OpenCV中的新函数connectedComponentsWithStats使用

主要内容：对比新旧函数，用于过滤原始图像中轮廓分析后较小的区域，留下较大区域。

关键字    ：connectedComponentsWithStats

 

在以前，常用的方法是 ”是先调用 cv::findContours() 函数（传入cv::RETR_CCOMP 标志），随后在得到的连通区域上循环调用 cv::drawContours() “

比如，我在GOCVHelper中这样进行了实现

//寻找最大的轮廓

     VP  FindBigestContour( Mat  src){    

         int  imax = 0;  //代表最大轮廓的序号

         int  imaxcontour = -1;  //代表最大轮廓的大小

         std:: vector< std:: vector< Point>> contours;    

         findContours( src, contours, CV_RETR_LIST, CV_CHAIN_APPROX_SIMPLE);

         for ( int  i=0; i< contours. size(); i++){

             int  itmp =   contourArea( contours[ i]); //这里采用的是轮廓大小

             if ( imaxcontour <  itmp ){

                 imax =  i;

                 imaxcontour =  itmp;

            }

        }

         return  contours[ imax];

    }

 

     //寻找并绘制出彩色联通区域

     vector< VP>  connection2( Mat  src, Mat&  draw){    

         draw =  Mat:: zeros( src. rows, src. cols, CV_8UC3);

         vector< VP> contours;    

         findContours( src. clone(), contours, CV_RETR_LIST, CV_CHAIN_APPROX_SIMPLE);

         //由于给大的区域着色会覆盖小的区域，所以首先进行排序操作

         //冒泡排序，由小到大排序

         VP  vptmp;

         for( int  i=1; i< contours. size(); i++){

             for( int  j= contours. size()-1; j>= i; j--){

                 if ( contourArea( contours[ j]) <  contourArea( contours[ j-1]))

                {

                     vptmp =  contours[ j-1];

                     contours[ j-1] =  contours[ j];

                     contours[ j] =  vptmp;

                }

            }

        }

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,                 // input 8-bit single-channel (binary)

     cv:: OutputArray  labels,                // output label map

     int              connectivity = 8,      // 4- or 8-connected components

     int              ltype        =  CV_32S  // Output label type (CV_32S or CV_16U)

    );

 

int  cv::connectedComponentsWithStats (

     cv::InputArrayn  image,                 // input 8-bit single-channel (binary)

     cv:: OutputArray  labels,                // output label map

     cv:: OutputArray  stats,                 // Nx5 matrix (CV_32S) of statistics:

                                                           // [x0, y0, width0, height0, area0;

                                                           //  ... ; x(N-1), y(N-1), width(N-1),

                                                            // height(N-1), area(N-1)]

     cv:: OutputArray  centroids,             // Nx2 CV_64F matrix of centroids:

                                                            // [ cx0, cy0; ... ; cx(N-1), cy(N-1)]

     int              connectivity = 8,      // 4- or 8-connected components

     int              ltype        =  CV_32S  // Output label type (CV_32S or CV_16U)

    );

其中，新出现的参数

stats：长这样

分别对应各个轮廓的x,y,width,height和面积。注意0的区域标识的是background

而 centroids则对应的是中心点

而label则对应于表示是当前像素是第几个轮廓

例子：

对于图像

     Mat img = cv::imread( "e:/sandbox/rect.png",0); 

     cv:: Mat   img_edge,  labels,  img_color,  stats, centroids;

     cv:: threshold( img,  img_edge, 128, 255,  cv:: THRESH_BINARY);

     bitwise_not( img_edge, img_edge);

     cv:: imshow( "Image after threshold",  img_edge);

 

     int  i,  nccomps =  cv:: connectedComponentsWithStats (

         img_edge,  labels,

         stats,  centroids

        );

     cout <<  "Total Connected Components Detected: " <<  nccomps <<  endl;

 

     vector< cv:: Vec3b>  colors( nccomps+1);

     colors[0] =  Vec3b(0,0,0);  // background pixels remain black.

     for(  i = 1;  i <  nccomps;  i++ ) {

         colors[ i] =  Vec3b( rand()%256,  rand()%256,  rand()%256);

         if(  stats. at< int>( i,  cv:: CC_STAT_AREA) < 200 )

             colors[ i] =  Vec3b(0,0,0);  // small regions are painted with black too.

    }

     img_color =  Mat:: zeros( img. size(),  CV_8UC3);

     for(  int  y = 0;  y <  img_color. rows;  y++ )

         for(  int  x = 0;  x <  img_color. cols;  x++ )

        {

             int  label =  labels. at< int>( y,  x);

             CV_Assert(0 <=  label &&  label <=  nccomps);

             img_color. at< cv:: Vec3b>( y,  x) =  colors[ label];

        }

     cv:: imshow( "Labeled map",  img_color);

     cv:: waitKey();

注意：

1、对于OpenCV来说，白色代表有数据，黑色代表没有数据，所以图像输入之前要转换成”黑底白图“

2、看 labels 和  stats,其中第1 2 6 个的面积小于200

而labels中

完全对的上号,结果为