Заполнение дыр внутри двоичного объекта

Сделать это можно двумя способами:

1) Контурное заполнение:

Сначала переверните изображение, найдите на нем контуры, залейте его черным цветом и переверните обратно.

des = cv2.bitwise_not(gray)
contour,hier = cv2.findContours(des,cv2.RETR_CCOMP,cv2.CHAIN_APPROX_SIMPLE)

for cnt in contour:
    cv2.drawContours(des,[cnt],0,255,-1)

gray = cv2.bitwise_not(des)

Полученное изображение:

2) Открытие изображения:

kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3))
res = cv2.morphologyEx(gray,cv2.MORPH_OPEN,kernel)

Полученное изображение выглядит следующим образом:

Как видите, особой разницы в обоих случаях нет.

NB: серый - изображение в оттенках серого, все коды в OpenCV-Python

Я полагаю, что простое расширение и эрозия довольно хорошо закрыли бы пробелы. Я думаю, может быть, это то, что вы ищете.

Более надежным решением было бы обнаружение краев на всем изображении, а затем грубое преобразование для кругов. Быстрый поиск в Google показывает, что на разных языках доступны образцы кода для инвариантного по размеру определения кругов с помощью преобразования hough, так что, надеюсь, это поможет вам продолжить работу.

Преимущество использования преобразования Хафа заключается в том, что алгоритм фактически даст вам оценку размера и местоположения каждого круга, поэтому вы можете восстановить идеальное изображение на основе этой модели. Он также должен быть очень устойчивым к перекрытию, особенно с учетом качества входного изображения здесь (то есть меньше беспокойства о ложных срабатываниях, поэтому можно снизить порог для результатов).

Возможно, вы ищете преобразование заливки, приложение морфологического изображения реконструкция.

Это преобразование заполнит дыры в ваших монетах, даже если они заполнят все дыры между группами соседних монет. Пространство Хафа или решения на основе открытия, предложенные другими плакатами, вероятно, дадут вам лучшие результаты распознавания на высоком уровне.

Если кто-то ищет реализацию cpp -

            std::vector<std::vector<cv::Point> > contours_vector;

            cv::findContours(input_image, contours_vector, CV_RETR_LIST, CV_CHAIN_APPROX_NONE);

            cv::Mat contourImage(input_image.size(), CV_8UC1, cv::Scalar(0));
            for ( ushort contour_index = 0; contour_index < contours_vector.size(); contour_index++) {
                cv::drawContours(contourImage, contours_vector, contour_index, cv::Scalar(255), -1);
            }

            cv::imshow("con", contourImage);
            cv::waitKey(0);

Попробуйте использовать функцию cvFindContours (). Вы можете использовать его для поиска подключенных компонентов. С правильными параметрами эта функция возвращает список с контурами каждого соединенного компонента.

Найдите контуры, которые представляют отверстие. Затем используйте cvDrawContours (), чтобы заполнить выбранный контур цветом переднего плана, закрывая тем самым дыры.

Я думаю, что если предметы будут касаться или переполнены, возникнут некоторые проблемы с использованием контуров и открытия математической морфологии. Вместо этого найдено и проверено следующее простое решение. Он работает очень хорошо, и не только для этих изображений, но и для любых других изображений.

вот шаги (оптимизированные), как показано в http://blogs.mathworks.com/steve/2008/08/05/filling-small-holes/

let I: входное изображение

1. filled_I = floodfill(I). // fill every hole in the image.
2. inverted_I = invert(I)`.   
3. holes_I = filled_I AND inverted_I. // finds all holes 
4. cc_list = connectedcomponent(holes_I) // list of all connected component in holes_I.
5. holes_I = remove(cc_list,holes_I, smallholes_threshold_size) // remove all holes from holes_I having size > smallholes_threshold_size.
6. out_I = I OR holes_I. // fill only the small holes.

Короче говоря, алгоритм состоит в том, чтобы просто найти все дыры, удалить большие, а затем записать маленькие только на исходном изображении.

Я искал в Интернете, чтобы найти подходящую функцию imfill (как в Matlab), но работаю на C с OpenCV. После некоторых исследований я наконец нашел решение:

IplImage* imfill(IplImage* src)
{
    CvScalar white = CV_RGB( 255, 255, 255 );

    IplImage* dst = cvCreateImage( cvGetSize(src), 8, 3);
    CvMemStorage* storage = cvCreateMemStorage(0);
    CvSeq* contour = 0;

    cvFindContours(src, storage, &contour, sizeof(CvContour), CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE );
    cvZero( dst );

    for( ; contour != 0; contour = contour->h_next )
    {
        cvDrawContours( dst, contour, white, white, 0, CV_FILLED);
    }

    IplImage* bin_imgFilled = cvCreateImage(cvGetSize(src), 8, 1);
    cvInRangeS(dst, white, white, bin_imgFilled);

    return bin_imgFilled;
}

Для этого: исходное двоичное изображение.

Результат: Окончательное двоичное изображение

Уловка заключается в настройке параметров функции cvDrawContours: cvDrawContours (dst, contour, white, white, 0, CV_FILLED);

• dst = изображение назначения
• contour = указатель на первый контур
• белый = цвет, используемый для заливки контура
• 0 = Максимальный уровень для нарисованных контуров. Если 0, рисуется только контур
• CV_FILLED = Толщина линий, по которым нарисованы контуры. Если он отрицательный (например, = CV_FILLED), внутренняя часть контура прорисовывается.

Больше информации в документации openCV.

Вероятно, есть способ получить "dst" напрямую как двоичное изображение, но я не мог найти, как использовать функцию cvDrawContours с двоичными значениями.