CV1——二值图像分析之连通域_二值化图像连通域寻找u形-CSDN博客

本文链接：https://blog.csdn.net/freedom098/article/details/52641301

在计算机视觉课程中，本文探讨了二值图像分析的重点——连通域查找和标记。介绍了两种方法：递归算法，通过深度搜索对1像素标记并遍历邻域；以及序贯算法，利用从左到右、从上到下的遍历，通过等价表更新来处理连通区域。这两种方法各有优缺点，递归算法效率较低，而序贯算法则以空间换取时间效率。

摘要由CSDN通过智能技术生成

最近选修了计算机视觉的有关课程，主要目的就是系统地学习一下计算机视觉的有关知识。之前涉及到了一些，但是主要是结合opencv的学习，功能上只会调库，而没有深入思考背后的原理及实现，这次算是补课了。

首先从最简单的二值图像分析开始，这里主要介绍了一个比较重要的知识点，就是如何寻找连通域并标记。

第一种方法就是递归算法，其实可以算作是一种深度搜索，先把原有的图像二值化为0与1，然后把所有1的部分置为-1，这样做的目的是为了区别之后标记类别所要用的1，然后开始遍历，对于像素值为-1的点，首先要进行标记，然后在其邻域进行递归搜索，这里不需要返回处理，因为当一个值周围在没有未标记的-1点，说明邻域已经寻找完毕，退出搜索。值得注意的是，这个算法之所以效率不高，原因是一旦搜索完了一片邻域之后，需要重新再来一遍重新寻找搜索的起始点。

第二种方法是以空间换时间，称为序贯算法，主要思路是，进行从左至右，从上至下的遍历，遍历过程中分情况讨论，其中当上方和左方标记不一致的时候，则需要一步更新等价表的操作，等价表其实就是记录一下哪些虽然标号不同，但是实际可以可以连在一起的相邻区域。

#encoding=utf-8
import numpy as np

class FindConnectedDomain(object):

    def __init__(self):
        pass

    def baseMethod(self,image):

        dir = [[1,0],[-1,0],[0,1],[0,-1]] # 方向向量
        m, n = im