from skimage import measure import cv2 import numpy as np ## ##image:二值图像 ##threshold_point:符合面积条件大小的阈值 def remove_small_points(image,threshold_point): img = cv2.imread(image, 0) #输入的二值图像 img_label, num = measure.label(img, neighbors=8, return_num=True)#输出二值图像中所有的连通域 props = measure.regionprops(img_label)#输出连通域的属性,包括面积等 resMatrix = np.zeros(img_label.shape) for i in range(1, len(props)): if props[i].area > threshold_point: tmp = (img_label == i + 1).astype(np.uint8) resMatrix += tmp #组合所有符合条件的连通域 resMatrix *= 255 return resMatrix res = remove_small_points(image,threshold_point)
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 震惊!C++程序真的从main开始吗?99%的程序员都答错了
· winform 绘制太阳,地球,月球 运作规律
· 【硬核科普】Trae如何「偷看」你的代码?零基础破解AI编程运行原理
· 上周热点回顾(3.3-3.9)
· 超详细:普通电脑也行Windows部署deepseek R1训练数据并当服务器共享给他人