泛洪填充

彩色图像填充

""" 泛洪填充 """
import cv2
import numpy as np

img = cv2.imread('img.jpg')
cv2.namedWindow('Image', cv2.WINDOW_AUTOSIZE)
cv2.imshow('Image', img)
# 使用的截断，获取shape的前两个属性
w, h = img.shape[0:2]
# 注意mask遮罩层为0 类型为一个uint8 比原始图像长宽都多2
mask = np.zeros([w + 2, h + 2], dtype=np.uint8)
""" floodFill 的参数为 （源图像，遮罩层，开始点，最大负差值，最大正差值，标志位） 当标志位设置为 FLOODFILL_FIXED_RANGE 时，表示考虑当前像素与种子像素之差，否则考虑当前像素与相邻像素之差 当标志位设置为 FLOODFILL_MASK_ONLY 时，函数不会去改变原始图像 而是去填充掩码图像mask """
cv2.floodFill(img, mask, (100, 100), (255, 0, 0), (100, 100, 100), (200, 200, 200), flags=cv2.FLOODFILL_FIXED_RANGE)
cv2.imshow('flood Image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果展示

关于flag的思考

当标志位设置为 FLOODFILL_FIXED_RANGE 时，表示考虑当前像素与种子像素之差，否则考虑当前像素与相邻像素之差
这里我更换了一张图像 以便更好的说明

• 情况一

# 当函数里面设定flags=cv2.FLOODFILL_FIXED_RANGE
cv2.floodFill(img, mask, (10, 10), (125, 255, 255), (100, 100, 100), (100, 100, 100), flags=cv2.FLOODFILL_FIXED_RANGE)

效果图如下

• 情况二

# 不带flags 参数
cv2.floodFill(img, mask, (10, 10), (125, 255, 255), (100, 100, 100), (100, 100, 100))

效果图

参考博客

1. 图像分割经典算法–《泛洪算法》（Flood
   Fill）
2. ROI和泛洪填充
3. Python+OpenCV图像处理（六）—— ROI与泛洪填充
4. opencv学习之路（31）、GrabCut & FloodFill图像分割