Python OpenCv图像修复留下了一些修复区域的标记

我有一个带有组件的图像，我创建了一个遮罩并从中提取出红色区域，然后用一些阈值大小的组件对组件进行修复。。。 但当我使用cv2.inpaint时，它会留下一些红色的痕迹。。。。我不知道为什么。。。 这是代码

lower_red = np.array([0,220,0]) #lower red color limit
upper_red = np.array([100,255,255]) # upper limit
mask = cv2.inRange(hsv,lower_red,upper_red) # masking red colored areas
nb_components, output, stats, centroids = cv2.connectedComponentsWithStats(mask, 8) # finding components
sizes = stats[1:, -1]; nb_components = nb_components - 1 # getting areas of each component
min_size = 800  # threshold of component size 
inpaint_mask = np.zeros((output.shape))
for i in range(0, nb_components):
    if sizes[i] <= min_size:
        inpaint_mask[output == i + 1] = 255
inpaint_mask = inpaint_mask.astype('uint8')
dst = cv2.inpaint(src = rgb,inpaintMask=inpaint_mask,inpaintRadius=10, flags = cv2.INPAINT_TELEA)
plt.figure(figsize=(20,20),dpi=80)
plt.imshow(dst)

lower_red=np.array（[0220,0]）#红色下限
上限=np.数组（[100255255]）上限
遮罩=cv2。在范围内（hsv，下部红色，上部红色）#遮罩红色区域
nb#U组件，输出，统计，质心=cv2。连接的组件swithstats（掩码，8）#查找组件
大小=统计数据[1:，-1]；nb#U组件=nb#U组件-1#获取每个组件的面积
最小尺寸=800#组件尺寸阈值
inpaint_mask=np.zeros（（output.shape））
对于范围内的i（0，nb_分量）：
如果尺寸[i]则遮罩在红色区域周围太紧，因此
inpaint
采用周长的红黄色

放大以查看周长与黄色混合：


lower\u red
和
upper\u red
的范围太小，您也可以
inpaint\u mask
以包括周围区域（包括mask中的所有红黄色周长）

您没有发布代码的第一部分。

我假设
hsv
是转换为hsv的
rgb
图像


增加范围以包括所有红色像素，以包括更多的红黄色像素：

 lower_red = np.array([0, 150, 0])  # lower red color limit
 upper_red = np.array([200, 255, 255])  # upper limit


扩展
修复遮罩
以包括遮罩中的一些周围区域：

 inpaint_mask = cv2.dilate(inpaint_mask, np.ones((5, 5)))




完整的代码示例：

import cv2
import numpy as np

bgr = cv2.imread('input.png')  # Use BGR instead of RGB for later using cv2.imshow instead of plt.imshow

hsv = cv2.cvtColor(bgr, cv2.COLOR_BGR2HSV)

#lower_red = np.array([0, 220, 0]) #lower red color limit
#upper_red = np.array([100, 255, 255]) # upper limit
lower_red = np.array([0, 150, 0]) #lower red color limit
upper_red = np.array([200, 255, 255]) # upper limit
mask = cv2.inRange(hsv, lower_red, upper_red) # masking red colored areas

nb_components, output, stats, centroids = cv2.connectedComponentsWithStats(mask, 8) # finding components
sizes = stats[1:, -1]; nb_components = nb_components - 1 # getting areas of each component
min_size = 800  # threshold of component size 
inpaint_mask = np.zeros((output.shape))

for i in range(0, nb_components):
    if sizes[i] <= min_size:
        inpaint_mask[output == (i + 1)] = 255

inpaint_mask = inpaint_mask.astype('uint8')

# Dilate the mask
inpaint_mask = cv2.dilate(inpaint_mask, np.ones((5, 5)))

dst = cv2.inpaint(src=bgr, inpaintMask=inpaint_mask, inpaintRadius=10, flags=cv2.INPAINT_TELEA)

cv2.imshow("dst", dst)
cv2.waitKey()
cv2.destroyAllWindows()

导入cv2
将numpy作为np导入
bgr=cv2.imread（'input.png'）#以后使用bgr代替RGB，使用cv2.imshow代替plt.imshow
hsv=cv2.CVT颜色（bgr，cv2.COLOR_BGR2HSV）
#红色下限=np.数组（[0,220,0]）红色下限
#上限=np.数组（[100255255]）上限
红色下限=np.数组（[0,150,0]）#红色下限
上限=np.数组（[200，255，255]）上限
遮罩=cv2。在范围内（hsv，下部红色，上部红色）#遮罩红色区域
nb#U组件，输出，统计，质心=cv2。连接的组件swithstats（掩码，8）#查找组件
大小=统计数据[1:，-1]；nb#U组件=nb#U组件-1#获取每个组件的面积
最小尺寸=800#组件尺寸阈值
inpaint_mask=np.zeros（（output.shape））
对于范围内的i（0，nb_分量）：
如果尺寸[i]