多目标区域的图像分割算法

主要是对一张图像上的多目标区域进行切割的一系列算法，其中涉及彩色图像的阈值分割、图像二值化、双边滤波去噪、图像孔洞填充、面积阈值去噪、边缘颗粒去除、对比原图的遍历替换、目标区域的位置检测以及轮廓检测、最小外接矩形画框以及按照框的大小对框选目标进行切割。

# -*- coding: utf-8 -*-
“““
Created on Fri Oct 18 16:06:32 2019

@author: 大浪淘沙
“““

def delect（image）:
    
    for i in range（3000）:
        for j in range（4096）:
            for k in range（3）:
                #img[i][j][k] = 255
            
                if int（image[i][j][1]）-int（image[i][j][0]） >=22:
                    image[i][j] = 0
                    if int（image[i][j][0]） <= 20:
                        image[i][j] = 0
                        
    return image
img1 = delet（img）
cv2.namedWindow（‘Image‘ 0）
cv2.resizeWindow（‘Image‘ 682 500）
#在窗口中显示图像
cv2.imshow（‘Image‘ img1）
#最后还要一句代码，使窗口可以一直保持住
cv2.waitKey（0）



#整体图像分割算法

import cv2 
import numpy as np
from PIL import Image

img = cv2.imread（‘K:/opencv/delet739.png‘ 0）
img1 = cv2.imread（‘K:/test_png/1.4/739.png‘）


#缩放
rows cols channels = img1.shape



#二值化
ret thresh1 = cv2.threshold（img 20 255 cv2.THRESH_BINARY） 
cv2.namedWindow（‘th1‘ 0）
cv2.resizeWindow（‘th1‘ 682 500）
cv2.imshow（‘th1‘ thresh1）
cv2.waitKey（0）


#双边滤波+填充
blur = cv2.bilateralFilter（thresh1 9 80 80）
fill = blur.copy（）
h w = blur.shape[: 2]
mask = np.zeros（（h+2 w+2） np.uint8）
cv2.floodFill（fill mask （90 90） 255）;
fill_INV = cv2.bitwise_not（fill）
fill_out = blur | fill_INV
    
cv2.namedWindow（‘fill_out_img‘ 0）
cv2.resizeWindow（‘fill_out_img‘ 682 500）
cv2.imshow（‘fill_out_img‘ fill_out）
#cv2.imwrite（‘K:/opencv/tianchong.png‘ fill_out）
cv2.waitKey（0）


#腐蚀膨胀
dilate=cv2.dilate（fill_out None iterations=1）
cv2.namedWindow（‘pengzhang‘ 0）
cv2.resizeWindow（‘pengzhang‘ 682 500）
cv2.imshow（‘pengzhang‘ dilate）
cv2.waitKey（0）

erode=cv2.erode（dilateNoneiterations=1）

cv2.namedWindow（‘fushi‘ 0）
cv2.resizeWindow（‘fushi‘ 682 500）
cv2.imshow（‘fushi‘ erode）
cv2.waitKey（0）

def baweraopen（imagesize）:
    ‘‘‘
    @image:单通道二值图，数据类型uint8
    @size:欲去除区域大小（黑底上的白区域）
    ‘‘‘
    output=image.copy（）
    nlabels labels stats centroids = cv2.connectedComponentsWithStats（image）
    for i in range（1nlabels-1）:
        regions_size=stats[i4]
        if regions_size            x0=stats[i0]
            y0=stats[i1]
            x1=s