如何用OpenCV Python精准识别并完整填充图像孔洞

我需要识别图像中的黑色孔洞并基于邻域像素颜色填充。目前通过HSV阈值分割检测黑色区域轮廓，但现有代码只能填充轮廓的外接矩形区域，无法完整填充孔洞，期望实现完整填充轮廓内部的效果。

现有代码：

img=cv2.imread(r'image.png')
img_copy = img.copy()
black_MIN = np.array([0, 0, 0],np.uint8)
black_MAX = np.array([179, 50, 100],np.uint8)

hsv_img = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

frame_threshed = cv2.inRange(hsv_img, black_MIN, black_MAX)
contours,hierarchy = cv2.findContours(frame_threshed, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
for c in contours:
    area = cv2.contourArea(c)  # Area of first contour

    perimeter = cv2.arcLength(c, True)  
    approx = cv2.approxPolyDP(c, 0.04 * perimeter, True)
    (x,y,w,h) = cv2.boundingRect(c)
    roi=img[y:y+h,x:x+w]
    cv2.rectangle(img_copy,(x,y),(x+w,y+h),(0,252,213),-1)
plt.imshow(img_copy[:,:,::-1])

解决方案 #

问题核心是你用cv2.rectangle填充了轮廓的外接矩形，而非轮廓实际区域。只需替换为轮廓内部填充，同时可加入噪声过滤优化效果：

修改后的固定颜色填充代码

import cv2
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread(r'image.png')
img_copy = img.copy()
black_MIN = np.array([0, 0, 0], np.uint8)
black_MAX = np.array([179, 50, 100], np.uint8)

hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
frame_threshed = cv2.inRange(hsv_img, black_MIN, black_MAX)

contours, hierarchy = cv2.findContours(frame_threshed, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

for idx, c in enumerate(contours):
    area = cv2.contourArea(c)
    # 过滤过小的噪声轮廓，阈值根据实际图像调整
    if area < 50:
        continue
    
    # 直接填充轮廓内部，-1表示填充模式
    cv2.drawContours(img_copy, [c], 0, (0,252,213), -1)

plt.imshow(img_copy[:,:,::-1])
plt.show()

关键修改点

• 用cv2.drawContours替代cv2.rectangle，通过参数-1实现轮廓内部填充
• 增加面积过滤，避免填充细碎噪声点
• 可选：若需区分外轮廓和内部孔洞，可通过层级判断：if hierarchy[0][idx][3] != -1（表示当前轮廓是父轮廓的子轮廓，即孔洞），只填充这类轮廓

基于邻域像素的智能填充（更贴合需求）

如果需要用孔洞周围的像素颜色自动填充，可使用cv2.inpaint函数：

import cv2
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread(r'image.png')
black_MIN = np.array([0, 0, 0], np.uint8)
black_MAX = np.array([179, 50, 100], np.uint8)

hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
mask = cv2.inRange(hsv_img, black_MIN, black_MAX)

# 膨胀掩码，确保覆盖孔洞边缘细节
mask = cv2.dilate(mask, np.ones((3,3), np.uint8), iterations=1)
# 基于邻域像素修复孔洞，INPAINT_TELEA算法效果更自然
inpainted_img = cv2.inpaint(img, mask, 3, cv2.INPAINT_TELEA)

plt.imshow(inpainted_img[:,:,::-1])
plt.show()

内容的提问来源于stack exchange，提问作者xionxavier