Python使用OpenCV提取带alpha通道叶片图像最大连通分量去噪

我有若干带alpha通道的叶片照片，背景区域alpha通道值为0，照片中叶片像素的alpha通道值为255。我需要对图像做连通分量分割，提取最大连通分量，以此擦除红色标记这类噪点。

第一版代码错误排查 #

你最初使用的无法运行的代码如下：

def remove_pixels(image_path, img_file_output_path):
    img = cv2.imread(image_path, cv2.IMREAD_UNCHANGED)
    alpha = img[:, :, 3]
    alpha = cv2.threshold(alpha, 0, 255, cv2.THRESH_BINARY)[1]
    num_labels, labels_im = cv2.connectedComponents(alpha,connectivity=4)
    new_img = np.zeros(img.shape)
    largest_label = 1 + np.argmax(labels_im[1:, cv2.CC_STAT_AREA])  
    h, w = labels_im.shape
    for i in range(h*w):
        x = i // w
        y = i % w
        if labels_im[x,y] == largest_label:
            new_img[x,y] = img[x,y]
    cv2.imwrite(img_file_output_path, new_img)

核心错误点： #

1. 你调用的cv2.connectedComponents仅返回标签数量和标签矩阵，不包含区域统计信息，要获取面积等统计数据需要换成cv2.connectedComponentsWithStats接口，你直接从标签矩阵取cv2.CC_STAT_AREA必然会报错。
2. 逐像素遍历的实现效率极低，numpy支持广播操作可以直接批量赋值，不需要循环处理每个像素。
3. 生成的new_img默认是float64类型，直接写入文件会出现数值范围匹配错误，需要转成uint8格式。

连通分量方案修正代码 #

def remove_pixels(image_path, img_file_output_path):
    import cv2
    import numpy as np
    img = cv2.imread(image_path, cv2.IMREAD_UNCHANGED)
    alpha = img[:, :, 3]
    alpha = cv2.threshold(alpha, 0, 255, cv2.THRESH_BINARY)[1]
    # 改用带统计输出的连通分量接口
    num_labels, labels_im, stats, centroids = cv2.connectedComponentsWithStats(alpha, connectivity=4)
    # 取最大连通分量的标签（排除背景标签0）
    largest_label = 1 + np.argmax(stats[1:, cv2.CC_STAT_AREA])
    # 生成掩膜，直接批量赋值
    mask = (labels_im == largest_label)
    new_img = np.zeros_like(img, dtype=np.uint8)
    new_img[mask] = img[mask]
    cv2.imwrite(img_file_output_path, new_img)

新版轮廓方案说明 #

你更新后的基于轮廓的代码本身可以正常运行，只有一个冗余点：如果原图读取时已经是4通道BGRA格式，cv2.cvtColor(img, cv2.COLOR_BGR2BGRA)这一行不需要执行，不会报错但属于多余操作。
优化后的轮廓方案代码：

def remove_pixels(image_path, img_file_output_path):
    img = cv2.imread(image_path, cv2.IMREAD_UNCHANGED)
    alpha = img[:, :, 3]
    contours = cv2.findContours(alpha, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    contours = contours[0] if len(contours) == 2 else contours[1]
    big_contour = max(contours, key=cv2.contourArea)

    # 在黑色背景上绘制白色填充轮廓作为新alpha通道
    new_alpha = np.zeros_like(alpha)
    new_alpha = cv2.drawContours(new_alpha, [big_contour], 0, 255, -1)

    # 直接替换原图像的alpha通道即可
    new_img = img.copy()
    new_img[:, :, 3] = new_alpha

    cv2.imwrite(img_file_output_path, new_img)

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