Python中替代Matlab ExtractNLargestBlobs的Blob检测方案咨询

用OpenCV实现 #

OpenCV通过轮廓检测与筛选可直接实现需求，步骤如下：

• 从二值输入图中提取最外层轮廓
• 按轮廓面积排序，根据number_to_extract的正负筛选最大/最小Blob
• 在空白掩码上填充选中的轮廓，生成结果

import cv2
import numpy as np

def extract_n_largest_blobs(mask, number_to_extract):
    # 转换为单通道二值图
    if len(mask.shape) > 2:
        mask = cv2.cvtColor(mask, cv2.COLOR_BGR2GRAY)
    _, binary_mask = cv2.threshold(mask, 127, 255, cv2.THRESH_BINARY)
    
    # 获取最外层轮廓
    contours, _ = cv2.findContours(binary_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    if not contours:
        return np.zeros_like(mask)
    
    # 按面积排序并筛选
    contours_with_area = [(cnt, cv2.contourArea(cnt)) for cnt in contours]
    if number_to_extract > 0:
        sorted_contours = sorted(contours_with_area, key=lambda x: x[1], reverse=True)[:number_to_extract]
    elif number_to_extract < 0:
        sorted_contours = sorted(contours_with_area, key=lambda x: x[1])[:abs(number_to_extract)]
    else:
        return np.zeros_like(mask)
    
    # 生成结果掩码
    result_mask = np.zeros_like(mask)
    for cnt, _ in sorted_contours:
        cv2.drawContours(result_mask, [cnt], 0, 255, thickness=cv2.FILLED)
    
    return result_mask

# 提取1个最大Blob的调用示例
# mask2为形态学处理后的二值图像
mask = extract_n_largest_blobs(mask2, 1)

用scikit-image实现 #

scikit-image的measure模块提供了更直观的连通区域标记与属性分析功能：

• 标记输入图中的所有连通Blob
• 通过区域属性获取面积，按需求筛选
• 生成仅保留选中Blob的掩码

from skimage import measure
import numpy as np

def extract_n_largest_blobs_skimage(mask, number_to_extract):
    # 转换为布尔型二值图
    if mask.dtype != bool:
        mask = mask > 127
    
    # 标记连通区域（8连通，匹配Matlab默认行为）
    labeled_mask = measure.label(mask, connectivity=2)
    regions = measure.regionprops(labeled_mask)
    if not regions:
        return np.zeros_like(mask, dtype=np.uint8)
    
    # 按面积排序筛选
    if number_to_extract > 0:
        selected_regions = sorted(regions, key=lambda x: x.area, reverse=True)[:number_to_extract]
    elif number_to_extract < 0:
        selected_regions = sorted(regions, key=lambda x: x.area)[:abs(number_to_extract)]
    else:
        return np.zeros_like(mask, dtype=np.uint8)
    
    # 生成结果掩码
    result_mask = np.zeros_like(labeled_mask, dtype=np.uint8)
    for region in selected_regions:
        result_mask[labeled_mask == region.label] = 255
    
    return result_mask

# 提取1个最大Blob的调用示例
mask = extract_n_largest_blobs_skimage(mask2, 1)

Stack Overflow相关方案适配 #

Stack Overflow上的Blob提取方案核心逻辑和上述实现一致——标记连通区域、计算面积、筛选排序。如果之前修改fmw42的代码无法适配，可从以下几点排查：

• 输入图像格式：确保mask2是单通道二值图（像素值为0/255或布尔值）
• 连通性设置：Matlab默认用8连通，对应OpenCV的findContours默认参数、scikit-image的connectivity=2
• 面积计算差异：确认面积是否包含Blob的全部像素（OpenCV的contourArea、scikit-image的region.area均符合需求）
• 输出掩码格式：确保输出为单通道、像素值为255（匹配原Matlab函数的输出要求）

内容的提问来源于stack exchange，提问作者Mohammad Ishfakur