### 三、空洞填充的基本原理 空洞填充是图像处理中的一项基础任务，主要用于消除二值图像中前景对象内部的背景区域（即空洞）。空洞通常定义为被前景（白色）包围的封闭背景（黑色）区域，填充空洞的过程本质上是将这些区域转换为前景[^4]。 ### 三、手动实现空洞填充的步骤 实现空洞填充的核心方法之一是基于连通区域标记和广度优先搜索（BFS）。该方法通过从图像边缘的背景像素出发，标记所有与背景相连的区域，未被标记的背景像素即为空洞区域，随后将其填充为前景。 具体实现步骤如下： 1. 将输入图像转换为二值图像（0 或 255）。 2. 初始化一个访问标记数组 `visited`，用于记录已访问的像素。 3. 从图像边缘的背景像素出发，使用 BFS 遍历所有与背景相连的区域。 4. 填充未被访问的背景像素（即空洞）为前景值（255）。 以下是基于 Python 的实现代码： ```python import numpy as np from collections import deque def fill_holes(binary_image): # 确保输入为二值图像 binary_image = (binary_image > 127).astype(np.uint8) * 255 h, w = binary_image.shape visited = np.zeros((h, w), dtype=bool) output = np.zeros((h, w), dtype=np.uint8) def bfs(start_x, start_y): queue = deque() queue.append((start_x, start_y)) visited[start_x, start_y] = True output[start_x, start_y] = 0 while queue: x, y = queue.popleft() for dx in [-1, 0, 1]: for dy in [-1, 0, 1]: nx, ny = x + dx, y + dy if 0 <= nx < h and 0 <= ny < w: if not visited[nx, ny] and binary_image[nx, ny] == 0: visited[nx, ny] = True output[nx, ny] = 0 queue.append((nx, ny)) # 从图像边缘的背景点开始填充 for i in range(h): if binary_image[i, 0] == 0 and not visited[i, 0]: bfs(i, 0) if binary_image[i, w - 1] == 0 and not visited[i, w - 1]: bfs(i, w - 1) for j in range(w): if binary_image[0, j] == 0 and not visited[0, j]: bfs(0, j) if binary_image[h - 1, j] == 0 and not visited[h - 1, j]: bfs(h - 1, j) # 填充空洞 for i in range(h): for j in range(w): if binary_image[i, j] == 0 and not visited[i, j]: output[i, j] = 255 elif binary_image[i, j] == 255: output[i, j] = 255 return output ``` ### 三、使用形态学重建实现空洞填充 另一种实现空洞填充的方法是基于形态学重建。该方法以原图像的补集作为 Mask，使用黑色图像作为初始 Marker，并通过连续膨胀操作直至收敛，最终对 Marker 取补集即可得到填充结果[^4]。 其具体步骤如下： 1. 生成原图像的补集作为 Mask。 2. 创建一个与图像大小相同的黑色图像作为初始 Marker。 3. 对 Marker 进行连续膨胀操作，同时限制膨胀范围在 Mask 内。 4. 最终对 Marker 取补集，得到填充空洞的图像。 以下是基于 NumPy 和 SciPy 的实现代码： ```python import numpy as np from scipy import ndimage as ndi def morphology_fill_holes(binary_image): # 生成补集 mask = ~binary_image.astype(bool) # 创建 Marker（黑色图像） marker = np.zeros_like(binary_image) marker[1:-1, 1:-1] = 1 # 中间区域设为前景 # 形态学重建 filled = ndi.binary_propagation(marker, mask=mask, structure=np.ones((3, 3))) # 取补集得到填充结果 return (~filled).astype(np.uint8) * 255 ``` ### 三、使用 OpenCV 实现空洞填充 OpenCV 提供了 `floodFill` 函数，可用于实现空洞填充。该方法通过从图像边缘的背景像素出发，填充所有与背景相连的区域，然后通过逻辑运算提取前景[^3]。 ```python import cv2 import numpy as np def opencv_fill_holes(binary_image): h, w = binary_image.shape mask = np.zeros((h + 2, w + 2), np.uint8) im_floodfill = binary_image.copy() cv2.floodFill(im_floodfill, mask, (0, 0), 255) im_floodfill_inv = cv2.bitwise_not(im_floodfill) filled_image = binary_image | im_floodfill_inv return filled_image ``` --- ###