Python 用相应颜色替换圆形斑点

我的目标是将

遮罩_图像

中的斑点替换为与

原始_图像

中斑点对应的颜色。我在这里做的是找到连接的组件并对它们进行标记，但我不知道如何找到相应的标记点并替换它。 如何将n个圆放入n个对象中，并用相应的强度填充它们？ 任何帮助都将不胜感激

例如，如果遮罩图像（2，1）中的斑点应按下图中相应斑点的颜色绘制

遮罩图像

原始图像

---

完成这项任务有一个非常简单的方法。首先，需要对

mask\u image

中每个点中心的值进行采样。接下来，展开此颜色以填充同一图像中的点

以下是一些使用的代码（因为我比OpenCV更了解它，我是一名作者），我相信单用OpenCV也可以做类似的事情：

import PyDIP as dip
import cv2
import numpy as np

# Load the color image shown in the question
original_image = cv2.imread('/home/cris/tmp/BxW25.png')
# Load the mask image shown in the question
mask_image = cv2.imread('/home/cris/tmp/aqf3Z.png')[:,:,0]

# Get a single colored pixel in the middle of each spot of the mask
colors = dip.EuclideanSkeleton(mask_image > 50, 'loose ends away') * original_image

# Spread that color across the full spot
# (dilation and similar operators like this one don't work with color images,
#  so we apply the operation on each channel separately)
for t in range(colors.TensorElements()):
   colors.TensorElement(t).Copy(dip.MorphologicalReconstruction(colors.TensorElement(t), mask_image))

# Save the result
cv2.imwrite('/home/cris/tmp/so.png', np.array(colors))

---

我看不出你在哪里使用等高线。或者你为什么要用等高线我错了。。它应该是斑点，我现在纠正了它，不使用轮廓。你在这里不需要它们。你能告诉我如何用相应的专色替换整个专色网格吗？你不是把第二张图像叠加在第一张图像上，让黑色背景变成透明的吗？看起来不错。但是，在彩色图像上打开似乎也不起作用，无法将斑点放大到相同的大小……所有斑点的大小都应该相同。@ChinmayAthavale:我发布了错误的图片，我现在已经修复了。还有一个疑问。。是否有任何方法可以标记斑点并访问它们，以便找到单个斑点强度并通过标签打印它们如果使用PyDIP，则可以使用

dip.label

和

dip.MeasurementTool.Measure

获得输出图像中每个斑点内的平均RGB值。您还可以使用骨架（单像素遮罩）的输出，找到每个像素集的坐标（您将为每个点获得一组坐标），然后简单地读取这些坐标处的输入图像。只需对这些像素坐标进行排序就可以得到一个标签。你能给我一个opencv代码吗？我无法搜索类似的opencv函数，也无法安装PyDIP，因为它不在pypi上

import PyDIP as dip
import cv2
import numpy as np

# Load the color image shown in the question
original_image = cv2.imread('/home/cris/tmp/BxW25.png')
# Load the mask image shown in the question
mask_image = cv2.imread('/home/cris/tmp/aqf3Z.png')[:,:,0]

# Get a single colored pixel in the middle of each spot of the mask
colors = dip.EuclideanSkeleton(mask_image > 50, 'loose ends away') * original_image

# Spread that color across the full spot
# (dilation and similar operators like this one don't work with color images,
#  so we apply the operation on each channel separately)
for t in range(colors.TensorElements()):
   colors.TensorElement(t).Copy(dip.MorphologicalReconstruction(colors.TensorElement(t), mask_image))

# Save the result
cv2.imwrite('/home/cris/tmp/so.png', np.array(colors))