opencv学习笔记13-opencv连通组件标记实现硬币计数

一、函数原型：

CV_EXPORTS_W int connectedComponentsWithStats(InputArray image, OutputArray labels,
 OutputArray stats, OutputArray centroids, int connectivity = 8, int ltype = CV_32S);

二、函数作用：

• connectedComponentsWithStats 函数用于标记输入图像中的所有连通组件（connected components），并提供每个连通组件的统计信息和质心（centroids）。

三、参数列表：

• image：输入的8位单通道二值图像，即图像应该是单色（灰度），并且只包含前景（通常是白色，像素值为255）和背景（通常是黑色，像素值为0）。
• labels：目的地图像，用于输出标记后的图像。每个连通组件都会被分配一个唯一的标签。
• stats：输出数组，包含每个连通组件的统计信息。可以通过 stats(label, COLUMN) 访问，其中 COLUMN 是 ConnectedComponentsTypes 枚举类型之一，用于选择统计数据。数据类型为 CV_32S（32位有符号整数）。
• centroids：输出数组，包含每个连通组件的质心坐标。可以通过 centroids(label, 0) 访问x坐标，通过 centroids(label, 1) 访问y坐标。数据类型为 CV_64F（64位浮点数）。
• connectivity：连通性选项，可以是8或4，分别代表8-way（八连通）或4-way（四连通）。
• ltype：输出标签图像的数据类型。目前支持 CV_32S（32位有符号整数）和 CV_16U（16位无符号整数）。

四、返回值：

• 函数返回标记的连通组件的数量，包括背景作为一个单独的组件。

五、连通组件分析：

• 连通组件分析是一种基本的图像分割技术，用于将图像分割成多个区域或对象。

六、使用场景：

• 该函数通常用于图像预处理、特征提取、图像分割和对象计数等任务。

七、数据类型说明：

• 统计数据和质心的输出数据类型分别为 CV_32S 和 CV_64F，这确保了足够的精度和范围。

八、连通性选项：

• 8-way连通性考虑水平、垂直和对角线方向的连接，而4-way连通性只考虑水平和垂直方向。

九、示例代码：

#include <opencv2/core/utils/logger.hpp>
#include <opencv2/opencv.hpp>
#include <opencv2/videoio.hpp>
#include <opencv2/objdetect.hpp>
#include <opencv2/highgui/highgui_c.h>
#include <iostream>
using namespace cv;
using namespace std;

//计数硬币，改进版
int main()
{
	utils::logging::setLogLevel(utils::logging::LOG_LEVEL_SILENT);// 设置日志级别为不输出任何日志信息(通过隐藏日志的方式，不打印此信息)
	//读取图片
	Mat srcMat = imread("C:\\Users\\86173\\Desktop\\TI\\Coin0.jpg");

	//判断读取图片是否失败
	if (srcMat.empty()) {
		cout << "fail to read pic!" << endl;
		return 0;
	}

	//转化为灰度图
	Mat gryMat;
	cvtColor(srcMat, gryMat, COLOR_BGRA2GRAY);

	//定义图像容器
	Mat stats;
	Mat centroids;
	Mat labels;
	Mat thresh_Mat;
	Mat dilate_Mat;

	//定义结构元素
	Mat element = getStructuringElement(MORPH_RECT, Size(5, 5), Point(-1, -1));

	//大津法处理图像
	threshold(gryMat, thresh_Mat, 100, 255, THRESH_OTSU);

    //图像形态学处理膨胀
	dilate(thresh_Mat, dilate_Mat, element, Point(-1, -1), 2);
	
    //连通组件的数量
	int nComp = connectedComponentsWithStats(dilate_Mat, labels, stats, centroids, 8, CV_32S);

	//减去背景0，并输出
	cout << "硬币个数为：" << nComp - 1 << endl;

	//对识别出的连通域加最小外接边框
	for (int i = 1;i < nComp;i++)
	{
		//定义Rect类
		Rect sign;
		sign.x = stats.at<int>(i, 0);//连通域外接矩形左上角的x坐标（列）
		sign.y = stats.at<int>(i, 1);// 连通域外接矩形左上角的y坐标（行）。
		sign.width = stats.at<int>(i, 2);//连通域外接矩形的宽度。
		sign.height = stats.at<int>(i, 3);//连通域外接矩形的高度。

		rectangle(thresh_Mat, sign, 255, 1, 8, 0);
	}

	//将标签图转换为8位图像
	Mat label8U;
	normalize(labels, label8U, 0, 255, NORM_MINMAX, CV_8U);
	imshow("大津法二值化", thresh_Mat);
	imshow("原图像", srcMat);
	imshow("灰度图", gryMat);
	imshow("膨胀图像", dilate_Mat);
	imshow("标签图", label8U);

	
	waitKey(0);
	destroyAllWindows();
	return 0;

}

十、运行结果：