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
AI生成未来1 小时前
图像生成迎来“思考-研究-创造”新范式!Mind-Brush:统一意图分析、多模态搜索和知识推理
人工智能·计算机视觉·aigc·agent·图像生成
光羽隹衡1 小时前
计算机视觉——Opencv(背景建模实现目标检测)
opencv·目标检测·计算机视觉
Microvision维视智造1 小时前
小龙虾包装前缺陷智能视觉检测方案:告别人工分选,实现高效标准化品控
人工智能·计算机视觉·视觉检测·检测设备
CoovallyAIHub2 小时前
ICLR 2026 | 慕尼黑工大院士Navab团队联合MVTec提出FoundAD,用基础视觉编码器实现少样本异常检测
人工智能·算法·计算机视觉
我材不敲代码2 小时前
OpenCV的核心图像处理方法——图像边界处理、图像算术运算、阈值分割、噪声与滤波
图像处理·人工智能·opencv
AI人工智能+2 小时前
融合计算机视觉与自然语言处理的特种行业许可证识别技术,解决传统人工录入的效率瓶颈
人工智能·计算机视觉·自然语言处理
輕華2 小时前
OpenCV 图像处理实战(上):阈值、平滑滤波与形态学操作从原理到代码
图像处理·人工智能·opencv
CoovallyAIHub3 小时前
纯合成数据训练,真实图像Pose mAP达0.97:亚琛工大用YOLOv11实现风电关键点检测
深度学习·算法·计算机视觉
MoRanzhi12033 小时前
Pillow 图像算术运算与通道计算
图像处理·人工智能·python·计算机视觉·pillow·图像差异检测·图像算术运算
WangUnionpub3 小时前
别只盯着MDPI,又贵还卡单位,平替SCI/EI,免收版面费,这本15天录用!
大数据·人工智能·深度学习·物联网·计算机视觉