在OpenCV中，Matlab的Bwareaopen等效函数是什么？

Question

我正在尝试在OpenCV中寻找与Matlab的Bwareaopen函数类似或等效的功能。

在MatLab中，Bwareaopen（image，P）从二进制图像中删除所有连接组件（对象），这些对象少于P个像素。

在我的单通道图像中，我想简单地删除不属于更大区域的小区域。有没有什么简单的方法来解决这个问题？

- Miha

Answer 1

请看cvBlobsLib，它有能够实现你想要的功能的函数。事实上，那个链接首页的代码示例恰好可以实现你的需求。 基本上，你可以使用CBlobResult对二值图像进行连通区域标记，然后调用Filter按照你的条件排除斑块。

- tzaman

---

感谢tzaman的快速回答，你说得对，cvBlobsLib正是我需要的。但现在的问题是，我不确定能否将这些cvBlobsLib导入我的Xcode项目（iPhone）库中，即使是导入opencv库，我已经做了很多工作。你认为我可以只复制我需要的库中的代码部分吗？ - Miha

我自己并没有使用过cvBlobsLib（或Xcode！），但它以源代码的形式分发，所以您应该能够将所有.cpp和.h文件添加到您的项目中，#include相应的头文件，然后就可以从那里开始了。 - tzaman

另外，如果答案有帮助，请不要忘记接受/点赞！ :) - tzaman

不能只将.cpp和.h文件包含到项目中 :( 我想我需要适用于Mac的版本！ - Miha

Answer 2

虽然没有这样的功能，但您可以按照以下步骤进行操作： 1）查找轮廓 2）查找轮廓面积 3）过滤所有面积小于阈值的外部轮廓 4）创建新的黑色图像 5）在其上绘制剩余轮廓 6）使用原始图像进行遮罩处理

- yehuda

---

我不建议使用轮廓进行工作，因为OpenCV在定义轮廓方面并不是非常准确。连接组件（带有统计信息和一些掩膜）可以更好地完成相同的任务。 - Christoph Rackwitz

Answer 3

我曾经遇到同样的问题，并编写了一个使用connectedComponentsWithStats()函数的功能：

    def bwareaopen(img, min_size, connectivity=8):
        """Remove small objects from binary image (approximation of 
        bwareaopen in Matlab for 2D images).
    
        Args:
            img: a binary image (dtype=uint8) to remove small objects from
            min_size: minimum size (in pixels) for an object to remain in the image
            connectivity: Pixel connectivity; either 4 (connected via edges) or 8 (connected via edges and corners).
    
        Returns:
            the binary image with small objects removed
        """
    
        # Find all connected components (called here "labels")
        num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(
            img, connectivity=connectivity)
        
        # check size of all connected components (area in pixels)
        for i in range(num_labels):
            label_size = stats[i, cv2.CC_STAT_AREA]
            
            # remove connected components smaller than min_size
            if label_size < min_size:
                img[labels == i] = 0
                
        return img

关于connectedComponentsWithStats()的澄清，请参见：

如何使用OpenCV删除小的连接对象
https://www.programcreek.com/python/example/89340/cv2.connectedComponentsWithStats https://python.hotexamples.com/de/examples/cv2/-/connectedComponentsWithStats/python-connectedcomponentswithstats-function-examples.html

- Thodor

Answer 4

与您的问题最接近的OpenCV解决方案是形态学闭合或开放。

假设您的图像中有需要去除的白色区域。您可以使用形态学开放。开放是侵蚀+膨胀，按顺序执行。侵蚀是指缩小图像中的白色区域。膨胀是（相反的）其中图像中的白色区域被扩大。当您执行开放操作时，您的小白色区域会被侵蚀直到消失。较大的白色特征不会消失，但将从边界侵蚀。随后的膨胀步骤恢复它们的原始大小。然而，由于在侵蚀步骤中消失了小元素，因此它们在膨胀后的最终图像中不会出现。

例如，考虑这个image，我们想要删除小的白色区域，但保留3个大的白色椭圆形。运行以下代码可删除白色区域并显示干净的图像

import cv2
im = cv2.imread('sample.png')
clean = cv2.morphologyEx(im, cv2.MORPH_OPEN, np.ones((10, 10)))
cv2.imshwo("Clean image", clean)

干净的图像输出应该是 像这样。

上面的命令使用了大小为10的方形块作为内核。 您可以修改此以满足您的要求。 您甚至可以使用函数getStructuringElement()生成更高级的内核。

请注意，如果您的图像是反转的，即背景为白色噪声的黑色，您只需要使用形态学闭运算（cv2.MORPH_CLOSE方法）而不是开运算。 这将颠倒操作顺序-首先侵蚀图像，然后扩张。

- coderam

---

注意：开/闭形态学可以并且将改变斑点的形状，即使它没有被移除。最好使用连通组件进行处理。我不建议使用轮廓，因为OpenCV在定义轮廓方面并不是非常准确。 - Christoph Rackwitz