Python 在边界之间查找错误的彩色像素

在一幅图像中，我有大量不同颜色的细胞，它们之间用黑色边界隔开。但是，边界绘制得并不完美，现在一些单元格中有少量错误颜色的像素（每个单元格应仅包含一种颜色）

在下图中，我圈出了错误颜色的像素。左上角包围的蓝色像素应为灰色，其他三个点包围的灰色像素应为蓝色

问题：如何找到错误颜色的像素以替换为正确颜色？

目前，我正在使用Python和NumPy将图像加载到数组中，并使用双for循环逐行逐列检查每个像素

我目前的方法是对每个像素检查直接与之相邻的像素（行+1、行-1、列+1和列-1）。如果这些是不同的非黑色，我会检查像素的边界像素，如果它们的颜色与原始像素不同，那么我会更改原始像素的颜色

但是，当多个不正确的像素相邻时，它无法正常工作，导致出现以下图像：

下面是我使用的脚本。我正在寻找一种改进它的方法，或者一种完全不同的算法。代码所需的图像就在它的正下方。我已经将代码中的名称与stackoverflow给它的名称进行了匹配

import Image
import numpy as np

BLACK = (0,0,0)

im = Image.open("3gOg0.png").convert('RGB')
im.load()
im_array = np.asarray(im, dtype="int32")
(height, width, dim) = im_array.shape
newim_array = np.array(im_array)

for row in range(height):
    for col in range(width):
        rgb = tuple(im_array[row,col])
        if rgb == BLACK:
            continue

        n = tuple(im_array[row-1,col])
        s = tuple(im_array[row+1,col])
        e = tuple(im_array[row,col+1])
        w = tuple(im_array[row,col-1])

        if n != BLACK and n != rgb:
            nn = tuple(im_array[row-2,col])
            ne = tuple(im_array[row-1,col+1])
            nw = tuple(im_array[row-1,col-1])
            if (nn != BLACK and nn != rgb) or (nw != BLACK and nw != rgb) or (ne != BLACK and ne != rgb):
                newim_array[row,col] = n
                continue

        if s != BLACK and s != rgb:
            ss = tuple(im_array[row+2,col])
            se = tuple(im_array[row+1,col+1])
            sw = tuple(im_array[row+1,col-1])
            if (ss != BLACK and ss != rgb) or (sw != BLACK and sw != rgb) or (se != BLACK and se != rgb):
                newim_array[row,col] = s
                continue

        if e != BLACK and e != rgb:
            ee = tuple(im_array[row,col+2])
            ne = tuple(im_array[row-1,col+1])
            se = tuple(im_array[row+1,col+1])
            if (ee != BLACK and ee != rgb) or (se != BLACK and se != rgb) or (ne != BLACK and ne != rgb):
                newim_array[row,col] = e
                continue

        if w != BLACK and w != rgb:
            ww = tuple(im_array[row,col-2])
            nw = tuple(im_array[row-1,col-1])
            sw = tuple(im_array[row+1,col-1])
            if (ww != BLACK and ww != rgb) or (nw != BLACK and nw != rgb) or (sw != BLACK and sw != rgb):
                newim_array[row,col] = w

im2 = Image.fromarray(np.uint8(newim_array))
im2.save("fix.png")

这是正确的非缩放大小的示例图像：

---

听起来您有两个问题：

区域是什么

每个应该是什么颜色

要查找区域，并在每个区域中填充当前最常见的颜色，请执行以下操作：

For each non-black pixel not visited yet:
    Start a new region; initialize a counter for each color
    Recursively:
        Mark the pixel as in-region
        Increment the counter for that color
        Visit each of the adjacent pixels that are not black nor in-region
    When done, 
        Color all of the in-region pixels to the color with the highest count, and mark them as visited

---

我将采用连接组件标记方法。。虽然剥猫皮的方法很多

仅提取连接的组件遮罩的黑线

查找白色（）的4个连通区域

对于每个连接区域，找到最常出现的颜色

将整个区域设置为该颜色

实施示例：

将numpy导入为np
从scipy导入ndimage
从scipy导入统计信息
#输入数组假设0表示黑色1表示蓝色2表示紫色
arr=np.数组（…）
已标记，标签=nImage.measurements.label（arr！=0，#连接非黑色区域
结构=[[0,1,0]，
[1,1,1],
[0,1,0]]#这是默认值，但无论如何我们都会显式指定它。。。
对于范围（1，标签+1）内的labelnum：
region=arr[np.where（标签==labelnum）]#获取该区域成员的简单列表
mode=stats.mode（区域）#查找最常出现的颜色
arr[np.where（label==labelnum）]=模式#将该颜色设置为该区域中的所有像素