山东大学暑期项目实训(六)
确定了要用寻找图像最大的连通域的方法来进行图像的去小邻域的去噪方法后,接下来的想法是将matlab的代码转换成python的,因为项目的主要代码是python,这样一来方便后续的统一接口。
所以接下来要做的便是寻找python中的提取图像最大连通域的方法。
link
从这里看到的方法
from skimage.measure import label
def largestConnectComponent(bw_img, ):
'''
compute largest Connect component of a binary image
Parameters:
---
bw_img: ndarray
binary image
Returns:
---
lcc: ndarray
largest connect component.
Example:
---
>>> lcc = largestConnectComponent(bw_img)
'''
labeled_img, num = label(bw_img, neighbors=4, background=0, return_num=True)
# plt.figure(), plt.imshow(labeled_img, 'gray')
max_label = 0
max_num = 0
for i in range(1, num+1): # 这里从1开始,防止将背景设置为最大连通域
if np.sum(labeled_img == i) > max_num:
max_num = np.sum(labeled_img == i)
max_label = i
lcc = (labeled_img == max_label)
return lcc
然后是另外的寻找
link
import cv2
import time
import numpy as np
from skimage import measure
image = cv.imread("test.jpg")
_, temp_bin = cv2.threshold(image, 126, 255, cv2.THRESH_BINARY)
# 做闭操作:去掉小范围点和线的影响提升连通区域计算速度
img = cv2.morphologyEx(temp_bin, cv2.MORPH_CLOSE, self.kernel)
# 获取连通区域
label_image = measure.label(img)
self.temps['boxs'].clear()
# 循环得到每一个连通区域属性集,参数较多,具体可以查看源码
for region in measure.regionprops(label_image, cache=False):
if 100 < region.area < 1000: # 忽略极小/极大区域
rect = dict(zip(('top', 'left', 'bottom', 'right'), region.bbox))
area = region.area # region.convex_area
那么python的opencv苦衷确实是有相应的函数的实现,那么接下来完成matlab到python到代码转换就可以了。