python - 在需要不超过 n 个像素的情况下连接断开的组件

Question

我想知道是否有这个库实现。

在 OpenCV 中，我们有寻找具有 4 路或 8 路连接的连接组件的概念。我希望能够做到这一点，然后在断开连接的组件之间架起桥梁，只要只需要翻转 1 个像素即可。有关示例，请参见下面的图像

两个 4 路连接的组件，我们可以弥合差距，使它们成为一个 4 路连接的组件。所以我可以使用这样的connect4way(max_bridge_size=1)功能

两个 4 路连接的组件，我们可以弥合差距，使它们成为一个 8 路连接的组件。使用connect4way(max_bridge_size=1)会失败，但我可以使用connect8way(max_bridge_size=1)来实现这一点。

我确实意识到，在某些情况下，通常没有确定性的方式来执行我的要求，尤其是对于max_bridge_size > 1. 尽管如此，我还是问。

标签： pythonopencvscipyscikit-image

Answer 1

我一直在考虑这个问题，并认为我很接近，但我不确定你想要什么，也没有你的代表性形象。你，或其他人，也许能够完成它。

基本思想是用唯一的数字标记每个白色斑点的所有像素。然后通过查看 3x3 正方形的图像并报告其中有多个唯一邻居的任何像素 - 即在 2 个不同标记的 blob 旁边的任何像素。

#!/usr/bin/env python3

import cv2
import numpy as np
from scipy.ndimage import label, generate_binary_structure, generic_filter

def bridger(P):
    """
    We receive P[0]..P[8] with the pixels in the 3x3 surrounding window.
    We want to identify pixels with two different neighbouring labels plus background.
    Maybe we want to check the centre pixel P[4] is black?
    """
    neighbours = len(np.unique(P)) - 1
    if neighbours > 1:
        return 255
    return 0
    
   
# Load input image
im = cv2.imread('start.png', cv2.IMREAD_GRAYSCALE)

# Threshold to force everything to pure black or white 
_, bw = cv2.threshold(im,0,255,cv2.THRESH_BINARY)
cv2.imwrite('DEBUG-bw.png', bw)

# The default SE (structuring element) is for 4-connectedness, i.e. only pixels North, South, East and West of another are considered connected.
# We want 8-connected, i.e. N, NE, E, SE, S, SW, W, NW, so we need a corresponding SE
SE = generate_binary_structure(2,2)   

# Now run a labelling, or "Connected Components Analysis"
# Each "blob" of connected pixels matching our seed will get assigned a unique number in the new image called "labeled"
labeled, nObjects = label(bw, structure=SE)
cv2.imwrite('DEBUG-labels.png', labeled)
print(f'Objects found: {nObjects}')

# Look for bridging pixels in each 3x3 neighbourhood
result = generic_filter(labeled, bridger, (3,3))

# Save result
cv2.imwrite('result.png', result)

开始图片：

标记图像：

结果图像 - 位于青色的像素：