Scipy Binary Closing - Kantenpixel verlieren Wert

Question

Ich versuche, Löcher in einem Binärbild zu füllen. Das Bild ist ziemlich groß, also habe ich es zur Verarbeitung in Stücke aufgeteilt.

Wenn ich die scipy.ndimage.morphology.binary_fill_holes Funktionen verwende, füllt es größere Löcher, die in das Bild gehören. Also habe ich versucht mit scipy.ndimage.morphology.binary_closing, die die gewünschten Ergebnisse der Füllung kleiner Löcher im Bild ergab. Wenn ich jedoch die Chunks wieder zusammensetze, um das gesamte Bild zu erstellen, enden die Seamlines, weil die binary_closing-Funktion alle Werte aus den Rahmenpixeln jedes Chunks entfernt.

Gibt es eine Möglichkeit, diesen Effekt zu vermeiden?

Answer 1

Operationen, die Informationen von benachbarten Pixeln beinhalten, wie z. B. closing, haben immer Probleme an den Kanten. In Ihrem Fall ist dies sehr einfach: Bearbeiten Sie nur Teilbilder, die etwas größer sind als Ihre Kacheln, und behalten Sie die guten Teile beim Zusammennähen.

Answer 2

Ja.

1. Beschriften Sie Ihr Bild mit ndimage.label (zuerst das Bild invertieren, Löcher = schwarz).
2. Das Loch Objekt Scheiben mit ndimage.find_objects
3. Filter die Liste der Objektscheiben auf der Grundlage Ihrer Größenkriterien
4. Invert Ihr Bild zurück und führen binary_fill_holes auf den Scheiben, die Ihre Kriterien entsprechen.

Das sollte es tun, ohne das Bild zu hacken. Zum Beispiel:

Eingabebild:

Ausgabebild (mittlere Größe Löcher sind verschwunden):

Hier ist der Code (Ungleichheit gesetzt, um die Mitte zu entfernen Größe Blobs):

import scipy 
from scipy import ndimage 
import numpy as np 

im = scipy.misc.imread('cheese.png',flatten=1) 
invert_im = np.where(im == 0, 1, 0) 
label_im, num = ndimage.label(invert_im) 
holes = ndimage.find_objects(label_im) 
small_holes = [hole for hole in holes if 500 < im[hole].size < 1000] 
for hole in small_holes: 
    a,b,c,d = (max(hole[0].start-1,0), 
       min(hole[0].stop+1,im.shape[0]-1), 
       max(hole[1].start-1,0), 
       min(hole[1].stop+1,im.shape[1]-1)) 
    im[a:b,c:d] = scipy.ndimage.morphology.binary_fill_holes(im[a:b,c:d]).astype(int)*255 

Beachten Sie auch, dass ich die Scheiben vergrößern musste, so dass die Löcher den ganzen Weg umrandeten.