连通区域分析法

连通区域分析是图像处理中的关键技术,常用于前景目标的提取。该方法首先要求图像二值化,然后可以结合膨胀处理连接小区域。`cv2.connectedComponents`函数能获取所有连通域的数量和标记,而`cv2.connectedComponentsWithStats`则额外提供连通域的统计信息,如外接矩形和质心。这些信息在后续的图像分析和处理任务中非常有用。
摘要由CSDN通过智能技术生成

用途:

在需要将前景目标提取出来以便后续进行处理的应用场景中都能够用到连通区域分析方法,通常连通区域分析处理的对象是一张二值化后的图像

前提处理:可以先进行效果更好的分割和预处理操作,然后再进行不同的区域连通判断

或者也可以进行膨胀处理,将一些较小的区域或者相似的区域进行连接;

一、

num_objects, labels = cv2.connectedComponents(image)
参数:image:也就是输入图像,必须是二值图,即8位单通道图像。
返回值:num_labels:所有连通域的数目
               labels:图像上每一像素的标记,用数字1、2、3…表示(不同的数字表示不同的连通     域)

二、

cv2.connectedComponentsWithStats()
这个函数的作用是对一幅图像进行连通域提取,并返回找到的连通域的信息:retval、labels、stats、centroids

num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(image, connectivity=8, ltype=None)
参数:
image:也就是输入图像,必须是二值图,即8位单通道图像。
connectivity:可选值为4或8,也就是使用4连通还是8连通。
ltype:输出图像标记的类型,目前支持CV_32S 和 CV_16U。 
返回值:
num_labels:所有连通域的数目
labels:图像上每一像素的标记,用数字1、2、3…表示(不同的数字表示不同的连通域)
stats:每一个标记的统计信息,是一个5列的矩阵,每一行对应每个连通区域的外接矩形的x、y、width、height和面积
centroids:连通域的中心点
 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值