PROSAGA码农传奇-图像索引-检测材料

<div class =“post-text”itemprop =“text”>
  
    我认为你正在寻找的是一种形态学上的近距离操作。
  
   <pre>
 <code>
 from PIL import Image
import cv2
import matplotlib.pyplot as plt

img = Image.open('./n2JCm.png')

img_np = np.array(img)

img_np_rgb = cv2.cvtColor(AA,cv2.COLOR_RGBA2RGB)

plt.figure(figsize=(35,35))
plt.imshow(cv2.morphologyEx(img_np_rgb,cv2.MORPH_CLOSE,np.ones((2,2)),iterations=10))

</code>
 </pre>
  
    你会得到这样的东西：

<a href="https://i.stack.imgur.com/BnXPH.png" rel="nofollow noreferrer">
      <img src =“https://i.stack.imgur.com/BnXPH.png”alt =“在此处输入图片说明”/>
    </A>
  
  
    那应该摆脱你的小污垢。
  
  
    我也会尝试使用KMeans或DBScan进行群集
  
   <pre>
 <code>
 from sklearn import cluster

model = cluster.KMeans(3)

plt.figure(figsize=(35,35))
plt.imshow(model.fit_predict(img_np_rgb.reshape((-1,3))).reshape(img_np_rgb.shape[:2]))

</code>
 </pre>
  
    <a href="https://i.stack.imgur.com/QBNFe.png" rel="nofollow noreferrer">
      <img src =“https://i.stack.imgur.com/QBNFe.png”alt =“在此处输入图片说明”/>
    </A>
  
  
    或其他一些聚类算法。
  
</DIV>