Kategorien

← View All Tools

Morphologisches Schließen von Bildern

Wendet morphologische Schließoperation an (Dilatation gefolgt von Erosion), um kleine Löcher zu füllen und benachbarte Objekte zu verbinden

Click to upload file or drag and drop file here

Maximum file size: 10MB Supported formats: image/jpeg, image/png, image/webp, image/gif, image/bmp, image/tiff

Beste Ergebnisse mit binären (schwarz-weißen) Bildern oder Bildern mit zu füllenden Löchern

Anzahl der Schließoperationen, die angewendet werden. Mehr Iterationen = stärkere Füllung von Löchern

Größe des zu verwendenden morphologischen Kernels

Wichtige Fakten

Kategorie
Design
Eingabetypen
file, number, select
Ausgabetyp
file
Sample-Abdeckung
4
API verfügbar
Yes

Überblick

Das morphologische Schließen von Bildern ist ein leistungsstarkes Werkzeug zur Bildverarbeitung, das durch eine Kombination aus Dilatation und anschließender Erosion kleine Löcher in Objekten füllt und nahe beieinanderliegende Strukturen verbindet.

Wann verwenden

  • •Wenn Sie binäre Bilder bereinigen möchten, indem Sie kleine Störpixel oder Löcher innerhalb von Objekten entfernen.
  • •Wenn Sie unterbrochene Linien oder fragmentierte Objekte in einem Bild zu einer zusammenhängenden Form verbinden müssen.
  • •Wenn Sie die Konturen von Objekten glätten wollen, um sie für eine präzisere Analyse oder Segmentierung vorzubereiten.

So funktioniert es

  • •Laden Sie Ihr Bild hoch, das vorzugsweise in Schwarz-Weiß oder als binäre Maske vorliegt.
  • •Wählen Sie die Anzahl der Iterationen, um die Stärke des Schließvorgangs anzupassen.
  • •Wählen Sie die Kernelgröße (Standard 3x3 oder Groß 5x5), um den Bereich der morphologischen Operation zu definieren.
  • •Starten Sie den Prozess, um das optimierte Bild direkt herunterzuladen.

Anwendungsfälle

Vorbereitung von OCR-Daten durch das Schließen von Lücken in gescannten Textzeichen.
Bereinigung von Segmentierungsmasken in der medizinischen Bildverarbeitung.
Verbindung von Objekten in binären Karten für eine genauere Flächenberechnung.

Beispiele

1. OCR-Optimierung bei gescannten Dokumenten

Daten-Archivar
Hintergrund
Ein Stapel alter, gescannter Dokumente weist durch den Druckprozess kleine Lücken in den Buchstaben auf, was die Texterkennung (OCR) erschwert.
Problem
Die unterbrochenen Zeichen führen zu Fehlern bei der automatisierten Texterfassung.
Verwendung
Laden Sie das gescannte Bild hoch und wählen Sie 1 Iteration mit dem Standard-Kernel.
Beispielkonfiguration
iterations: 1, kernelType: default
Ergebnis
Die Lücken in den Buchstaben werden geschlossen, wodurch die OCR-Software den Text deutlich präziser erkennt.

2. Segmentierung von Objekten in Satellitenbildern

Geograph
Hintergrund
In einer binären Karte von Waldgebieten sind durch Rauschen kleine Löcher innerhalb der Waldflächen entstanden.
Problem
Die Löcher verfälschen die Berechnung der tatsächlichen Waldfläche.
Verwendung
Laden Sie die binäre Karte hoch und verwenden Sie den großen Kernel, um die Löcher effizient zu füllen.
Beispielkonfiguration
iterations: 2, kernelType: large
Ergebnis
Die Waldflächen erscheinen als zusammenhängende, geschlossene Polygone ohne störende Löcher.

Mit Samples testen

image, png, jpg
Web Python Bildverarbeitung Beispiele
Web Python Bildverarbeitungsbeispiele mit PIL/Pillow einschließlich Lesen, Speichern, Skalieren und Formatkonvertierung
title token image
image
Windows C++ Bildverarbeitung Beispiele
Windows C++ Bildverarbeitungsbeispiele einschließlich Bild-Laden/Speichern, Größenänderung und Formatkonvertierung mit Windows Imaging Component
title token image
image
Web Rust Bildverarbeitungsbeispiele
Web Rust Bildverarbeitungsbeispiele einschließlich Lesen/Schreiben, Skalierung und Formatkonvertierung
title token image
image
Bildverarbeitung macOS Objective-C - Beispiele
macOS Objective-C Bildverarbeitungsbeispiele einschließlich Bild-Lesen/Schreiben, Bild-Skalierung und Formatkonvertierung
title token image
image

Verwandte Hubs

Image-Convert-Tools
Entdecken Sie 100 image-Tools für convert-Workflows und vergleichen Sie ähnliche Utilities schnell.
Image-Tools
Entdecken Sie 40 image-Tools für utility-Workflows und vergleichen Sie ähnliche Utilities schnell.
Json-Convert-Tools
Entdecken Sie 100 json-Tools für convert-Workflows und vergleichen Sie ähnliche Utilities schnell.
Audio-Convert-Tools
Entdecken Sie 100 audio-Tools für convert-Workflows und vergleichen Sie ähnliche Utilities schnell.

FAQ

Was genau macht die Schließoperation?

Sie führt zuerst eine Dilatation aus, um Objekte zu vergrößern und Lücken zu schließen, und anschließend eine Erosion, um die ursprüngliche Objektgröße weitgehend beizubehalten.

Welche Bildformate werden unterstützt?

Das Tool unterstützt gängige Formate wie JPEG, PNG, WebP, GIF, BMP und TIFF.

Warum sollte ich die Iterationen erhöhen?

Mehr Iterationen verstärken den Effekt, was nützlich ist, wenn die zu füllenden Löcher oder Lücken besonders groß sind.

Was ist der Unterschied zwischen Standard- und großem Kernel?

Ein größerer Kernel (5x5) wirkt sich auf eine größere Nachbarschaft aus, was bei größeren Lücken im Bild effektiver ist als der Standard-Kernel (3x3).

Funktioniert das Tool auch mit Farbbildern?

Das Tool ist für binäre Bilder optimiert. Bei Farbbildern wird das Ergebnis möglicherweise nicht wie erwartet ausfallen, da die Operation auf Helligkeitswerten basiert.

API-Dokumentation

Request-Endpunkt

POST /de/api/tools/image-close

Request-Parameter

Parameter-Name Typ Erforderlich Beschreibung
imageFile file (Upload erforderlich) Ja Beste Ergebnisse mit binären (schwarz-weißen) Bildern oder Bildern mit zu füllenden Löchern
iterations number Nein Anzahl der Schließoperationen, die angewendet werden. Mehr Iterationen = stärkere Füllung von Löchern
kernelType select Nein Größe des zu verwendenden morphologischen Kernels

Dateitypparameter müssen erst über POST /upload/image-close hochgeladen werden, um filePath zu erhalten, dann filePath an das entsprechende Dateifeld übergeben.

Antwortformat

{
  "filePath": "/public/processing/randomid.ext",
  "fileName": "output.ext",
  "contentType": "application/octet-stream",
  "size": 1024,
  "metadata": {
    "key": "value"
  },
  "error": "Error message (optional)",
  "message": "Notification message (optional)"
}
Datei: Datei

MCP-Dokumentation

Fügen Sie dieses Tool zu Ihrer MCP-Server-Konfiguration hinzu: 

{
  "mcpServers": {
    "elysiatools-image-close": {
      "name": "image-close",
      "description": "Wendet morphologische Schließoperation an (Dilatation gefolgt von Erosion), um kleine Löcher zu füllen und benachbarte Objekte zu verbinden",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=image-close",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

Sie können mehrere Tools verketten, z.B.: `https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`, maximal 20 Tools.

Unterstützt URL-Dateilinks oder Base64-Codierung für Dateiparameter.

Wenn Sie auf Probleme stoßen, kontaktieren Sie uns bitte bei [email protected]