去除分叉轮廓

去除分叉轮廓

思路来源于https://blog.csdn.net/weixin_39639550/article/details/111624935,但是使用不同的方法进行实现,实际测试发现仅对特定轮廓有效,不具有通用性,仅供参考。

示例代码

python 复制代码
import numpy as np
import cv2
from copy import deepcopy

def get_contour_remove_fork(mask_path):
    mask = cv2.imread(mask_path, 0)
    # 找到轮廓
    contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    mask_convex = deepcopy(mask)
    # 遍历所有轮廓
    for contour in contours:
        # 计算轮廓的凸包
        hull = cv2.convexHull(contour)

        # 可以选择绘制凸包
        mask_convex = cv2.drawContours(
            mask_convex, [hull], -1, 
            255, -1
        )
    
    mask_convex_remove_raw_contour = deepcopy(mask_convex)
    mask_convex_remove_raw_contour[mask == 255] = 0
    # 腐蚀
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
    mask_convex_remove_raw_contour = cv2.erode(
        mask_convex_remove_raw_contour, 
        kernel, iterations=1
    )
    # # 获取最大的轮廓
    contours, _ = cv2.findContours(
        mask_convex_remove_raw_contour, 
        cv2.RETR_EXTERNAL, 
        cv2.CHAIN_APPROX_SIMPLE
    )
    # print(len(contours))
    
    max_contour = max(contours, key=cv2.contourArea)
    # 获取最大轮廓

    # 绘制最大的轮廓
    mask_convex_remove_raw_contour_max_contour = cv2.drawContours(
        np.zeros_like(mask_convex_remove_raw_contour), 
        [max_contour], 
        -1, 
        255, 
        -1
    )

    # 膨胀
    kernel_size = 20
    kernel = cv2.getStructuringElement(
        cv2.MORPH_RECT, (kernel_size, kernel_size)
    )
    mask_convex_remove_raw_contour_dilate = cv2.dilate(
        mask_convex_remove_raw_contour_max_contour, 
        kernel, iterations=1
    )

    # 与原图取交集
    mask_dst = cv2.bitwise_and(mask, mask_convex_remove_raw_contour_dilate)
    return mask_dst
if __name__ == '__main__':
    mask_path = "./test.png"
    mask_remove_fork = get_contour_remove_fork(mask_path)
    mask_remove_fork_path = ".test_remove_fork.png"
    cv2.imwrite(mask_remove_fork_path, mask_remove_fork)

相关图示例

原图

凸包后对原图非零像素对应位置取0

最终效果图

相关推荐
硬件学长森哥2 小时前
Android影像基础--cameraAPI2核心流程
android·计算机视觉
深圳市快瞳科技有限公司3 小时前
小场景大市场:猫狗识别算法在宠物智能设备中的应用
算法·计算机视觉·宠物
AndrewHZ6 小时前
【图像处理基石】图像在频域处理和增强时,如何避免频谱混叠?
图像处理·计算机视觉·傅里叶分析·图像增强·频域处理·摩尔纹·频谱混叠
小王爱学人工智能9 小时前
OpenCV的阈值处理
人工智能·opencv·计算机视觉
湫兮之风9 小时前
OpenCV: Mat存储方式全解析-单通道、多通道内存布局详解
人工智能·opencv·计算机视觉
点云侠12 小时前
解决Visual Studio 2022编译工程速度慢的问题
开发语言·c++·ide·算法·计算机视觉·visual studio
爆改模型13 小时前
【ICCV2025】计算机视觉|即插即用|ESC:超越Transformer!即插即用ESC模块,显著提升图像超分辨率性能!
人工智能·计算机视觉·transformer
却道天凉_好个秋13 小时前
计算机视觉(十二):人工智能、机器学习与深度学习
人工智能·深度学习·机器学习·计算机视觉
豆浩宇14 小时前
Conda环境隔离和PyCharm配置,完美同时运行PaddlePaddle和PyTorch
人工智能·pytorch·算法·计算机视觉·pycharm·conda·paddlepaddle
AI人工智能+15 小时前
表格识别技术:通过计算机视觉和OCR,实现非结构化表格向结构化数据的转换,推动数字化转型。
人工智能·计算机视觉·ocr