如何修复U2NET生成的掩码内部不白、外部存在多余伪影的问题

你当前使用的先膨胀后腐蚀的操作属于形态学闭运算，之所以效果不好，核心原因是缺少前置二值化步骤，且仅用单一形态学操作无法同时解决内部空洞和外部伪影两个问题。可按以下步骤调整：

• 第一步：先对U2NET输出的灰度概率掩码做二值化处理，将灰度高于阈值的区域统一设为白色（255），低于阈值的统一设为黑色（0），避免内部灰度不均的问题。
• 第二步：先执行开运算（先腐蚀后膨胀）去除外部零散伪影，再执行闭运算（先膨胀后腐蚀）填充内部空洞，两类操作配合使用同时解决两个问题。
• 第三步（可选）：新增小连通域过滤逻辑，直接删除面积远小于主体的零散连通块，彻底清除残留伪影。

可直接运行的代码示例 #

OpenCV版本（效果更可控，推荐） #

import cv2
import numpy as np

# 读取U2NET输出的灰度掩码
mask = cv2.imread("u2net_mask_output.png", 0)

# 二值化，阈值可根据实际效果调整，常用范围100~150
_, binary_mask = cv2.threshold(mask, 127, 255, cv2.THRESH_BINARY)

# 生成椭圆形态学核，尺寸根据伪影、空洞大小调整，常用范围3~11
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (7,7))

# 开运算去外部伪影
open_mask = cv2.morphologyEx(binary_mask, cv2.MORPH_OPEN, kernel)

# 闭运算填内部空洞
close_mask = cv2.morphologyEx(open_mask, cv2.MORPH_CLOSE, kernel)

# 仅保留最大连通域，彻底清除残留伪影
num_labels, labels, stats, _ = cv2.connectedComponentsWithStats(close_mask, connectivity=8)
final_mask = np.zeros_like(close_mask)
if num_labels > 1:
    max_area_idx = np.argmax(stats[1:, cv2.CC_STAT_AREA]) + 1
    final_mask[labels == max_area_idx] = 255

# 保存结果
cv2.imwrite("final_mask.png", final_mask)

PIL版本（适配你当前的依赖） #

from PIL import Image, ImageFilter

# 先做二值化处理，阈值可按需调整
threshold = 127
binary_img = image.point(lambda p: 255 if p > threshold else 0)

# 先腐蚀去伪影，再膨胀恢复主体尺寸
erode_outer = binary_img.filter(ImageFilter.MinFilter(5))
recover_main = erode_outer.filter(ImageFilter.MaxFilter(5))

# 再做闭运算填充内部空洞
dilate_inner = recover_main.filter(ImageFilter.MaxFilter(9))
final_mask = dilate_inner.filter(ImageFilter.MinFilter(9))

参数调整说明 #

• 二值化阈值：如果内部还是有暗区，可适当降低阈值；如果外部伪影偏多，可适当提高阈值。
• 形态学核尺寸：伪影、空洞越大，核的尺寸对应调大，反之调小，避免过度处理导致主体边缘变形。

内容的提问来源于stack exchange，提问作者azal