如何通过连通分量分析去除图像噪声并设置对应像素值
后续去噪实现步骤
cv2.connectedComponentsWithStats返回的stats数组中,索引为cv2.CC_STAT_AREA的列存储了每个连通分量的像素总数,你可以按照以下步骤过滤小面积噪声:
- 第一步:初始化和输入二值图尺寸一致的空白输出图,初始值全为0(对应背景)
import numpy as np # 初始化去噪后的二值图 filtered_img = np.zeros_like(invr_binary, dtype=np.uint8)
- 第二步:遍历所有连通分量标签,注意标签0默认对应背景,不需要处理,从1开始遍历
# 遍历从1开始,跳过背景标签 for label in range(1, numLabels): # 获取当前连通分量的面积 area = stats[label, cv2.CC_STAT_AREA] # 面积大于等于25的分量保留 if area >= 25: # 将当前标签对应的像素位置设置为前景值(255对应二值图白色,可根据你的前后景定义调整) filtered_img[labels == label] = 255
- 第三步:得到的
filtered_img就是移除了像素总数小于25的噪声连通分量的结果
如果需要更高效的实现(避免循环,适合超大分辨率图像),可以用numpy向量化操作替代循环:
# 提取所有分量的面积 areas = stats[:, cv2.CC_STAT_AREA] # 生成符合面积要求的标签掩码,背景标签0也保留 valid_labels = areas >= 25 # 对标签数组做掩码过滤 filtered_labels = valid_labels[labels] # 转换为二值图输出 filtered_img = (filtered_labels * 255).astype(np.uint8)
注意:如果你的二值图前景是0、背景是255,只需要把最后赋值的255改成0,或者对最终结果做反色处理即可。
内容的提问来源于stack exchange,提问作者Amit Saini
相关产品推荐
相关产品推荐

