之前一直使用Skimage中的形態學處理來進行孤立小區域的去除，程式碼如下

img = morphology.remove_small_objects(img, size)
img = morphology.remove_small_holes(img, size)

後面需要將相應演算法翻譯到C++環境中，而Skimage沒有對應的C++版本，為了確保python演算法和C++演算法結果的一致性，需要進行遷移，因而打算使用OpenCV來重寫去除孤立小區域的程式碼。程式碼如下：

 _,binary = cv2.threshold(img,0.1,1,cv2.THRESH_BINARY)
  image,contours,hierarch=cv2.findContours(binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
    for i in range(len(contours)):
        area = cv2.contourArea(contours[i])
        if area < threshold:
            cv2.drawContours(image,[contours[i]],0,0,-1)
 

其中對於輸入影象img首先使用閾值處理獲得二值化影象，cv2.threshold表示進行閾值二值化處理，0.1是設定的閾值(img是0-1影象)，1表示影象中的最大值，cv2.THRESH_BINARY表示影象處理的方法，在openCv中有如下記錄

然後使用findContours，用來獲得二值化影象的輪廓資訊，findContours中cv2.RETR_EXTERNAL是表示輪廓獲取方式，是表示內圈的輪廓不需要進行獲取，cv2.CHAIN_APPROX_NONE表示是輪廓曲線記錄的方式，CHAIN_APPROX_NONE表示記錄所有的輪廓點，具體的引數說明可以參看：

然後，後面的contourArea是用來獲取輪廓所包圍的面積，threshold是面積閾值，當小於該閾值時認為是孤立小區域，需要去除

最後drawContours是對孤立小區域進行去除的方式，去除操作比較簡單，就是往這些區域裡面填充為0即可，drawContours的參量可參考如下：

這裡，drawContours的第一個參量是輸入待處理影象，第二個參量是將要處理的孤立區域輪廓Vector，第三個參量是表示輪廓的座標，這裡為0表示contours的第一個，第四個參量表示填充的數值，這裡是integer的情況下則表明是灰度圖，填充為1，而最後一個參量為-1，是thickness，表明按照填充方式處理該輪廓圍繞的區域