Python去除图像中小杂色环、杂点并保留密集形状的解决方案咨询

你可以通过以下基于OpenCV的流程实现需求，无需逐像素遍历即可清除多色环与杂点，同时完整保留密集形状主体：

• 颜色空间过滤：将图像从BGR转换为HSV颜色空间，多色环和彩色杂点的饱和度远高于黑色主体与白色背景，设置饱和度阈值（推荐30~50），所有高于阈值的像素直接替换为白色背景，可直接清除绝大多数彩色冗余内容。
• 二值化处理：将上一步处理后的图像转为灰度图，使用大津法自动完成二值化，分离主体和剩余少量低饱和杂点。
• 连通域去噪：对二值图做8邻域连通域分析，过滤掉面积小于设定阈值（推荐3~10像素）的小连通域，即可清除剩余零星杂点。

核心实现代码如下：

import cv2
import numpy as np

# 读取本地图像
img = cv2.imread("test_img.png")
# 转HSV空间过滤高饱和度彩色噪点
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
s_channel = hsv[:, :, 1]
img[s_channel > 40] = [255, 255, 255]
# 灰度化+自动二值化
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
# 连通域过滤小面积噪点
_, labels, stats, _ = cv2.connectedComponentsWithStats(binary, connectivity=8)
for i in range(1, len(stats)):
    if stats[i, cv2.CC_STAT_AREA] < 5:
        binary[labels == i] = 0
# 得到最终结果
final_result = 255 - binary

你可以根据自己的实际图像效果微调饱和度阈值和最小连通域面积两个参数，即可适配不同场景的同类需求。

内容的提问来源于stack exchange，提问作者ProBuro