Opencv 非连接形态滤波器

经过一些简单的预处理，我收到分割图像的布尔掩码

我想“增强”面具的边缘，使其更加平滑。因为我使用的是一个很大的圆形内核的开放形态过滤器，它工作得非常好，直到分割对象之间的距离足够。但在很多样本中，物体粘在一起。是否存在某种或多或少简单的方法来平滑此类图像而不改变其形态

---

不能100%确定你想要实现什么，但这可能是一条探索的途径。。。工具

potrace

拍摄图像并将其转换为涉及平滑的矢量化图像。它更喜欢

PGM

格式化输入文件，所以我使用ImageMagick来准备它们。无论如何，下面是一个命令和结果的示例，看看您的想法：

convert disks.png pgm:- | potrace - -s -o out.svg

---

我已将生成的

SVG

文件转换为

PNG

，因此我可以将其上载到so。

无需首先应用形态学过滤器，您可以尝试检测图像的外部轮廓。现在，您可以将这些外部轮廓绘制为填充轮廓，然后应用形态学过滤器。这是有效的，因为现在你没有任何洞要填补。这相当简单

另一种方法：

• 寻找外部轮廓
• 取轮廓点坐标的x，y。你可以把这些看成是一维信号，并对这些信号应用平滑滤波器< /LI>

在下面的代码中，我将第二种方法应用于示例图像

输入图像

没有任何平滑的外部轮廓

对x和y一维信号应用高斯滤波器后

C++代码

Mat im = imread("4.png", 0);

Mat cont = im.clone();
Mat original = Mat::zeros(im.rows, im.cols, CV_8UC3);
Mat smoothed = Mat::zeros(im.rows, im.cols, CV_8UC3);

// contour smoothing parameters for gaussian filter
int filterRadius = 5;
int filterSize = 2 * filterRadius + 1;
double sigma = 10;      

vector<vector<Point> > contours;
vector<Vec4i> hierarchy;
// find external contours and store all contour points
findContours(cont, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE, Point(0, 0));
for(size_t j = 0; j < contours.size(); j++)
{
    // draw the initial contour shape
    drawContours(original, contours, j, Scalar(0, 255, 0), 1);
    // extract x and y coordinates of points. we'll consider these as 1-D signals
    // add circular padding to 1-D signals
    size_t len = contours[j].size() + 2 * filterRadius;
    size_t idx = (contours[j].size() - filterRadius);
    vector<float> x, y;
    for (size_t i = 0; i < len; i++)
    {
        x.push_back(contours[j][(idx + i) % contours[j].size()].x);
        y.push_back(contours[j][(idx + i) % contours[j].size()].y);
    }
    // filter 1-D signals
    vector<float> xFilt, yFilt;
    GaussianBlur(x, xFilt, Size(filterSize, filterSize), sigma, sigma);
    GaussianBlur(y, yFilt, Size(filterSize, filterSize), sigma, sigma);
    // build smoothed contour
    vector<vector<Point> > smoothContours;
    vector<Point> smooth;
    for (size_t i = filterRadius; i < contours[j].size() + filterRadius; i++)
    {
        smooth.push_back(Point(xFilt[i], yFilt[i]));
    }
    smoothContours.push_back(smooth);

    drawContours(smoothed, smoothContours, 0, Scalar(255, 0, 0), 1);

    cout << "debug contour " << j << " : " << contours[j].size() << ", " << smooth.size() << endl;
}

matim=imread（“4.png”，0）；
Mat cont=im.clone（）；
Mat original=Mat:：零（im.rows、im.cols、CV_8UC3）；
Mat平滑=Mat:：零（im.rows、im.cols、CV_8UC3）；
//高斯滤波器的轮廓平滑参数
int filteradius=5；
int filterSize=2*filterRadius+1；
双西格玛=10；
矢量等值线；
向量层次；
//查找外部轮廓并存储所有轮廓点
findContours（cont、等高线、层次、CV_RETR__外部、CV_CHAIN_近似、无、点（0,0））；
对于（大小j=0；j