删除具有全零邻居的所有像素。

Question

是否有一种方法来执行类似于OpenCV中的侵蚀的过程，如果的任何邻居的是非零的，而不是要求其所有的邻居都是非零的，它是否保留了给定的像素？

这里的邻居，我指的是任何像素与abs(x1-x2)+abs(y1-y2)==1，但这是很容易控制通过侵蚀内核。

当然，我总是可以使用for循环并从零开始实现这种行为，但是我更喜欢OpenCV能够提供它的库的速度。

它能倒置图像，进行侵蚀，然后倒转吗？

我的另一个想法是将内核与一个空中心进行转换，然后将所有值剪辑到0到1之间，为此我将使用scipy.ndimage.convolve。

我使用的是一个二进制NumPy数组，其类型为np.float32 (即值为0.0或1.0)，形状为512。

Answer 1

完成您的目标的一个简单方法是使用一个正方形的3x3内核。对于每个像素，您现在都知道它的邻域中有多少前景像素(包括它本身)。阈值在2 (>= 2)，以获得所有像素，其中至少有2个前景像素在邻里。最后，逻辑和原始图像将提供所有前景像素，其中至少有一个前景邻居。

下面是一个例子：

import scipy.ndimage
import numpy as np

img = np.array([[0., 0., 0., 0., 0., 0., 0., 1., 1., 1.],
                [0., 1., 0., 0., 0., 0., 0., 1., 1., 1.],
                [0., 0., 0., 0., 0., 0., 0., 0., 1., 1.],
                [0., 0., 0., 0., 0., 0., 1., 0., 1., 1.],
                [0., 0., 0., 0., 0., 0., 1., 0., 0., 0.],
                [0., 0., 1., 0., 0., 0., 0., 0., 0., 0.],
                [0., 1., 1., 0., 0., 0., 0., 0., 0., 0.],
                [0., 1., 1., 0., 1., 0., 0., 0., 0., 0.],
                [0., 1., 1., 0., 0., 0., 0., 0., 0., 0.],
                [0., 1., 1., 0., 0., 0., 0., 0., 0., 0.],
                [0., 1., 1., 0., 0., 0., 0., 0., 0., 0.],
                [0., 0., 0., 1., 0., 0., 0., 1., 1., 0.],
                [0., 0., 0., 0., 1., 1., 0., 0., 0., 0.],
                [0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
                [0., 0., 0., 0., 0., 0., 0., 0., 0., 1.],
                [0., 0., 0., 0., 0., 0., 0., 1., 0., 0.]], dtype=np.float32)
tmp = scipy.ndimage.convolve(img, np.ones((3,3)), mode='constant')
out = np.logical_and(tmp >= 2, img).astype(np.float32)

产出如下：

[[0. 0. 0. 0. 0. 0. 0. 1. 1. 1.]
 [0. 0. 0. 0. 0. 0. 0. 1. 1. 1.]
 [0. 0. 0. 0. 0. 0. 0. 0. 1. 1.]
 [0. 0. 0. 0. 0. 0. 1. 0. 1. 1.]
 [0. 0. 0. 0. 0. 0. 1. 0. 0. 0.]
 [0. 0. 1. 0. 0. 0. 0. 0. 0. 0.]
 [0. 1. 1. 0. 0. 0. 0. 0. 0. 0.]
 [0. 1. 1. 0. 0. 0. 0. 0. 0. 0.]
 [0. 1. 1. 0. 0. 0. 0. 0. 0. 0.]
 [0. 1. 1. 0. 0. 0. 0. 0. 0. 0.]
 [0. 1. 1. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 1. 0. 0. 0. 1. 1. 0.]
 [0. 0. 0. 0. 1. 1. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]

当然，一些成像库将具有专门为此目的而设计的功能。我不知道OpenCV、ndimage或scikit映像是否有这样的功能，我对这些库还不够了解。但是DIPlib有 (公开:我是作者)：

import diplib as dip

out = img - dip.GetSinglePixels(img > 0)

img > 0部件是将浮点数组转换为逻辑数组，DIPlib对二进制图像的期望。这大约是512x512图像的另一个解决方案的5倍。

Answer 2

假设你有

src = np.uint8([
       [  0,   0,   0,   0,   0,   0,   0,   0],
       [  0,   0,   0,   0,   0,   0,   0,   0],
       [  0,   0, 255,   0,   0,   0,   0,   0],
       [  0,   0,   0,   0,   0,   0,   0,   0],
       [  0,   0,   0,   0,   0,   0,   0,   0],
       [  0,   0,   0,   0,   0, 255,   0,   0],
       [  0,   0,   0,   0,   0,   0, 255,   0],
       [  0,   0,   0,   0,   0,   0,   0,   0]])

(你可以想办法从你的花车上得到这个)

您正在寻找非零像素，而不是所有的邻居都是0。您可以从几个操作中构造所需的结果。

您可以将MORPH_HITMISS用于正条件(所有邻居为0)，然后将其与否定结合起来。

您可以使用这个内核：

kernel = np.int8([ # 0 means "don't care", all others have to match
    [-1, -1, -1],
    [-1, +1, -1],
    [-1, -1, -1],
])

neighbors_all_zero = cv.morphologyEx(src=src, op=cv.MORPH_HITMISS, kernel=kernel)

result = src & ~neighbors_all_zero

结果：

array([[  0,   0,   0,   0,   0,   0,   0,   0],
       [  0,   0,   0,   0,   0,   0,   0,   0],
       [  0,   0,   0,   0,   0,   0,   0,   0],
       [  0,   0,   0,   0,   0,   0,   0,   0],
       [  0,   0,   0,   0,   0,   0,   0,   0],
       [  0,   0,   0,   0,   0, 255,   0,   0],
       [  0,   0,   0,   0,   0,   0, 255,   0],
       [  0,   0,   0,   0,   0,   0,   0,   0]], dtype=uint8)

小心价值观本身。OpenCV有时假定掩码为0或255个，而在其他时候则假设为0和非零.当我用0和1代替0和255时，我得到了一些有趣的结果。不过，我相信这些都是可以解决的。