之前一直使用Skimage中的形态学处理来进行孤立小区域的去除，代码如下

img = morphology.remove_small_objects(img, size)

img = morphology.remove_small_holes(img, size)

后面需要将相应算法翻译到C++环境中，而Skimage没有对应的C++版本，为了确保python算法和C++算法结果的一致性，需要进行迁移，因而打算使用OpenCV来重写去除孤立小区域的代码。代码如下：

_,binary = cv2.threshold(img,0.1,1,cv2.THRESH_BINARY)

image,contours,hierarch=cv2.findContours(binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)

for i in range(len(contours)):

area = cv2.contourArea(contours[i])

if area < threshold:

cv2.drawContours(image,[contours[i]],0,0,-1)

其中对于输入图像img首先使用阈值处理获得二值化图像，cv2.threshold表示进行阈值二值化处理，0.1是设定的阈值(img是0-1图像)，1表示图像中的最大值，cv2.THRESH_BINARY表示图像处理的方法，在openCv中有如下记录

然后使用findContours，用来获得二值化图像的轮廓信息，findContours中cv2.RETR_EXTERNAL是表示轮廓获取方式，是表示内圈的轮廓不需要进行获取，cv2.CHAIN_APPROX_NONE表示是轮廓曲线记录的方式，CHAIN_APPROX_NONE表示记录所有的轮廓点，具体的参数说明可以参看：

然后，后面的contourArea是用来获取轮廓所包围的面积，threshold是面积阈值，当小于该阈值时认为是孤立小区域，需要去除

最后drawContours是对孤立小区域进行去除的方式，去除操作比较简单，就是往这些区域里面填充为0即可，drawContours的参量可参考如下：

这里，drawContours的第一个参量是输入待处理图像，第二个参量是将要处理的孤立区域轮廓Vector，第三个参量是表示轮廓的坐标，这里为0表示contours的第一个，第四个参量表示填充的数值，这里是integer的情况下则表明是灰度图，填充为1，而最后一个参量为-1，是thickness，表明按照填充方式处理该轮廓围绕的区域

示例如下：

以上这篇使用Python-OpenCV消除图像中孤立的小区域操作就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持python博客。