如何移除图像中小块白色像素？AForge/OpenCV技术实现咨询

你说的这种把像素数少于指定阈值（比如10）的白色像素块改成黑色的需求，完全可以实现！这个操作在图像处理领域的专业术语叫做连通区域分析（Connected Component Analysis, CCA），也常被称为小斑点去除（Small Blob Removal）——核心逻辑就是先找出图像里所有连通的白色像素区域，再把面积不够大的那些区域“抹掉”。

C# + AForge.NET 实现方案 #

AForge.NET提供了现成的连通区域分析工具，步骤清晰易上手：

using AForge;
using AForge.Imaging;
using AForge.Imaging.Filters;
using System.Drawing;

public static Bitmap RemoveSmallWhiteBlobs(Bitmap sourceImage, int areaThreshold)
{
    // 1. 转为灰度图（如果原图像不是灰度格式）
    Grayscale grayFilter = new Grayscale(0.2125, 0.7154, 0.0721);
    Bitmap grayImage = grayFilter.Apply(sourceImage);

    // 2. 二值化：区分白色前景和黑色背景（阈值可根据实际图像调整）
    Threshold thresholdFilter = new Threshold(240);
    Bitmap binaryImage = thresholdFilter.Apply(grayImage);

    // 3. 分析所有连通的白色区域
    BlobCounter blobCounter = new BlobCounter();
    blobCounter.ProcessImage(binaryImage);
    Blob[] blobs = blobCounter.GetObjectsInformation();

    // 4. 创建黑色掩码，只保留符合面积要求的区域
    Bitmap maskImage = new Bitmap(binaryImage.Width, binaryImage.Height);
    using (Graphics g = Graphics.FromImage(maskImage))
    {
        g.Clear(Color.Black);
        foreach (Blob blob in blobs)
        {
            if (blob.Area >= areaThreshold)
            {
                using (Brush brush = new SolidBrush(Color.White))
                {
                    g.FillRectangle(brush, blob.Rectangle);
                }
            }
        }
    }

    // 5. 将掩码与原图像合并，得到最终结果
    Bitmap resultImage = new Bitmap(sourceImage.Width, sourceImage.Height);
    using (Graphics resultG = Graphics.FromImage(resultImage))
    {
        resultG.DrawImage(sourceImage, 0, 0);
        resultG.DrawImage(maskImage, 0, 0);
    }

    // 释放临时资源
    grayImage.Dispose();
    binaryImage.Dispose();
    maskImage.Dispose();

    return resultImage;
}

调用示例 #

Bitmap original = new Bitmap("your_input_image.png");
Bitmap processed = RemoveSmallWhiteBlobs(original, 10); // 移除面积小于10的白色块
processed.Save("output_image.png");
original.Dispose();
processed.Dispose();

C++ + OpenCV 实现方案 #

OpenCV通过轮廓检测可以轻松实现这个功能，代码如下：

#include <opencv2/opencv.hpp>
#include <vector>

using namespace cv;
using namespace std;

Mat RemoveSmallWhiteBlobs(Mat& sourceImage, int areaThreshold)
{
    // 1. 转为灰度图（适配彩色输入）
    Mat grayImage;
    if (sourceImage.channels() == 3)
    {
        cvtColor(sourceImage, grayImage, COLOR_BGR2GRAY);
    }
    else
    {
        grayImage = sourceImage.clone();
    }

    // 2. 二值化：白色为前景（255），黑色为背景（0）
    Mat binaryImage;
    threshold(grayImage, binaryImage, 240, 255, THRESH_BINARY);

    // 3. 查找所有连通轮廓
    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;
    findContours(binaryImage, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);

    // 4. 创建黑色掩码，保留符合面积要求的轮廓
    Mat mask = Mat::zeros(sourceImage.size(), CV_8UC1);
    for (size_t i = 0; i < contours.size(); i++)
    {
        double area = contourArea(contours[i]);
        if (area >= areaThreshold)
        {
            drawContours(mask, contours, i, Scalar(255), FILLED);
        }
    }

    // 5. 将掩码应用到原图像
    Mat resultImage;
    sourceImage.copyTo(resultImage, mask);

    return resultImage;
}

// 调用示例
int main()
{
    Mat original = imread("your_input_image.png");
    if (original.empty())
    {
        cout << "无法加载图像！" << endl;
        return -1;
    }

    Mat processed = RemoveSmallWhiteBlobs(original, 10);
    imwrite("output_image.png", processed);

    return 0;
}

注意事项 #

• 如果你的输入已经是黑底白线的二值图，可以跳过灰度转换和二值化步骤；
• 二值化的阈值（示例中为240）需要根据你的图像实际情况调整，确保白色线条能被正确识别为前景。

内容的提问来源于stack exchange，提问作者newbie