目录
1. 原理
2. 漫水填充算法
1. 原理
孔洞指的是被前景像素点或者说感兴趣的像素点包围起来的区域，这个区域是我们不感兴趣的背景区域。
数字图像处理的孔洞填充的公式为：
I 为前景像素 ，c 为补集
其实孔洞填充的步骤就是一个迭代的过程：
先设置一个填充的起始点，需要在孔洞的内部。如d图所示，然后被结构元B（图c）膨胀。
然后，为了将膨胀的结果限制在孔洞内部，需要和原图（图a）的补集（图b）相交（图e），因为如果不控制膨胀的结果的话，那么膨胀会填充整个区域，而膨胀结果和原图的补集相交，会使结果限制到我们感兴趣的区域内部，也就是孔洞。
其次，重复这个过程，直到第k步和第k+1的步骤结果相同，那么我们可以认为孔洞已经被填充完毕（图h）
最后，和原图相加即可（图i）
2. 漫水填充算法
注：这里的mask必须为图像长宽+2，且类型要是uint8
我们对下面图像做孔洞填充
# -*- coding: utf-8 -*-
import cv2
import numpy as np
def holefill(img):
img_copy = img.copy()
mask = np.zeros((img.shape[0]+2,img.shape[1]+2),dtype=np.uint8)
cv2.floodFill(img,mask,(0,0),255)
img_inverse = cv2.bitwise_not(img)
dst = cv2.bitwise_or(img_copy,img_inverse)
return dst
img = cv2.imread('hole.png',0)
thresh , img = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
img_copy =img.copy()
dst = holefill(img)
cv2.imshow('img',np.hstack((img_copy,dst)))
cv2.waitKey()
cv2.destroyAllWindows()
处理的结果为
代码详解：
1. 首先将图像进行二值化处理，转为二值图像
2. 通过图像的长和宽设置掩膜mask，类型为uint8
3. floodFill 会对原图像进行操作，所以事先需要拷贝图像，将漫水的种子设为（0，0）也就是图像的左上角，填充的颜色为255。虽然通过计算找到孔洞的位置，然后直接填充就可以，但是这样比较麻烦，且孔洞较多的时候不好处理。这里我们将除了 前景像素点和孔洞 的位置都填充为前景像素点，然后通过求反就可以得到所有的孔洞的位置
4. 最后将孔洞和原图相加即可
到此这篇关于opencv形态学中的孔洞填充详细图解的文章就介绍到这了,更多相关opencv孔洞填充内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！