openCV之connectedComponents()计算二值图像的连通域标记图像

最新推荐文章于 2024-07-01 20:57:48 发布
最新推荐文章于 2024-07-01 20:57:48 发布
阅读量8.2k 收藏 10
点赞数
分类专栏： openCV 文章标签： openCV
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011479336/article/details/91561482
版权

int cv::connectedComponents
(
InputArray image,
OutputArray labels,
int connectivity,
int ltype,
int ccltype
)
功能：该函数用以计算二值图像的连通域标记图像
说明：对于4-连通或者8-连通图像，返回N（即所有标签的数目[0 N-1],其中0表示背景的标签），Itype指定了输出标签图像的类型，主要依赖于总的标签数目或者原始图像中总的像素数。ccItype指定了采用哪种连通域标记算法，当前包括Grana(BBDT)和Wu’s(SA
UF)算法。其中SAUF是以行为主序的标记方法而BBDT不是。这个函数采用并行模式当至少一种允许的并行模式被激活且图像行数至少是getNumberOfCPUs返回值的两倍。
参数：
image：用于标记的8位单通道图像
labels：标记的目标图像
connectivity：4连通或8连通
Itype：输出图像的标记类型，当前只支持CV_32U和CV_16U
ccItype：标记连通域的算法类型
注：无

zhangweiwei1516
关注
专栏目录
OpenCV每日函数 结构分析和形状描述符(2) 二值图像连通域分析函数ConnectedComponentsWithStats
学以致用 知行合一
07-21 3171
计算二值图像的连接组件标记图像，并为每个标签生成统计输出。 具有 4 或 8 路连接的图像 - 返回 N，标签总数 [0, N-1] 其中 0 表示背景标签。 ltype 指定输出标签图像类型，这是基于标签总数或源图像中像素总数的重要考虑因素。 ccltype 指定要使用的连接组件标记算法，目前支持 Bolelli (Spaghetti)、Grana (BBDT)和 Wu's (SAUF)算法，详情请参阅 ConnectedComponentsAlgorithmsTypes。...
OpenCV自学记录（6）——python实现连通域处理函数cv2.connectedComponentsWithStats（）和cv2.connectedComponents（）
热门推荐
qq_40784418的博客
05-09 5万+
OpenCV自学记录（6）——连通域处理函数cv2.connectedComponentsWithStats（）和cv2.connectedComponents（）1、两个函数介绍1.1什么是连通域1.2cv2.connectedComponents（）1.3cv2.connectedComponentsWithStats（）2、代码实践3、总结 1、两个函数介绍 总得来说，connectedComponents()仅仅创建了一个标记图（图中不同连通域使用不同的标记，和原图宽高一致），connectedCo
OpenCV学习(二十一) ：计算图像连通分量:connectedComponents(),connectedComponentsWithStats()
Leon_Chen的博客
09-18 5788
OpenCV学习(二十一) ：计算图像连通分量:connectedComponents(),connectedComponentsWithStats() 1、connectedComponents()函数 计算二值图像中为图像的连通分量标注（标记） int cv::connectedComponents( cv::InputArrayn image, // inpu...
【OpenCV】连通域处理函数cv2.connectedComponentsWithStats和cv2.connectedComponents
豆芽菜
10-09 9206
connectedComponents()仅仅创建了一个标记图（图中不同连通域使用不同的标记，和原图宽高一致），connectedComponentsWithStats()可以完成上面任务，除此之外，还可以返回每个连通区域的重要信息–bounding box, area, andcentroid。
cv2.connectedComponentsWithStats中连通性和输出图像标签的类型
最新发布
bj_zhb的博客
07-01 997
通过上述代码，可以看到使用不同输出类型得到的组件标签和数量。根据具体的应用场景选择适当的标签类型。如果你预计图像中连通组件数量较多，可以选择。函数用于标记图像中的连通组件，并计算每个组件的统计信息。这个函数可以使用4连通性或8连通性来确定哪些像素属于同一个组件。通过上述代码，可以看到使用不同连通性得到的组件数量和标记结果。根据具体的应用场景选择适当的连通性。是指在图像处理中，像素如何与其邻近像素连接。参数指定了输出图像标签的类型。，它只与上下左右四个方向的像素相连。，它与其所有八个方向的像素相连。
OpenCV4.4.0 ConnectedComponents连通区域计算
qq_40041064的博客
12-16 3978
连通区域计算：功能很强大，比计算轮廓好用 cv::connectedComponents(InputArray img_, OutputArray _labels, int connectivity, int ltype); 参数分别为：输入图像，输出图像，连通区域计算方式（4连通 or 8连通），图像类型（CV_16U or CV_32S） 应用实例：识别图像中的物理像素点 原图 ...
【opencv】示例-connected_components.cpp 连通组件检测
cxyhjl的博客
04-06 381
#include <opencv2/core/utility.hpp> // 包含OpenCV核心功能相关的头文件 #include "opencv2/imgproc.hpp" // 包含OpenCV图像处理相关的头文件 #include "opencv2/imgcodecs.hpp" // 包含OpenCV图像编码解码相关的头文件 #include "opencv2/highgui....
浅谈OpenCV中的新函数connectedComponentsWithStats用法
09-16
主要介绍了浅谈OpenCV中的新函数connectedComponentsWithStats用法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
liantongyu.rar_opencv 连通域_opencv 连通域_连通域
07-14
在OpenCV中，连通域检测通常用于分割和标记图像中的各个独立部分，例如在二值图像中找出所有的白色或黑色区域。 连通域检测的基本步骤如下： 1. **预处理**：首先，可能需要对原始图像进行预处理，例如二值化。二...
【图像处理】CCL算法--二值图的连通域提取
gongdiwudu的专栏
05-21 6597
术语连通分量标记 (CCL) 的使用及其定义在学术文献中非常一致，而连通分量分析 (CCA-connected component Algorithm) 在术语定义方面各不相同，类似的算法也不少。这里介绍建立在二值化图的连通分量分析。
【OpenCV 4开发详解】图像连通域分析
小白学视觉
02-09 2010
本文首发于“小白学视觉”微信公众号，欢迎关注公众号 本文作者为小白，版权归人民邮电出版社发行所有，禁止转载，侵权必究！ 经过几个月的努力，小白终于完成了市面上第一本OpenCV 4入门书籍《OpenCV 4开发详解》。为了更让小伙伴更早的了解最新版的OpenCV 4，小白与出版社沟通，提前在公众号上连载部分内容，请持续关注小白。 图像的连通域是指图像中具有相同像素值并且位置相邻的像素组成的...
connected-components-docs:连接组件的文档
03-21
Zeplin连接组件文档 :puzzle_piece: Zeplin中的Connected Components使开发人员可以直接在设计中访问其代码库中的组件-链接到Storybook，GitHub和基于您的工作流的任何其他文档来源。 将Zeplin中的组件连接到代码中的组件之后，您将可以在设计上获得组件的高级概述，如下所示： 入门 要开始使用，请查看快速入门指南： 有关更多详细信息，请参见针对特定框架/平台的手动配置指南： 连接组件后，请查看以下后续指南： ，例如GitHub，GitLab，Bitbucket ，例如内部设计系统Wiki 其他相关文件： 外挂程式 连接组件的构建考虑了模块化和可扩展性。插件会生成文档，代码段，链接等内容以显示在Zeplin中-根据您喜欢的语言，平台和工具来选择所需的插件。 姓名 描述 由...制作 为React和React Native组件生成文档，摘要 生成Angular组件的
连通分量
weixin_30551963的博客
10-25 115
Connected Components Write a program which reads relations in a SNS (Social Network Service), and judges that given pairs of users are reachable each other through the network. Input In the first l...
Connected Components
Love_xyh的博客
09-21 394
对并查集做前后缀和。 对于并查集的前后缀中的节点i来说，如果它在前缀后所属的连通块与它在后缀中所属的连通块不同，那么说明i就是前后缀两个不同连通块的连接点，所以可以把前后缀的两个不同连通块，并为同一连通块。 之后就是求连通块个数即可。 #include <bits/stdc++.h> using namespace std; const int M=1e4+5,N=505; int n,m,xx,yy,ans,q,x,y; int u[M],v[M],l[M][N],r[M][N],f[N];
OpenCV中的轮廓提取新函数connectedComponentsWithStats的使用
道可盗经常盗
01-07 9385
转自：https://www.cnblogs.com/jsxyhelu/p/7439655.html 在OpenCV3中有了新的专门的函数 cv::connectedComponents() 和函数 cv::connectedComponentsWithStats() 定义： int  cv::connectedComponents (     cv::InputArrayn image...
opencv [c++] 连通域分析connectedComponentsWithStats() 和 connectedComponents()
NCUTer
06-23 7244
labels ：对原始图中的每一个像素都打上标签，背景为0，连通域打上1，2，3。。。的标签，同一个连通域的像素打上同样的标签。相当与对每一个像素进行了分类（分割） 2.设置连通域 connectedComponentsWithStats（） 精简版【参考网上资料】： connectedComponents()用的较少，和上述用法大致相同。...............
GraphX之Connected Components
子清的博客
11-26 660
在Spark Graphx的org.apache.spark.graphx.lib包中有一些常用的图算法，其中一个就是Connected Components，本文将会介绍此算法的使用方法，下面是spark 1.6.3源码中对这个算法的注释： Compute the connected component membership of each vertex and return a graph with the vertex value containing the lowest vertex id in
Spark GraphX之ConnectedComponents
jiandanbuguo的博客
11-29 2274
图的连通性介绍 无向图 顶点的连通性 在一个无向图 G 中，若从顶点 i 到顶点 j 有路径相连（当然从 j 到 i 也一定有路径），则称 i 和 j 是连通的。 连通图 在一个无向图 G 中，如果图中任意两点都是连通的，那么图被称作连通图 连通分量 无向图G的极大连通子图称为G的连通分量( Connected Component)，这里的极大是指顶点个数极大。任何连通图的连通分量只有一个，即是其自身，非连通的无向图有多个连通分量 有向图 弱连通图 有向图的底图（无向图）是连通图，则是弱连通图。简单来
Connected Components(连通分量)
wqq的博客
07-18 1万+
题目链接：https://cn.vjudge.net/problem/Aizu-ALDS1_11_D 题目大意:通过输入的朋友关系，从指定人物出发通过双向朋友链是否能抵达目标任务； 归结为求图中各连通分量。用邻接表来存图。通过dfs或bfs遍历图,给各连通图的点分配不同的颜色以便于区分。下面以dfs为例。 代码如下: #include <iostream> #include <c...
python二值图像连通域
09-07
Python中可以使用OpenCV库来处理二值图像的连通域。 首先，你需要确保安装了OpenCV库。你可以使用以下命令来安装： ``` pip install opencv-python ``` 然后，你可以使用以下代码来找到二值图像中的连通域： ```python import cv2 # 读取二值图像 image = cv2.imread('binary_image.png', cv2.IMREAD_GRAYSCALE) # 进行连通域标记 num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(image, connectivity=8) # 打印连通域数量 print(f"总共有 {num_labels} 个连通域") # 循环遍历连通域的统计信息 for label in range(1, num_labels): # 跳过背景标签0 # 获取连通域的统计信息 left = stats[label][0] top = stats[label][1] width = stats[label][2] height = stats[label][3] area = stats[label][4] # 打印连通域的位置、大小和面积 print(f"连通域 {label}: 左上角坐标({left}, {top})，宽度 {width}，高度 {height}，面积 {area}") # 绘制连通域的边界框 cv2.rectangle(image, (left, top), (left + width, top + height), (0, 255, 0), 2) # 显示标记后的图像 cv2.imshow('Connected Components', image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在上述代码中，我们首先使用`cv2.imread`函数读取二值图像。然后，我们使用`cv2.connectedComponentsWithStats`函数找到图像中的连通域。这个函数返回连通域的数量、标记图像、每个连通域的统计信息和质心。 我们可以通过`stats`数组获取每个连通域的统计信息，例如左上角坐标、宽度、高度和面积。然后，我们可以使用这些信息来绘制连通域的边界框。 最后，我们使用`cv2.imshow`函数显示标记后的图像，并使用`cv2.waitKey`和`cv2.destroyAllWindows`函数等待用户关闭窗口。 请注意，上述代码中的'binary_image.png'是你要处理的二值图像的路径，请确保将其替换为实际的图像路径。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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