掩码边缘不连续且内部有孔洞，如何修复？

方法一：形态学闭运算补缺口 + 孔洞填充 #

先通过形态学闭运算填补边缘的小缺口，让掩码边缘连续，再进行孔洞填充。闭运算通过先膨胀（扩大前景区域）再腐蚀（恢复原有大小），能有效闭合小空隙。

步骤：

• 二值化掩码
• 创建适配缺口尺寸的结构元素（核）
• 执行闭运算闭合边缘缺口
• 提取所有轮廓并填充内部孔洞

代码示例：

import cv2
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt

# 读取掩码
mask = np.array(Image.open('example1.png'))
_, mask_binary = cv2.threshold(mask, 0, 255, cv2.THRESH_BINARY)

# 1. 形态学闭运算，填补边缘缺口
# 5x5矩形核可根据缺口大小调整，缺口大则用7x7等更大尺寸
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
mask_closed = cv2.morphologyEx(mask_binary, cv2.MORPH_CLOSE, kernel)

# 2. 填充所有内部孔洞
contours, hierarchy = cv2.findContours(mask_closed, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)
for i in range(len(contours)):
    # 内部孔洞的层级标记为非-1，填充这些区域
    if hierarchy[0][i][3] != -1:
        cv2.drawContours(mask_closed, [contours[i]], 0, 255, -1)

plt.imshow(mask_closed, cmap='gray')
plt.show()

方法二：直接处理层级轮廓（无需形态学预处理） #

调整轮廓检索模式，直接识别内外层级轮廓，填充外层轮廓后再覆盖内部孔洞区域，适配边缘不连续的场景。

代码示例：

import cv2
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt

mask = np.array(Image.open('example1.png'))
_, mask_binary = cv2.threshold(mask, 0, 255, cv2.THRESH_BINARY)

# 检索所有层级的轮廓
contours, hierarchy = cv2.findContours(mask_binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

filled_mask = np.zeros_like(mask_binary)
for i, contour in enumerate(contours):
    # 处理外层父轮廓
    if hierarchy[0][i][3] == -1:
        cv2.drawContours(filled_mask, [contour], 0, 255, -1)
        # 遍历该外层下的所有子孔洞轮廓并填充
        child_idx = hierarchy[0][i][2]
        while child_idx != -1:
            cv2.drawContours(filled_mask, [contours[child_idx]], 0, 255, -1)
            child_idx = hierarchy[0][child_idx][0]

plt.imshow(filled_mask, cmap='gray')
plt.show()

方法三：距离变换优化边缘缺口 #

针对极细小的边缘缺口，用距离变换增强前景区域，再二值化后填充孔洞，能更精准地修复边缘连续性。

代码示例：

import cv2
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt

mask = np.array(Image.open('example1.png'))
_, mask_binary = cv2.threshold(mask, 0, 255, cv2.THRESH_BINARY)

# 距离变换计算前景到背景的距离，增强前景区域
dist_transform = cv2.distanceTransform(mask_binary, cv2.DIST_L2, 5)
_, dist_thresh = cv2.threshold(dist_transform, 0.3 * dist_transform.max(), 255, 0)
dist_thresh = np.uint8(dist_thresh)

# 填充孔洞
contours, hierarchy = cv2.findContours(dist_thresh, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)
for i in range(len(contours)):
    if hierarchy[0][i][3] != -1:
        cv2.drawContours(dist_thresh, [contours[i]], 0, 255, -1)

plt.imshow(dist_thresh, cmap='gray')
plt.show()

注意事项 #

• 结构元素尺寸需匹配缺口大小：缺口小用3x3核，缺口大则放大核尺寸。
• 若掩码含较多噪声，可先执行形态学开运算（腐蚀+膨胀）去除噪声，再做后续处理。

内容的提问来源于stack exchange，提问作者ArieAI