去除线稿中的一些独立线段

如题，我想把图中断掉的线条去掉，其它部分保持不变。

去除的效果如下图所示：使用到的方法是调用skimage库中的 morphology.remove_small_objects，过滤的阈值可以自己设置，我设置的为100.

import numpy as np
import cv2
from skimage import morphology
import matplotlib.pyplot as plt
from pathlib import Path

def process_image(input_path, output_path_prefix='processed', min_size=200):
    """
    处理彩色PNG图片：
    1. 将非黑色像素转为白色线条（二值化）
    2. 去除小物体
    3. 恢复原始彩色
    4. 保存结果
    
    参数:
    - input_path: 输入图片路径
    - output_path_prefix: 输出文件前缀
    - min_size: 去除小物体的最小尺寸（像素数）
    """
    
    # 1. 读取彩色图片
    print(f"读取图片: {input_path}")
    original_image = cv2.imread(input_path, cv2.IMREAD_UNCHANGED)
    
    if original_image is None:
        raise FileNotFoundError(f"无法读取图片: {input_path}")
    
    # 如果图片有透明通道，移除它（只处理RGB）
    if original_image.shape[2] == 4:
        original_image_rgb = cv2.cvtColor(original_image, cv2.COLOR_BGRA2BGR)
        print("检测到透明通道，已移除")
    else:
        original_image_rgb = original_image
    
    # 转换为RGB格式用于显示
    original_image_rgb_display = cv2.cvtColor(original_image_rgb, cv2.COLOR_BGR2RGB)
    
    # 2. 创建二值图像（将所有非黑色像素转为白色）
    # 将BGR转为灰度图
    gray = cv2.cvtColor(original_image_rgb, cv2.COLOR_BGR2GRAY)
    
    # 方法1：使用阈值处理（适用于纯黑色背景）
    # 阈值设为1（因为纯黑色是0），大于1的都转为白色
    _, binary_mask = cv2.threshold(gray, 1, 255, cv2.THRESH_BINARY)
    
    # 方法2：或者使用颜色范围检测（更鲁棒，检测所有非黑色像素）
    # 将图片转为HSV颜色空间，更好地检测颜色
    hsv = cv2.cvtColor(original_image_rgb, cv2.COLOR_BGR2HSV)
    
    # 创建掩码：非黑色的所有像素
    # 黑色通常对应低亮度值
    lower_bound = np.array([0, 0, 1])  # 最小亮度为1（避免纯黑色）
    upper_bound = np.array([180, 255, 255])  # HSV的最大值
    color_mask = cv2.inRange(hsv, lower_bound, upper_bound)
    
    # 使用颜色掩码作为二值图像
    binary_image = color_mask.copy()
    
    print(f"二值图像创建完成，白色像素数: {np.sum(binary_image > 0)}")
    
    # 3. 使用skimage去除小物体
    print(f"去除小物体 (min_size={min_size})...")
    # 将0-255的二值图像转为True/False（True表示前景）
    binary_bool = binary_image > 0
    cleaned_binary_bool = morphology.remove_small_objects(binary_bool, min_size=min_size)
    
    # 转换回0-255图像
    cleaned_binary = (cleaned_binary_bool * 255).astype(np.uint8)
    
    print(f"去除小物体后，白色像素数: {np.sum(cleaned_binary > 0)}")
    
    # 4. 从过滤后的二值图像中恢复彩色
    print("恢复彩色...")
    # 创建彩色结果图像（黑色背景）
    color_result = np.zeros_like(original_image_rgb)
    
    # 将二值掩码应用到原始彩色图像
    # 方法1：直接使用掩码
    for c in range(3):  # 对每个颜色通道
        color_result[:, :, c] = original_image_rgb[:, :, c] * (cleaned_binary > 0)
    
    # 方法2：使用cv2.bitwise_and（更高效）
    # color_result = cv2.bitwise_and(original_image_rgb, original_image_rgb, mask=cleaned_binary)
    
    # 转换为RGB格式用于显示
    color_result_rgb = cv2.cvtColor(color_result, cv2.COLOR_BGR2RGB)
    
    # 5. 保存处理后的图片
    input_path_obj = Path(input_path)
    stem = input_path_obj.stem
    
    # 保存二值图像（处理后）
    binary_output_path = f"{output_path_prefix}_{stem}_binary.png"
    cv2.imwrite(binary_output_path, cleaned_binary)
    print(f"二值图像已保存: {binary_output_path}")
    
    # 保存彩色结果图像
    color_output_path = f"{output_path_prefix}_{stem}_color.png"
    # 需要将RGB转回BGR保存
    cv2.imwrite(color_output_path, color_result)
    print(f"彩色结果图像已保存: {color_output_path}")
    
    # 6. 显示结果
    fig, axes = plt.subplots(2, 3, figsize=(15, 10))
    
    # 原始彩色图像
    axes[0, 0].imshow(original_image_rgb_display)
    axes[0, 0].set_title('原始彩色图像')
    axes[0, 0].axis('off')
    
    # 原始灰度图
    axes[0, 1].imshow(gray, cmap='gray')
    axes[0, 1].set_title('原始灰度图')
    axes[0, 1].axis('off')
    
    # 二值图像（处理前）
    axes[0, 2].imshow(binary_image, cmap='gray')
    axes[0, 2].set_title('二值图像（处理前）')
    axes[0, 2].axis('off')
    
    # 二值图像（处理后）
    axes[1, 0].imshow(cleaned_binary, cmap='gray')
    axes[1, 0].set_title(f'二值图像（处理后，min_size={min_size}）')
    axes[1, 0].axis('off')
    
    # 彩色结果
    axes[1, 1].imshow(color_result_rgb)
    axes[1, 1].set_title('恢复的彩色图像')
    axes[1, 1].axis('off')
    
    # 显示处理的像素变化
    axes[1, 2].bar(['before process', 'after process'], 
                  [np.sum(binary_image > 0), np.sum(cleaned_binary > 0)])
    axes[1, 2].set_title('白色像素数量变化')
    axes[1, 2].set_ylabel('pixels')
    
    plt.tight_layout()
    plt.show()
    
    return {
        'original': original_image_rgb,
        'binary': binary_image,
        'cleaned_binary': cleaned_binary,
        'color_result': color_result,
        'binary_path': binary_output_path,
        'color_path': color_output_path
    }

# 使用示例
if __name__ == "__main__":
    # 替换为您的图片路径
    input_image_path = "bear_23_colored_greendelete_headmask.png"  # 请将这里替换为您的图片路径
    
    try:
        # 处理图片
        results = process_image(
            input_path=input_image_path,
            output_path_prefix='processed',  # 输出文件前缀
            min_size=100  # 调整这个值来控制去除小物体的大小阈值
        )
        
        print("\n处理完成!")
        print(f"二值图像保存为: {results['binary_path']}")
        print(f"彩色结果保存为: {results['color_path']}")
        
    except FileNotFoundError as e:
        print(f"错误: {e}")
        print("请确保图片路径正确，并且图片存在。")
        
    except Exception as e:
        print(f"处理过程中出现错误: {e}")
        print("请确保已安装必要的库: pip install opencv-python scikit-image matplotlib numpy")

提示词：帮我写一个可以直接运行的代码，读取一个彩色的png图片，我的图片是纯黑色背景的，我需要你先将图片中所有内容变成白色的线条，黑色的背景，也就是二值图像。注意不要将蓝色、紫色那种颜色漏掉，是图片内的所有有颜色的像素都变成白色的，然后使用这张二值图，调用skimage库中的 morphology.remove_small_objects，处理后，一些杂碎的线条将会被过滤掉。我需要你返回的是我原来彩色的图片，也就是说，要从过滤后的二值图像中恢复原来彩色图片对应的颜色。并同时保存处理后的图片。