### 孔洞填充的基本原理 孔洞填充是图像处理中的一项基础任务，通常用于去除图像中的小孔或空洞区域。形态学方法是实现孔洞填充的重要手段之一，其核心思想是通过膨胀（dilation）和腐蚀（erosion）操作来修改图像的结构[^1]。 在不使用 OpenCV 的前提下，可以通过手动实现形态学操作来完成孔洞填充。具体步骤包括： - **定义结构元素（Structuring Element）**：通常使用 3x3 的矩形或十字形结构元素。 - **实现膨胀和腐蚀操作**：对图像进行逐像素扫描，依据结构元素的覆盖区域决定输出像素值。 - **迭代应用膨胀与腐蚀**：重复执行膨胀和腐蚀，直到图像不再发生变化，实现形态学闭合（closing）操作。 ### 手动实现形态学孔洞填充 以下是一个基于 NumPy 的 Python 实现示例，适用于二值图像的孔洞填充： ```python import numpy as np def dilation(binary_img, kernel): h, w = binary_img.shape pad = kernel.shape[0] // 2 padded_img = np.pad(binary_img, pad, mode='constant') result = np.zeros_like(binary_img) for i in range(h): for j in range(w): region = padded_img[i:i + 2 * pad + 1, j:j + 2 * pad + 1] if np.any(region & kernel): result[i, j] = 1 return result def erosion(binary_img, kernel): h, w = binary_img.shape pad = kernel.shape[0] // 2 padded_img = np.pad(binary_img, pad, mode='constant') result = np.zeros_like(binary_img) for i in range(h): for j in range(w): region = padded_img[i:i + 2 * pad + 1, j:j + 2 * pad + 1] if np.all((region & kernel) == kernel): result[i, j] = 1 return result def morphological_closing(binary_img, kernel, iterations=1): for _ in range(iterations): binary_img = dilation(binary_img, kernel) binary_img = erosion(binary_img, kernel) return binary_img # 示例：使用十字形结构元素进行孔洞填充 kernel = np.array([[0, 1, 0], [1, 1, 1], [0, 1, 0]], dtype=np.uint8) # 示例二值图像（1表示前景，0表示背景） binary_image = np.array([[0, 0, 0, 0, 0], [0, 1, 0, 1, 0], [0, 0, 0, 0, 0], [0, 1, 0, 1, 0], [0, 0, 0, 0, 0]], dtype=np.uint8) filled_image = morphological_closing(binary_image, kernel, iterations=2) print(filled_image) ``` ### 代码说明 - **膨胀操作**：遍历图像每个像素，若结构元素覆盖的区域内存在至少一个前景像素（值为 1），则将当前像素设置为前景。 - **腐蚀操作**：若结构元素覆盖的区域内所有像素均为前景，则保留当前像素为前景，否则设为背景。 - **闭合操作**：先膨胀后腐蚀，用于填充图像中的小孔[^2]。 --- ###