删除图像中小于 n 大小（噪声）的像素 - open CV python

我正在尝试减少图像中的噪音，目前正在运行此代码

import numpy as np
import argparse
import cv2
from skimage import morphology

# Construct the argument parser and parse the arguments
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required = True,
    help = "Path to the image")
args = vars(ap.parse_args())

# Load the image, convert it to grayscale, and blur it slightly
image = cv2.imread(args["image"])

cv2.imshow("Image", image)
cv2.imwrite("image.jpg", image)

greenLower = np.array([50, 100, 0], dtype = "uint8")
greenUpper = np.array([120, 255, 120], dtype = "uint8")

green = cv2.inRange(image, greenLower, greenUpper)
#green = cv2.GaussianBlur(green, (3, 3), 0)

cv2.imshow("green", green)
cv2.imwrite("green.jpg", green)

cleaned = morphology.remove_small_objects(green, min_size=64, connectivity=2)

cv2.imshow("cleaned", cleaned)
cv2.imwrite("cleaned.jpg", cleaned)



cv2.waitKey(0)

然而，尽管使用了remove_small_objects函数，图像似乎并没有从“绿色”变为“干净”。这是为什么？我该如何清理图像？理想情况下，我只想分离出卷心菜的图像。

我的思考过程是在阈值处理后删除小于 100 大小的像素，然后用模糊平滑图像并填充白色包围的黑洞 - 这就是我在 matlab 中所做的。如果有人能指导我得到与我的 matlab 实现相同的结果，我将不胜感激。感谢您的帮助。

编辑：更改代码时犯了一些错误，更新为当前状态并显示 3 张图像

image:

green:

clean:

我的目标是从 matlab 实现中获得如下图所示的内容：

预处理

过滤图像时，一个好主意是对图像进行低通处理或稍微模糊它；这样，相邻像素的颜色会变得更加均匀，因此可以缓解图像上的较亮和较暗的斑点，并防止掩模上出现孔洞。

img = cv2.imread('image.jpg')
blur = cv2.GaussianBlur(img, (15, 15), 2)
lower_green = np.array([50, 100, 0])
upper_green = np.array([120, 255, 120])
mask = cv2.inRange(blur, lower_green, upper_green)
masked_img = cv2.bitwise_and(img, img, mask=mask)
cv2.imshow('', masked_img)
cv2.waitKey()

色彩空间

目前，您正在尝试通过一系列具有不同亮度的颜色来包含图像 - 您需要绿色像素，无论它们是深色还是浅色。这在 HSV 色彩空间中更容易实现。看看我的回答here https://stackoverflow.com/a/45071147/5087436深入研究 HSV 色彩空间。

img = cv2.imread('image.jpg')
blur = cv2.GaussianBlur(img, (15, 15), 2)
hsv = cv2.cvtColor(blur, cv2.COLOR_BGR2HSV)
lower_green = np.array([37, 0, 0])
upper_green = np.array([179, 255, 255])
mask = cv2.inRange(hsv, lower_green, upper_green)
masked_img = cv2.bitwise_and(img, img, mask=mask)
cv2.imshow('', masked_img)
cv2.waitKey()

去除二值图像/掩模中的噪声

The answer https://stackoverflow.com/a/45945827/5087436由...提供恩加尔斯蒂安 https://stackoverflow.com/users/5102963/ngalstyan展示了如何通过形态学很好地做到这一点。你想做的事情叫做opening，这是侵蚀（或多或少只是删除一定半径内的所有内容）和膨胀（无论删除多少内容，都会添加回任何剩余对象）的组合过程。在 OpenCV 中，这是通过以下方式完成的cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel) http://docs.opencv.org/3.0-beta/doc/py_tutorials/py_imgproc/py_morphological_ops/py_morphological_ops.html#opening。该页面上的教程展示了它如何很好地工作。

img = cv2.imread('image.jpg')
blur = cv2.GaussianBlur(img, (15, 15), 2)
hsv = cv2.cvtColor(blur, cv2.COLOR_BGR2HSV)
lower_green = np.array([37, 0, 0])
upper_green = np.array([179, 255, 255])
mask = cv2.inRange(hsv, lower_green, upper_green)
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (15, 15))
opened_mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)
masked_img = cv2.bitwise_and(img, img, mask=opened_mask)
cv2.imshow('', masked_img)
cv2.waitKey()

填补空白

在上面，打开被显示为从二元蒙版中去除小块白色的方法。Closing是相反的操作——从图像中删除被白色包围的黑色块。您可以使用与上面相同的想法来做到这一点，但是使用cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel) http://docs.opencv.org/3.0-beta/doc/py_tutorials/py_imgproc/py_morphological_ops/py_morphological_ops.html#closing。在您的情况下，在执行上述操作后甚至没有必要这样做，因为面罩没有任何孔。但如果确实如此，您可以通过 close 来关闭它们。你会注意到我的开始步骤实际上移除了底部植物的一小部分。你实际上可以通过关闭来填补这些空白first，然后打开以删除其他地方的杂散位，但这对于此图像来说可能不是必需的。

尝试新的阈值

您可能希望更舒适地使用不同的色彩空间和阈值级别，以了解什么最适合特定图像。它还不完整，界面有点不稳定，但我有一个工具，您可以在线使用它来尝试不同色彩空间中的不同阈值；一探究竟here https://alkasm.github.io/cspaceFilter/如果你愿意的话。这就是我快速找到你的形象的价值的方法。