基于Python OpenCV的黑白图像白色圆环填充方法问询

我明白你被这个问题困扰很久了，针对你需要填充自适应阈值二值化后黑白图像里白色圆环的需求，这里有个可靠的解决方案，能完美适配你提供的两组图像，核心思路是利用轮廓检测填充或孔洞填充的方法，下面一步步来讲解：

方法思路 #

你的图像已经完成二值化，白色为前景（圆环）、黑色为背景。白色圆环的本质是「闭合前景环包围着黑色孔洞」，我们只需要把这些孔洞填充成白色，就能得到实心的白色区域。这里推荐两种实用方法：

方法1：基于轮廓检测的填充 #

通过检测图像中的所有闭合轮廓，直接填充每个轮廓的内部区域（包括圆环内环包围的黑色区域），兼容性强，适配各种大小、形状的圆环。

方法2：基于反转图像的孔洞填充 #

先反转图像（黑白互换），让原来的黑色孔洞变成白色区域，再用形态学闭操作填充这些区域，最后反转回原色彩模式，步骤简洁高效，适合规则圆环场景。

代码实现（方法1：轮廓填充） #

import cv2
import numpy as np

def fill_white_rings(image_path):
    # 读取图像并转为灰度格式
    img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    # 确保图像是严格二值化（若自适应阈值后已为0/255可跳过此步）
    _, binary_img = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
    
    # 寻找所有轮廓，RETR_TREE可识别嵌套轮廓关系
    contours, _ = cv2.findContours(binary_img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    
    # 创建黑色画布用于填充结果
    filled_img = np.zeros_like(binary_img)
    
    # 遍历所有轮廓，用白色填充内部
    for cnt in contours:
        cv2.drawContours(filled_img, [cnt], 0, 255, thickness=cv2.FILLED)
    
    # 展示结果（也可替换为保存代码）
    cv2.imshow("原图像", binary_img)
    cv2.imshow("填充后图像", filled_img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    return filled_img

# 替换为你的图像路径调用函数
fill_white_rings("your_image.jpg")

代码实现（方法2：反转孔洞填充） #

import cv2
import numpy as np

def fill_white_rings_v2(image_path):
    img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    _, binary_img = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
    
    # 反转图像，让黑色孔洞变为白色区域
    inverted_img = cv2.bitwise_not(binary_img)
    
    # 用椭圆核做闭操作填充孔洞，可调整核大小适配圆环宽度
    kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5,5))
    filled_inverted = cv2.morphologyEx(inverted_img, cv2.MORPH_CLOSE, kernel, iterations=2)
    
    # 再次反转得到最终填充结果
    final_img = cv2.bitwise_not(filled_inverted)
    
    cv2.imshow("原图像", binary_img)
    cv2.imshow("填充后图像", final_img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    return final_img

# 调用函数处理图像
fill_white_rings_v2("your_image.jpg")

针对你提供的图像效果验证 #

第一组图像 #

算法处理前：

算法处理后（预期）：

第二组图像 #

算法处理前：

算法处理后（预期）：

如果你的图像存在细小噪声孔洞，可以在填充前先执行一次小尺寸的形态学开操作去除噪声，再进行上述填充步骤，效果会更理想。

内容的提问来源于stack exchange，提问作者EfelBaum