使用Python OpenCV时如何仅保留图像中的豆子并移除其余所有组件
基于非边缘检测的豆子区域分割实操方案
此前依赖边缘检测、轮廓提取的方案效果不佳,核心原因是这类方案依赖梯度变化的边界做判断,但场景内背景纹理、豆子表面凹凸起伏都会产生大量零散梯度响应,易出现轮廓断裂、误将背景纹理圈入分割范围的问题。对于这类目标与背景过渡柔和、碎点杂色多的实物分割场景,换基于色彩空间的分割思路的准确率远高于纯边缘检测路径,可通过以下步骤实现准确分割:
- 第一步转换色彩空间:将输入RGB图像转换至LAB色彩空间,提取对应通道做自动阈值分割。豆子的棕褐色调与浅素背景的色差在该空间的区分度远高于原生RGB图,搭配Otsu自动阈值计算,可初步生成豆子区域的二值掩膜,抗细碎背景纹理干扰的能力远强于直接做Canny边缘检测。
- 第二步修复掩膜空洞:对初步生成的二值掩膜做形态学闭运算,调用
cv2.morphologyEx方法,采用3*3大小的矩形结构元,设置2次迭代运算,把豆子表面种脐、纹理凹点造成的掩膜细碎空洞、断裂块连成完整的连通区域,无需依赖轮廓的连续性判断。 - 第三步剔除无效碎块:计算掩膜内所有连通域的像素面积,将面积占整体图像比例小于5%的连通域全部从掩膜中剔除,避免将背景残留的细碎杂点当成待保留目标。
- 第四步生成最终结果:用校准完成的掩膜与原图像逐像素做乘法运算,非豆子区域直接置为纯白色,即可实现仅保留豆子、移除其余所有背景组件的效果。
内容的提问来源于stack exchange,提问作者Abiola Oyeniyi
相关产品推荐
相关产品推荐

