核大小。您可以增加迭代次数以关闭更大的孔。

【讨论】：

【解决方案2】：

形态闭合非常好，但可以修改对象的形状，它在边缘添加了一些人工制品。对于您的问题，我认为您应该使用 findContour 然后使用 fillpoly 来去除孔洞。

【讨论】：