Question

在图像中，我有大量不同颜色的细胞被黑色边界隔开。然而，边界没有完美绘制，现在一些单元格有一些错误颜色的像素（每个单元格只应包含1种颜色）。

在下图中，我已经包围了错误颜色的像素。左上角包围的蓝色像素应为灰色，其他三个点中包围的灰色像素应为蓝色。

问题：如何找到错误的彩色像素，以便用正确的颜色替换它们？

目前我正在使用 Python 和 NumPy 将图像加载到一个数组中，并使用双重for循环逐行检查每个像素。

我当前的方法涉及检查与其直接对齐的像素的每个像素（行+1，行-1，列+1和列-1）。如果它们是不同的非黑色，我会检查像素的边界像素，如果它们的颜色与原始像素不同，那么我会改变原始像素的颜色。

但是，如果有多个不正确的像素彼此相邻，则无法正常工作，从而产生以下图像：

以下是我使用的脚本。我正在寻找一种方法来改进它，或者完全不同的算法。代码所需的图像就在它下面。我已经在代码中将其名称与stackoverflow的名称相匹配。

import Image
import numpy as np

BLACK = (0,0,0)

im = Image.open("3gOg0.png").convert('RGB')
im.load()
im_array = np.asarray(im, dtype="int32")
(height, width, dim) = im_array.shape
newim_array = np.array(im_array)

for row in range(height):
    for col in range(width):
        rgb = tuple(im_array[row,col])
        if rgb == BLACK:
            continue

        n = tuple(im_array[row-1,col])
        s = tuple(im_array[row+1,col])
        e = tuple(im_array[row,col+1])
        w = tuple(im_array[row,col-1])

        if n != BLACK and n != rgb:
            nn = tuple(im_array[row-2,col])
            ne = tuple(im_array[row-1,col+1])
            nw = tuple(im_array[row-1,col-1])
            if (nn != BLACK and nn != rgb) or (nw != BLACK and nw != rgb) or (ne != BLACK and ne != rgb):
                newim_array[row,col] = n
                continue

        if s != BLACK and s != rgb:
            ss = tuple(im_array[row+2,col])
            se = tuple(im_array[row+1,col+1])
            sw = tuple(im_array[row+1,col-1])
            if (ss != BLACK and ss != rgb) or (sw != BLACK and sw != rgb) or (se != BLACK and se != rgb):
                newim_array[row,col] = s
                continue

        if e != BLACK and e != rgb:
            ee = tuple(im_array[row,col+2])
            ne = tuple(im_array[row-1,col+1])
            se = tuple(im_array[row+1,col+1])
            if (ee != BLACK and ee != rgb) or (se != BLACK and se != rgb) or (ne != BLACK and ne != rgb):
                newim_array[row,col] = e
                continue

        if w != BLACK and w != rgb:
            ww = tuple(im_array[row,col-2])
            nw = tuple(im_array[row-1,col-1])
            sw = tuple(im_array[row+1,col-1])
            if (ww != BLACK and ww != rgb) or (nw != BLACK and nw != rgb) or (sw != BLACK and sw != rgb):
                newim_array[row,col] = w

im2 = Image.fromarray(np.uint8(newim_array))
im2.save("fix.png")

这是正确的非缩放大小的示例图像：

Answer 1

听起来你有两个问题：

这些地区是什么？
每种颜色应该是什么颜色？

要查找区域，并在其中填充当前最常见的颜色：

For each non-black pixel not visited yet:
    Start a new region; initialize a counter for each color
    Recursively:
        Mark the pixel as in-region
        Increment the counter for that color
        Visit each of the adjacent pixels that are not black nor in-region
    When done, 
        Color all of the in-region pixels to the color with the highest count, and mark them as visited

Answer 2

我会采用连接组件标签方法..虽然有很多方法可以给猫皮肤......

仅提取连接组件蒙版的黑线
找到4个连接的白色区域（connected component labeling）
对于每个连接的区域，找到最常出现的颜色
将整个区域设置为该颜色

示例实施：

import numpy as np
from scipy import ndimage
from scipy import stats

#input array assuming 0 for black 1 for blue and 2 for purple
arr = np.array(...)

labeled, labels = ndimage.measurements.label(arr != 0, #connect non-black regions
                                             structure=[[0,1,0],
                                                        [1,1,1],
                                                        [0,1,0]]) #this is the default, but we'll specify it explicitly anyway...

for labelnum in range(1, labels+1):
    region = arr[np.where(labeled==labelnum)] #get a flat list of the members of that region
    mode = stats.mode(region) #find the most occurring color
    arr[np.where(labeled==labelnum)] = mode #set that color to all pixels in that region

找到边界之间错误的彩色像素

2 个答案: