python识别小区域黑斑，并把他们处理

Question

遇到的问题

这个图片里面有很多黑色的小斑点，该怎么识别，去掉这些小斑点

消除斑点，尽量变成这个样子

采用过的方法

用这个去计算面积但是不能准确识别到这些黑色的小方块

# 寻找连通域
num_labels, labels, stats, centroids = cv.connectedComponentsWithStats(closing, connectivity=4)

需要识别处理的图片如下

Answer 1

要判断到底是点还是波，可以通过canny算法提取波的轮廓，然后计算轮廓数组的长宽和面积，通过比较阀值，筛选出点，并把点设置成白色，请看通过我的思路，GPT编写的代码和效果

import cv2
import numpy as np
from PIL import Image

# 加载原始图像
original_image_path = 'path_to_your_image.jpeg'
original_image = cv2.imread(original_image_path)

# 将图像转换为灰度图
gray_image = cv2.cvtColor(original_image, cv2.COLOR_BGR2GRAY)

# 应用高斯模糊以帮助边缘检测
blurred = cv2.GaussianBlur(gray_image, (5, 5), 0)

# 执行边缘检测
edges = cv2.Canny(blurred, 50, 150)

# 在边缘图像中找到轮廓
contours, _ = cv2.findContours(edges.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 处理每个轮廓
cleaned_image_array = original_image.copy()
for contour in contours:
    # 计算轮廓的包围矩形的长宽比
    x, y, w, h = cv2.boundingRect(contour)
    aspect_ratio = float(w) / h
    
    # 计算轮廓的面积
    area = cv2.contourArea(contour)
    
    # 设置长宽比和面积的阈值
    aspect_ratio_threshold = 20  # 根据观察调整此值
    area_threshold = 100  # 根据观察调整此值
    
    # 如果轮廓比较方形（噪点或大黑点），并且面积小（不是波纹）
    if aspect_ratio < aspect_ratio_threshold and area < area_threshold:
        # 用白色填充轮廓
        cv2.drawContours(cleaned_image_array, [contour], -1, (255, 255, 255), thickness=cv2.FILLED)

# 将处理后的数组转换回图像
cleaned_image = Image.fromarray(cv2.cvtColor(cleaned_image_array, cv2.COLOR_BGR2RGB))

# 保存清理后的图像
cleaned_image_path = 'path_to_your_cleaned_image.jpeg'
cleaned_image.save(cleaned_image_path)

# 可选：显示清理后的图像
cleaned_image.show()

GPT的模拟结果：