根据皮肤镜图片对皮肤病变种类进行分类是一个常规的研究话题，在深度学习时代，会将标注好的数据进行训练，学习皮肤病变的特征，而图片中常常会有毛发干扰，这是我们不需要的特征，也不希望网络学习到这个特征，因此在数据预处理阶段，可以使用一些传统图像处理算法对图像进行处理。
2 方法首先将图像转为灰度
定义一个十字的kernel，对灰度图进行黑帽（形态学）操作
利用阈值分割得到mask
利用opencv的inpaint方法对图像修复
3 代码 import cv2 def DHR(imgpath,outpath): src = cv2.imread(imgpath) grayScale = cv2.cvtColor(src, cv2.COLOR_RGB2GRAY ) cv2.imwrite("grey.jpg",grayScale) kernel = cv2.getStructuringElement(cv2.MORPH_CROSS,(10,10)) blackhat = cv2.morphologyEx(grayScale, cv2.MORPH_BLACKHAT, kernel) cv2.imwrite("blackhat.jpg",blackhat) ret,thresh2 = cv2.threshold(blackhat,10,255,cv2.THRESH_BINARY) cv2.imwrite("threshold.jpg",thresh2) dst = cv2.inpaint(src,thresh2,1,cv2.INPAINT_TELEA) cv2.imwrite(outpath, dst, [int(cv2.IMWRITE_JPEG_QUALITY), 100]) 4 结果依次是原图、灰度图、黑帽操作、mask、利用mask图像修复