基于区域或宽度提取替换像素值：分割图像细线像素提取求助

问题背景 #

我有一张分割图像，车辆驾驶位红色区域的边缘存在一条异色细线，需要通过邻域像素分配label id（红色或黑色对应的ID）来去除这条细线。但这类细线的颜色/ID不固定，无法通过指定颜色或ID提取像素，需要通用的处理方法。

通用解决方案 #

1. 邻域多数投票法 #

遍历每个像素，统计其3x3（可调整）邻域内占比最高的label ID，将当前像素替换为该ID。这种方法完全不需要提前指定目标颜色/ID，自动适配不同场景的label值。

示例代码（Python + NumPy）：

import numpy as np

def majority_vote_filter(mask, kernel_size=3):
    pad_size = kernel_size // 2
    # 边缘填充避免边界问题
    padded_mask = np.pad(mask, pad_size, mode='edge')
    output = np.zeros_like(mask)
    height, width = mask.shape

    for i in range(height):
        for j in range(width):
            # 提取当前像素的邻域
            neighborhood = padded_mask[i:i+kernel_size, j:j+kernel_size]
            # 统计邻域内各label的出现次数
            label_counts = np.bincount(neighborhood.flatten())
            # 替换为出现次数最多的label
            output[i,j] = np.argmax(label_counts)
    return output

注：如果是彩色分割图，需先转换为单通道的label ID矩阵再处理。

2. 连通域小区域剔除 #

这类细线通常是面积极小的孤立连通区域，通过连通域分析筛选出小面积区域，将其替换为周围占主导的label ID。

示例代码（Python + OpenCV）：

import cv2
import numpy as np

def remove_small_thin_regions(mask, min_area=5):
    # 获取所有连通域的信息
    num_labels, labels, stats, _ = cv2.connectedComponentsWithStats(mask, connectivity=8)
    output = mask.copy()

    for label in range(1, num_labels):
        # 筛选出面积小于阈值的小区域
        if stats[label, cv2.CC_STAT_AREA] < min_area:
            # 获取该区域的所有像素坐标
            y_coords, x_coords = np.where(labels == label)
            # 提取区域周围的邻域像素
            y_min, y_max = y_coords.min(), y_coords.max()
            x_min, x_max = x_coords.min(), x_coords.max()
            neighbor_area = mask[max(0, y_min-1):y_max+2, max(0, x_min-1):x_max+2]
            # 排除当前小区域的像素，统计邻域内的主流label
            valid_neighbors = neighbor_area[neighbor_area != label]
            if len(valid_neighbors) > 0:
                dominant_label = np.bincount(valid_neighbors.flatten()).argmax()
                output[y_coords, x_coords] = dominant_label
    return output

3. 形态学闭操作 #

通过“膨胀+腐蚀”的闭操作填充细小的缝隙，快速消除规则的细线，同时保留大区域的边缘轮廓。这种方法效率极高，适合批量处理。

示例代码（Python + OpenCV）：

import cv2
import numpy as np

def thin_line_remove_by_close(mask, kernel_size=3):
    # 构造结构元
    kernel = np.ones((kernel_size, kernel_size), np.uint8)
    # 执行闭操作
    cleaned_mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)
    return cleaned_mask

内容的提问来源于stack exchange，提问作者iamkk