如何使用Python OpenCV在图像中获取泛洪区域及其边界？

我有一个像这样的图像，它只是黑白的：

我想使用

cv2.floodfill

，仅获取图像的泛光区域和边框，就像这样（请原谅我的绘画技巧）：

以下是我当前的代码：

#复制图像。
im_floodfill=cv2.resize（实际地图图像，（500500））.copy（）
#从点（X，Y）开始的洪水填充
cv2.漫灌（im_漫灌，无，（X，Y），（255，255，255））
#显示图像。
cv2.imshow（“泛光填充图像”，im_泛光填充）
cv2.等待键（0）

我得到的输出等于原始图像。如何仅获取有边界的淹没区

编辑：我想从“竞技场”内的任何白色点进行泛光填充，如图像中的红点（X，Y）。我只希望竞技场内小圆圈的外边界和外墙的内边界

EDIT2：我已经说了一半了：

#出于测试目的调整大小
实际映射图像=cv2。调整大小（实际映射图像，（1000，1000））
实际映射图像=cv2.CVT颜色（实际映射图像，cv2.COLOR\BGR2GRAY）
h、 w=实际地图图像。形状[：2]
flood_mask=np.zero（（h+2，w+2），dtype=np.uint8）
连接性=8
flood_fill_flags=（连接性| cv2.FLOODFILL_固定|范围| cv2.FLOODFILL_掩码|仅| 255扩容和异或如何

kernel = np.ones((3,3), np.uint8)
dilated = cv2.dilate(actual_map_image, kernel, iterations = 1)
borders = cv2.bitwise_xor(dilated, actual_map_image)

这只会给你边界，我不清楚你是想要圆形边界还是内部边界，你应该能够根据大小删除你不想要的边界


可以使用大小阈值删除外部边框，定义如下函数：

def size_threshold(bw, minimum, maximum):
    retval, labels, stats, centroids = cv.connectedComponentsWithStats(bw)
    for val in np.where((stats[:, 4] < minimum) + (stats[:, 4] > maximum))[0]:
      labels[labels==val] = 0
    return (labels > 0).astype(np.uint8) * 255

result = size_threshold(borders, 0, 500)

def大小_阈值（bw、最小值、最大值）：
retval、标签、统计信息、质心=cv.connectedComponentsWithStats（bw）
对于np中的val，其中（（stats[：，4]<最小值）+（stats[：，4]>最大值））[0]：
标签[labels==val]=0
返回（标签>0）.aType（np.uint8）*255
结果=大小\阈值（边框，0，500）

用一个大于您想要保留的边界、小于您想要丢失的边界的数字替换500。
我必须创建自己的泛洪填充实现来获得我想要的。我基于自己

def fill（数据、开始坐标、填充值、边界值、连接性=8）：
"""
洪水填充算法
参数
----------
数据：（M，N）uint8型数据阵列
要填充洪水的图像。就地修改。
启动坐标：元组
长度—定义（行、列）起始坐标的整数的2元组。
填充值：int
填充后淹没区域将采用的值。
边界值：int
用于绘制填充区域边界的颜色值。
连通性：4或8
我们用于洪水填充算法的连通性（4路或8路）。
退换商品
-------
填充数据：ndarray
包含填充区域的数据。
边界：Ndaray
填充区域的边界绘制为边界值颜色。
"""
在[4,8]中断言连接性
filled_data=data.copy（）
xsize，ysize=填充的_data.shape
原始值=填充的数据[开始坐标[0]，开始坐标[1]]
stack=set（（开始坐标[0]，开始坐标[1]））
如果填充值==原始值：
raise VALUERROR（“不支持使用已存在的相同值填充区域。是否已填充此区域？”）
边界点=[]
堆栈时：
x、 y=stack.pop（）
如果填充的_数据[x，y]==原始值：
填充数据[x，y]=填充值
如果x>0：
叠加（（x-1，y））
如果x<（x尺寸-1）：
叠加（（x+1，y））
如果y>0：
叠加（（x，y-1））
如果y<（y尺寸-1）：
叠加（（x，y+1））
如果连接性==8：
如果x>0且y>0：
叠加（（x-1，y-1））
如果x>0且y<（y大小-1）：
叠加（（x-1，y+1））
如果x<（xsize-1）和y>0：
叠加（（x+1，y-1））
如果x<（xsize-1）和y<（ysize-1）：
叠加（（x+1，y+1））
其他：
如果填充数据[x，y]！=填充值：
border_points.append（[x，y]）
#用白色填充所有图像
borders=填充的数据。复制（）
边框填充（255）
#画边框
对于边界点中的x、y：
边框[x，y]=边框_值
返回填充的数据、边框

我所做的唯一一件事就是添加
else
条件。如果该点的值不等于
orig\u value
或
fill\u value
，则它是一个边框，因此我将其附加到包含所有边框点的列表中。然后我只绘制边框

使用此代码，我可以获得以下图像：

#出于测试目的调整大小
实际映射图像=cv2。调整大小（实际映射图像，（500500））
实际映射图像=cv2.CVT颜色（实际映射图像，cv2.COLOR\BGR2GRAY）
h、 w=实际地图图像。形状[：2]
填充数据，边界=填充（实际地图图像[h/2+20，w/2+20]，127，0，连通性=8）
cv2.imshow（“原始图像”，实际地图图像）
cv2.imshow（“填充图像”，填充数据）
cv2.imshow（“边界”，边界）


右边的那个就是我的目标。谢谢大家！
我认为最简单、最快的方法是用中灰色填满竞技场。然后只提取灰色像素并找到它们的边缘。看起来是这样的，但记住一半以上的线条是注释和调试语句：-）

以下是调试输出的3个步骤，显示了处理顺序：

result-1.png如下所示：

def size_threshold(bw, minimum, maximum):
    retval, labels, stats, centroids = cv.connectedComponentsWithStats(bw)
    for val in np.where((stats[:, 4] < minimum) + (stats[:, 4] > maximum))[0]:
      labels[labels==val] = 0
    return (labels > 0).astype(np.uint8) * 255

result = size_threshold(borders, 0, 500)


result-2.png如下所示：

def size_threshold(bw, minimum, maximum):
    retval, labels, stats, centroids = cv.connectedComponentsWithStats(bw)
    for val in np.where((stats[:, 4] < minimum) + (stats[:, 4] > maximum))[0]:
      labels[labels==val] = 0
    return (labels > 0).astype(np.uint8) * 255

result = size_threshold(borders, 0, 500)


result-3.png如下所示：

def size_threshold(bw, minimum, maximum):
    retval, labels, stats, centroids = cv.connectedComponentsWithStats(bw)
    for val in np.where((stats[:, 4] < minimum) + (stats[:, 4] > maximum))[0]:
      labels[labels==val] = 0
    return (labels > 0).astype(np.uint8) * 255

result = size_threshold(borders, 0, 500)



顺便说一下