使用FCN8做二值分割时输出掩码出现全图点状网格的问题解决

问题分析 #

当前代码仅处理了背景中的小噪点（白点），但未解决前景分割区域内的小空洞（黑点），同时存在二值化结果未实际使用的问题，导致处理不彻底。

优化后代码 #

import cv2
import numpy as np

def clean_segmentation_mask(mask, min_area_threshold):
    # 1. 生成严格二值化掩码（0/255）
    _, binary_mask = cv2.threshold(mask, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
    
    # 2. 过滤背景中的小噪点：保留大前景连通域
    num_labels, labels, stats, _ = cv2.connectedComponentsWithStats(binary_mask, 4, cv2.CV_32S)
    foreground_mask = np.zeros_like(binary_mask)
    for label in range(1, num_labels):
        if stats[label, cv2.CC_STAT_AREA] >= min_area_threshold:
            foreground_mask[labels == label] = 255
    
    # 3. 填充前景内部的小空洞：处理前景中的小黑点
    inverted_mask = cv2.bitwise_not(foreground_mask)
    num_inv_labels, inv_labels, inv_stats, _ = cv2.connectedComponentsWithStats(inverted_mask, 4, cv2.CV_32S)
    cleaned_mask = np.copy(foreground_mask)
    for label in range(1, num_inv_labels):
        if inv_stats[label, cv2.CC_STAT_AREA] < min_area_threshold:
            cleaned_mask[inv_labels == label] = 255
    
    # 4. 形态学闭操作平滑边缘，消除残留细微噪点
    kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))
    cleaned_mask = cv2.morphologyEx(cleaned_mask, cv2.MORPH_CLOSE, kernel, iterations=1)
    
    return cleaned_mask

关键步骤说明 #

1. 严格二值化：通过OTSU阈值法生成标准0/255二值图，确保后续连通分量分析的准确性。
2. 去除背景噪点：保留面积超过阈值的前景连通域，过滤背景中的零星白点。
3. 填充前景空洞：将掩码取反后，前景内部的小黑点会变成小连通域，过滤这些小区域并填充为白色，解决前景黑点问题。
4. 形态学平滑：闭操作（先腐蚀后膨胀）进一步消除残留的细微噪点，同时保持前景区域的边缘完整性。

使用示例 #

# 若模型输出是0-1范围的sigmoid结果，先转换为0-255的uint8格式
mask = (model_output * 255).astype(np.uint8)
# 调用函数，阈值可根据实际噪点大小调整
cleaned_mask = clean_segmentation_mask(mask, min_area_threshold=10)

内容的提问来源于stack exchange，提问作者Rk Soni