在不使用轮廓提取的情况下提取最外边界

Question

我正在开展一个项目，我手上有一个二进制图像（如下图所示），我想只提取边界来训练机器学习算法。

由于我实时实现了这一点，并且边界内可能存在大量错误轮廓，因此在opencv中使用轮廓提取技术会降低程序速度。

我尝试过使用形态学关闭操作，然后进行简单的边缘检测，但是我仍然在外边界内找到了很多信息。

我正在使用kinect传感器来跟踪手，因此使用预处理技术无法纠正这些误差值。

我试图解决这个问题的函数是：

Mat CvHandRegion::sampleBoundaryPoints(Mat input)
{
        Mat sampledOut;
sampledOut.create(input.rows, input.cols, CV_8U);
sampledOut.setTo(0);

for( int x = 0; x < input.cols; x += C_SAMPLING_STEP)
{
    for( int y = 0; y < input.rows; y += C_SAMPLING_STEP)
    {
        if(input.at<uchar>(y,x) == 255)
        {
            sampledOut.at<uchar>(y,x) = 255;
            break;
        }
    }
}

for( int x = 0; x < input.cols; x += C_SAMPLING_STEP)
{
    for( int y = input.rows-1; y > 0; y -= C_SAMPLING_STEP)
    {
        if(input.at<uchar>(y,x) == 255)
        {
            sampledOut.at<uchar>(y,x) = 255;
            break;
        }
    }
}

for( int y = 0; y < input.rows; y += C_SAMPLING_STEP)
{
    for( int x = 0; x < input.cols; x += C_SAMPLING_STEP)
    {
        if(input.at<uchar>(y,x) == 255)
        {
            sampledOut.at<uchar>(y,x) = 255;
            break;
        }
    }
}


for( int y = 0; y < input.rows; y += C_SAMPLING_STEP)
{
    for( int x = input.cols-1; x > 0; x -= C_SAMPLING_STEP)
    {
        if(input.at<uchar>(y,x) == 255)
        {
            sampledOut.at<uchar>(y,x) = 255;
            break;
        }
    }
}
return sampledOut;
    }

此处C_SAMPLING_STEP保持为4.并且想法是从各方面基本到达并在检测到从0到255的变化时终止循环。

还有其他方法可以更有效和更强大吗？

更新：我尝试使用不同的半径进行形态学关闭操作 使用大小（5,5）的MORPH_ELLIPSE，输出为：

和尺寸（7,7）

和尺寸（9,9）

这在一定程度上解决了这个问题，但我不确定使用哪种尺寸，因为数据中的噪音变化很大（取决于手的姿势）。