如何基于二值图像中的边界提取所有区域（含接触边界区域）的填充结果

嘿，我完全懂你的困扰——scipy.ndimage.binary_fill_holes确实有个头疼的局限：它只会填充完全被前景包围、不接触图像边缘的洞，这在你的场景里根本不顶用。不过别慌，这里有两个实用的方法，能帮你搞定所有被边界包围的区域，哪怕是挨着图像边界的也没问题，而且完全支持你反转填充/非填充区域的取值：

方法一：扩展图像边界后再填充 #

核心思路是先给原始图像加一圈“虚拟背景”，让原本接触边界的区域变成“内部洞”，这样binary_fill_holes就能识别并填充了，最后再把扩展的边界裁掉就行。

代码示例 #

import numpy as np
from scipy.ndimage import binary_fill_holes

# 假设你的原始二值图像是img（1代表边界/前景，0代表背景，布尔或整数类型都可以）
# 第一步：给图像上下左右各加一圈0（背景），把接触边界的区域变成内部区域
padded_img = np.pad(img, pad_width=1, mode='constant', constant_values=0)

# 第二步：用binary_fill_holes填充所有洞（包括原来接触边界的）
filled_padded = binary_fill_holes(padded_img)

# 第三步：裁剪掉刚才加的一圈边界，得到最终结果
filled_img = filled_padded[1:-1, 1:-1]

# 如果需要反转填充/非填充区域的取值，直接取反即可
filled_img_inverted = ~filled_img.astype(bool)

方法二：用OpenCV的FloodFill工具 #

OpenCV的floodFill可以从指定起点填充连通区域，非常适合处理接触边界的场景。我们可以先填充图像的背景区域，再反向提取出被边界包围的填充区域。

代码示例 #

import cv2
import numpy as np

# 假设你的原始二值图像是img（uint8类型，0为背景，255为边界）
h, w = img.shape
# 创建掩码，注意floodFill要求掩码比原图大2个像素
mask = np.zeros((h + 2, w + 2), np.uint8)

# 从图像的四个角落开始，把所有连通的背景区域填充为临时值（比如127）
cv2.floodFill(img, mask, (0, 0), 127)
cv2.floodFill(img, mask, (w - 1, 0), 127)
cv2.floodFill(img, mask, (0, h - 1), 127)
cv2.floodFill(img, mask, (w - 1, h - 1), 127)

# 现在：原始边界是255，被包围的区域是0，背景是127
# 我们可以把被包围的区域设为255（填充），背景设为0，得到最终结果
filled_img = np.where(img == 0, 255, 0).astype(np.uint8)

# 要是需要反转取值，调整判断条件就行，比如：
# filled_img_inverted = np.where(img == 127, 255, 0).astype(np.uint8)

这两种方法都能完美覆盖你的需求：不管区域是否接触图像边界，都能准确填充，而且你完全可以根据需要反转填充和非填充区域的取值，只要边界能区分两类区域就好。

内容的提问来源于stack exchange，提问作者Tendero