OpenCV - 如何通过二进制图像传递模式匹配内核？

Question

我正在为二进制图像中的像素宽轮廓实现轮廓查找算法。它需要对删除单个像素(即像素宽的间隙)具有鲁棒性。

膨胀和侵 eclipse 内核的各种尝试都没有产生可靠的解决方案。

相反，我想要实现的可靠解决方案是在图像上传递一个模式匹配内核，它可以根据周围的像素直接填充间隙。例如，当在某个位置观察到左侧的确切模式时，将其替换为右侧(其中 * 表示通配符):

[1 * *]          [1 * *]
[* 0 *]   ==>    [* 1 *]
[* * 1]          [* * 1]

[1 0 *]          [1 0 *]
[* 0 1]   ==>    [* 1 1]
[* * *]          [* * *]

[* 1 *]          [* 1 *]
[* 0 *]   ==>    [* 1 *]
[* 1 *]          [* 1 *]

并定义大约 14 个必要的替换，以填补每个 3x3 窗口中可能存在的空白。

它可以在原始 Python 中实现，但如果没有低级矢量化操作，它可能会非常慢。

这可以通过 OpenCV 或其他一些快速操作来完成吗？

Answer 1

感谢@beaker 上面的评论，我实现了一个解决方案。设计一个内核，其相邻像素为 0.5，中心为 1，如果缺少像素，它将用 1 填充中心，尽管其他一些像素将为 2。然后将值裁剪为 1，您将获得所需的结果.

它需要独立应用于间隙的每个方向，这并不理想但仍然有效。

img_with_gap = np.array(
           [[1,0,0,0,0],
            [0,1,0,0,0],
            [0,0,0,0,0],
            [0,0,0,1,0],
            [0,0,0,0,1]], dtype=np.uint8)


kernel = np.array(
              [[0.5,  0,   0],
               [0  ,  1,   0],
               [0  ,  0, 0.5]])


connected_img = np.minimum(cv2.filter2D(img_with_gap, -1, kernel), 1)
connected_img

一个更严格的实现是通过惩罚零来进行精确的模式匹配，剪裁到 {0,1} 并确保没有从原始图像中删除任何内容:

kernel = np.array([[0.5,  -10.0,   -10.0],
                   [-10.0  ,  1,   -10.0],
                   [-10.0  ,  -10.0, 0.5]])

connected_img = np.maximum(img, np.clip(cv2.filter2D(img, -1, kernel), 0, 1))