联通组件扫描
图像联通组件标记概念
- 图像联通组件(CCL)
- 四领域与八领域
扫描联通组件的常见算法
- 概念
联通组件标记算法 (connected component labeling algorithm) 是图像分析中最常用的算法之一,算法的实质是扫描二值图像的每个像素点,对于像素值相同的而且相互连通分为相同的组(group),最终得到图像中所有的像素连通组件。扫描的方式可以是从上到下,从左到右,对于一幅有N个像素的图像来说,最大连通组件个数为N/2。扫描是基于每个像素单位,OpenCV中进行连通组件扫码调用的时候必须保证背景像素是黑色、前景像素是白色 - 基于像素扫描的方法
- 基于块扫描的方法
- 两步法扫描(最常用):基于扫描与等价类合并算法
原二值图:
第一步:(从上到下,从左到右,扫描像素点,并进行标记,统计等价队列标签)
第二步:(选择每个等价队列标签中最小的标签作为联通组件的标签)
- DT算法 : 决策表 + 模板
- BBDT算法,OpenCV中采用算法
API: OpenCV中支持连通组件扫描的API有两个,一个是带统计信息connectedComponentsWithStats
一个不带统计信息connectedComponents
//不带统计信息
int cv::connectedComponents(
InputArray image, // 输入二值图像,黑色背景
OutputArray labels, // 输出的标记图像,背景index=0
int connectivity = 8, // 连通域,默认是8连通
int ltype = CV_32S // 输出的labels类型,默认是CV_32S
)
//带统计信息
int cv::connectedComponentsWithStats(
InputArray image, // 输入二值图像,黑色背景
OutputArray labels, // 输出的标记图像,背景index = 0
OutputArray stats, // 统计信息,包括每个组件的位置、宽、高与面积
OutputArray centroids, // 每个组件的中心位置坐标cx, cy
int connectivity, // 寻找连通组件算法的连通域,默认是8连通
int ltype, // 输出的labels的Mat类型CV_32S
int ccltype // 连通组件算法
)
其中stats包括以下枚举类型数据信息:
CC_STAT_LEFT :组件的左上角点像素点坐标的X位置
CC_STAT_TOP :组件的左上角点像素点坐标的Y位置
CC_STAT_WIDTH:组件外接矩形的宽度
CC_STAT_HEIGHT:组件外接矩形的高度
CC_STAT_AREA :当前连通组件的面积(像素单位)
- 实例
//不带统计信息
int main(int argc, char **argv) {
Mat src = imread("F:/code/images/rice.png");
CV_Assert(!src.empty());
namedWindow("input", WINDOW_AUTOSIZE);
imshow("input", src);
//高斯滤波 : 一般先进行高斯滤波,会得到较好的处理效果
GaussianBlur(src, src, Size(3,3), 0);
//得到灰度图
Mat gray, binary;
cvtColor(src, gray, COLOR_RGB2GRAY);
imshow("gray", gray);
//得到二值图
threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);
imshow("binary", binary);
//联通组件求解
//不带统计信息的API : connectedComponents
Mat labels = Mat::zeros(binary.size(), CV_32S);
int num_labels = connectedComponents(binary, labels, 8, CV_32S, CCL_DEFAULT);//CCL_DEFAULT 是使用的 CCL_GRANA (BBDT)
printf("total labels: %d\n", num_labels - 1);//ps:返回值label的个数是包含背景色的,因此减1才是前景label的个数
//color table
vector<Vec3b> colorTable(num_labels);
//background color 黑色
colorTable[0] = Vec3b(0, 0, 0);
//front color 随机颜色
for (int i = 1; i < num_labels; i++) {
colorTable[i] = Vec3b(rng.uniform(0, 256), rng.uniform(0, 256), rng.uniform(0, 256));
}
//用colorTable 对 labels 进行着色
Mat result = Mat::zeros(src.size(), src.type());
int w = result.cols;
int h = result.rows;
for (int row = 0; row < h; row++) {
for (int col = 0; col < w; col++) {
int label = labels.at<int>(row, col);
result.at<Vec3b>(row, col) = colorTable[label];
}
}
putText(result, format("number:%d", num_labels - 1), Point(50, 50), FONT_HERSHEY_PLAIN, 1.0, Scalar(0,255,0), 1, LINE_AA);
imshow("CCL demo", result);
//带统计信息的API
ccl_stats_demo(binary);
waitKey(0);
destroyAllWindows();
return 0;
}
//带统计信息:写到一个函数里面
void ccl_stats_demo(Mat &binary) {
Mat labels = Mat::zeros(binary.size(), CV_32S);
Mat stats, centroids;
int num_labels = connectedComponentsWithStats(binary, labels, stats, centroids, 8, CV_32S, CCL_DEFAULT);
//color table
vector<Vec3b> colorTable(num_labels);
//background color 黑色
colorTable[0] = Vec3b(0, 0, 0);
//front color 随机颜色
for (int i = 1; i < num_labels; i++) {
colorTable[i] = Vec3b(rng.uniform(0, 256), rng.uniform(0, 256), rng.uniform(0, 256));
}
//用colorTable 对 labels 进行着色
Mat result = Mat::zeros(binary.size(), CV_8UC3);
int w = result.cols;
int h = result.rows;
for (int row = 0; row < h; row++) {
for (int col = 0; col < w; col++) {
int label = labels.at<int>(row, col);
result.at<Vec3b>(row, col) = colorTable[label];
}
}
//获取信息 并进行绘制
for (int i = 1; i < 2; i++) {
//center position
int cx = centroids.at<double>(i, 0);
int cy = centroids.at<double>(i, 1);
//rectangle and area
int x = stats.at<int>(i, CC_STAT_LEFT);
int y = stats.at<int>(i, CC_STAT_TOP);
int width = stats.at<int>(i, CC_STAT_WIDTH);
int height = stats.at<int>(i, CC_STAT_HEIGHT);
printf("width:%d,height:%d\n", width, height);
int area = stats.at<int>(i, CC_STAT_AREA);
//绘制中心
circle(result, Point(cx, cy), 3, Scalar(0,0,255), 2, 8, 0);
//外接矩形
Rect box(x, y, width, height);
rectangle(result, box, Scalar(0, 255, 0), 1, 8, 0);
putText(result, format("%d", area), Point(x, y + height +10), FONT_HERSHEY_PLAIN, 1.0, Scalar(255, 255, 255), 1, LINE_AA);
}
putText(result, format("number:%d", num_labels - 1), Point(50, 50), FONT_HERSHEY_PLAIN, 1.0, Scalar(0, 255, 0), 1, LINE_AA);
imshow("CCL2 demo", result);
}
思考
我们已经找到了二值图中所有的联通组件,那么这些联通组件互相之间有什么关系呢,是包含还是独立,还是具有其他一些关系?我们怎么进行发现呢?