如何将二值掩码中噪声区域边界框内的像素修改为黑色

原代码核心错误 #

• 缺少连通域标记步骤：regionprops需要传入经过连通域标记的数组，直接传入原二值掩码无法正确识别独立区域
• np.where参数逻辑错误：正确语法为np.where(判断条件, 满足条件返回值, 不满足条件返回值)，你的写法逻辑完全倒置
• bbox索引顺序错误：regionprops返回的bbox顺序为(最小行号, 最小列号, 最大行号, 最大列号)，你的行、列索引搞反，切片范围完全错误
• 嵌套循环逻辑冗余：既不需要循环遍历区域内像素，也不需要逐次调用plt.imshow输出中间结果，不仅拖慢运行速度，还会导致数组修改逻辑混乱

正确实现方案 #

方案1：基于skimage实现

import numpy as np
import math
from skimage.measure import label, regionprops
import matplotlib.pyplot as plt

# array为输入的二值掩码，0为黑色背景，非0为白色前景
ht, wt = array.shape
total_area = ht * wt
# 1. 对二值掩码做连通域标记，背景为0
labeled_mask = label(array)
# 2. 遍历所有连通域，小面积区域判定为噪声置黑
for region in regionprops(labeled_mask):
    # 可根据你的噪声大小调整面积阈值，此处为面积占比小于0.001判定为噪声
    if region.area / total_area < 0.001:
        # 直接将当前连通域所有像素置为0（纯黑）
        array[region.coords[:, 0], region.coords[:, 1]] = 0

# 查看处理后结果
plt.imshow(array, cmap='gray')
plt.show()

方案2：基于OpenCV实现（效率更高）

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

ht, wt = array.shape
total_area = ht * wt
# 转换为uint8格式适配OpenCV接口
uint8_mask = array.astype(np.uint8)
# 连通域分析，8邻域判定
num_labels, labels, stats, _ = cv2.connectedComponentsWithStats(uint8_mask, connectivity=8)
# 跳过背景标签0，遍历所有前景连通域
for label_id in range(1, num_labels):
    area = stats[label_id, cv2.CC_STAT_AREA]
    if area / total_area < 0.001:
        array[labels == label_id] = 0

# 查看处理后结果
plt.imshow(array, cmap='gray')
plt.show()

内容的提问来源于stack exchange，提问作者user16449738