如何在像素簇周围创建一个封闭区域？

Question

我正在用Python 3.5.2做一些图像处理。完成一些工作后，我使用了支持向量机（用作按像素分类任务）对图像进行了分割和图像处理。如训练后所预期的那样，当我尝试预测新图像时，我得到了一些像素错误标记的信息。我只需要为细分进行分类，这样结果就可以作为蒙版，在所需区域中为 1 ，在其他区域为 0 。

预测的蒙版示例如下：

编辑： 这是此图像的链接（使用cv2.imwrite()保存）：

https://i.ibb.co/74nxLvZ/img.jpg

---

如您所见，其中有一个很大的区域带有一些孔，这意味着它们是假阴性（FN）像素预测。此外，在该大区域之外还有一些假阳性（FP）像素。

我希望能够为那个大区域单独准备一个口罩并装满。因此，我一直在考虑使用诸如 DBSCAN 或 K-means 之类的聚类方法在这些数据点上创建聚类，希望能为大区域获取聚类。您对此事有什么建议吗？

现在，假设我有那个集群。我如何才能填补大区域的空缺。我想在那个大区域周围创建某种图形/多边形/ ROI，然后将所有像素放入其中。有人可以阐明如何实现这一目标吗？

我会以某种方式想要这样的东西：

希望我能说清楚。如果我不是在评论中让我知道。希望有人可以帮助我解决这个问题。

预先感谢

Answer 1

实际上，您可以使用DBSCAN对数据点进行聚类。特别是当您不知道要获取的群集数量时。

然后，您可以获取要填充的区域的轮廓。在这种情况下，带有孔的白色大区域。

# im_gray: is the binary image you have
cnt, _ = cv2.findContours(im_gray, mode=cv2.RETR_EXTERNAL, method=cv2.CHAIN_APPROX_NONE)

您可以遍历cnt以选择正确的轮廓。然后，假设您“知道”所需的轮廓，则可以使用 OpenCV

中的功能cv2.approxPolyDP()

取自OpenCV tutorial

  

将轮廓形状近似为顶点数量较少的其他形状   根据我们指定的精度。它是Douglas-Peucker的实现   算法。

epsilon = 0.001
approxPoly= cv2.approxPolyDP(np.array(maxPoly), epsilon, closed=True)

epsilon是一个精度参数，它是轮廓到近似轮廓的最大距离。根据文档（上面的链接）中的建议，您可以使用epsilon=0.1*cv2.arcLength(cnt,True)。在这种情况下，我使用了值0.001。

一旦有了这个，就可以绘制：

poligon_mask = np.zeros(im_gray.shape)
poligon_mask = cv2.drawContours(max_poligon_mask, [approxPoly], cv2.FILLED, (255), -1)

希望这会有所帮助。