基于Numpy/OpenCV实现黑白图像边缘白色像素保留的技术求助

处理黑白图像，仅保留与黑色像素相邻的白色像素，其余白色像素转为黑色。已掌握循环列表实现的方法，但希望改用Numpy实现，尝试的代码要么导致图像全黑，要么无任何变化，附上尝试代码及处理前后图像，寻求Numpy或OpenCV解决方案。

尝试代码 #

from PIL import Image
import numpy as np

a = Image.open('a.png')
a = a.convert('L')
a_np = np.array(a)

# 查看数组
print(a_np)
# 输出示例：
# array([[0, 0, 0, ..., 0, 0, 0],
#        [0, 0, 0, ..., 0, 0, 0],
#        ...,
#        [0, 0, 0, ..., 0, 0, 0]], dtype=uint8)

mask = np.pad(a_np[1:-1,1:-1],1,mode='wrap') != 0
print(mask)
# 输出示例：全False的数组

print(np.where(mask == True))
# 输出示例：(array([ 98,  98, ..., 981]), array([393, ..., 686]))

a_np[mask] = 0
print(a_np)
# 输出全0数组

print(np.where(a_np == 1))
# 输出空数组

处理前后图像 #

• 处理前图像：黑白图像，包含大面积白色区域及黑色轮廓/区域
• 处理后期望图像：仅保留与黑色像素相邻的白色边缘，其余白色区域转为黑色

方法一：Numpy实现 #

核心思路：标记原始白色像素，通过移位操作检查每个白色像素的8邻域是否存在黑色像素，仅保留满足条件的白色像素。

from PIL import Image
import numpy as np

# 读取图像并转为灰度数组（0=黑，255=白）
img = Image.open('a.png').convert('L')
img_np = np.array(img)

# 标记所有白色像素
white_pixels = img_np == 255

# 创建数组，标记每个像素的8邻域是否存在黑色像素
has_black_neighbor = np.zeros_like(img_np, dtype=bool)

# 移位检查8个方向的邻域
has_black_neighbor[1:] |= img_np[:-1] == 0          # 上
has_black_neighbor[:-1] |= img_np[1:] == 0          # 下
has_black_neighbor[:,1:] |= img_np[:,:-1] == 0      # 左
has_black_neighbor[:,:-1] |= img_np[:,1:] == 0      # 右
has_black_neighbor[1:,1:] |= img_np[:-1,:-1] == 0   # 左上
has_black_neighbor[1:,:-1] |= img_np[:-1,1:] == 0   # 右上
has_black_neighbor[:-1,1:] |= img_np[1:,:-1] == 0   # 左下
has_black_neighbor[:-1,:-1] |= img_np[1:,1:] == 0   # 右下

# 保留符合条件的白色像素，其余设为黑色
result_np = np.where(white_pixels & has_black_neighbor, 255, 0).astype(np.uint8)

# 保存结果
result_img = Image.fromarray(result_np)
result_img.save('result_numpy.png')

方法二：OpenCV实现 #

利用形态学腐蚀操作，快速提取白色区域的边缘（即与黑色相邻的白色像素）。

import cv2
import numpy as np

# 读取灰度图像
img = cv2.imread('a.png', cv2.IMREAD_GRAYSCALE)

# 二值化，确保图像只有黑（0）白（255）两色
_, binary_img = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

# 创建3x3结构元素，用于腐蚀操作
kernel = np.ones((3,3), np.uint8)

# 腐蚀白色区域，得到内部的白色部分
eroded = cv2.erode(binary_img, kernel, iterations=1)

# 原始白色区域减去腐蚀后的区域，得到边缘（与黑色相邻的白色像素）
result_cv = binary_img - eroded

# 保存结果
cv2.imwrite('result_opencv.png', result_cv)

内容的提问来源于stack exchange，提问作者user18615293