基于行程标记的快速连通域提取实现

一直在使用halcon进行图像处理，但本人更倾向于自己写算法，所以也一直在使用Opencv。对于halcon，其连通域的处理相当方便，所以一直想用Opencv来实现这样的功能。由于最近项目以及对后续转用Opencv的想法，利用工作之余的时间查了些资料，再结合自己的一些想法，用Opencv实现了这项功能。

最开始在网上找了些方法，例如1）Two-Pass法；2）Seed-Filling种子填充法[1] ,这两种方法容易理解，都是基于8连通或者4连通的基础，但效率相当低。后来找了几篇论文，提到了基于行程的提取方式，只需要对图像进行单次扫描就可以实现连通域的提取。所谓基于行程，其实就是在每一行中，一个连续的区域，其起始到结束，相对于图像最左侧起始端的距离。具体理解可以看参考论文[2][3][4]。但实现方式多样，有的基于二叉树数据结构来构建连通域，有的基于多叉树。本篇博文，主要是基于双向列表。下面介绍连通域结构的定义，最后贴上伪码。

一、数据结构：

//连通域结构定义，此结构对应于每一行中连通的区域
typedef struct stRegion
{
	int row;    //行号
	int begin;    //区域在行中的起始列
	int end;    //区域在行中的结束列
	int prevNum;    
	int nextNum;
	stRegion* prev;
	stRegion* next;
	stRegion* header;
	stRegion* tail;
	int label;//仅供表头使用
	bool ispaint;
	
}Region;

//连通域集合
typedef struct stRegions
{
private:
	vector<OCVRegion*> arr;
}Regions;

二、算法原理：

扫描每一行，对每行中的连通域进行标记，每一行的每一个连通域对应于一个Region结构。然后，对前一行与当前行的连通域进行比较，如果两个连通域的行程，也即它们的起始和终止点之间的区域有重合的情况，如下图所示，1和2,5和6之间就是重合的关系。如果当前Region与上一行Region有重合，如果是第一次，则创建一个空的Region结构，将上一行Region的next指向当前行Region，将当前行Region的prev指向上一行Region，然后将空的Region的next指向当前行Region，作为表头，同时给空的Region的label赋上当前行号。再创建一个空的Region,其next指向上一行Region，作为表底。然后将表头压入Regions中

如果不是第一次，则有新的Region，则插入表中，然后更新表头的指向，直至扫描结束。最终Regions中压入的表头，就是一个连通区域，通过表头可以遍历整个区域在图像中的每一行，进而进行其他的运算。

三、伪码

---

Require lastRow：Region指针数组，用于存放上一行连通区域结构

Require label：连通标记号

Require currentRow：Region指针数组，用于存放当前行连通区域结构

def Connection(image):

normalize(image) 

for y in image's rows   do

    for x in image's cols   do
        if pixel value equal to 1 
            创建新 region 同时设置 reigon.begin as x
            继续扫描直到像素等于 0 同时设置 region.end as x-1 
        endif
        for n in lastRow  do
            if lastRow 与 region重合
                if lastRow.header == region.header==null
                    创建列表，及表头，将表头压入Regions中
                else if lastRow.header!=null && region.header==null
                    将region加入列表的前头，并将列表header指向它
                else if lastRow.header==null && region.header!=null
                    将lastRow加入region当前列表头，并将列表header指向它
                else if lastRow.header!=null && region.header!=null
                    若是两个表，则合并
                endif
            endif
        endfor
    endfor
    将当前行的所有Region都赋给LastRow
endfor

输出Regions

 

---

四、效率

这里不做严谨的实验，只说说大概的效率，对于如下图像(500万原生图像)

 

处理效果：

时间在300ms左右。效率还可以提高，期待下篇博文。

参考：

[1].https://blog.csdn.net/icvpr/article/details/10259577 OpenCV_连通区域分析（Connected Component Analysis-Labeling）

[2].快速连通域分析算法及其实现. 著； 孙斌 ，模式识别与人工智能

[3].基于快速连通域分析的目标特征提取算法. 著；张恒，胡文龙，丁赤飙

[4].A run-based two-scan labeling algorithm[J].JEEE Transaction on Image Processing, 2008,17(5)