skimage.morphology.remove_small_holes 和 skimage.morphology.remove_small_objects 有何不同？

Question

这两种方法都包含在 Python 的 Scikit-Image 库中。我正在尝试从图像中提取某些对象并将运行放入高级开发人员代码中的这两个方法中，为相同目的而编写。

我已经阅读了这两个 skimage.morphology.remove_small_holes and skimage.morphology.remove_small_objects 的文档。但是我不明白这两种方法在包含图像的 ndarray 上运行时有什么区别。

Answer 1

一个删除对象（任何其他单个值）内的孔（值 0），另一个删除对象。请注意，它作用于 二进制图像（dtype bool 的 ndarray）或 segmentation masks（dtype int 的 ndarray，其中每个值代表一个对象） .希望这个例子阐明了它们的用途：

import numpy as np
from skimage import morphology

objects = np.array([
        [1, 1, 1, 0, 0],
        [1, 0, 1, 0, 0],
        [1, 1, 1, 0, 0],
        [0, 0, 0, 0, 2],
        ])

你可以看到这个数组有两个对象，对象“1”有 8 个像素，其中有一个大小为 1 像素的孔，而对象“2”总共只有 1 个像素。现在我做：

print(morphology.remove_small_objects(objects, 2))

这将删除大小严格小于 2 像素的对象，因此“2”消失：

[[1 1 1 0 0]
 [1 0 1 0 0]
 [1 1 1 0 0]
 [0 0 0 0 0]]

去除孔稍微复杂一些，因为函数仅适用于布尔数组，但同样的原理也适用。我们将：

将对象图像转换为binary/boolean
去掉洞
使用 segmentation.watershed 取回对象 — 保留其原始 ID。

from skimage import segmentation

binary_objects = objects.astype(bool)
binary_filled = morphology.remove_small_holes(binary_objects, 2)
objects_filled = segmentation.watershed(
        binary_filled, objects, mask=binary_filled
        )
print(objects_filled)

这会从任何对象中删除大小严格小于 2 的孔，因此删除对象“1”中的孔：

[[1 1 1 0 0]
 [1 1 1 0 0]
 [1 1 1 0 0]
 [0 0 0 0 2]]

skimage.morphology.remove_small_holes 和 skimage.morphology.remove_small_objects 有何不同？

How do skimage.morphology.remove_small_holes and skimage.morphology.remove_small_objects differ?

python

image-processing

scikit-image