FloodFill泛洪填充算法是在很多图形绘制软件中常用的填充算法,通常来说是自动选中与种子像素(参考像素)相关的区域,然后利用指定的颜色进行区域颜色替换,可用于标记或分离图像的某些部分,所以这个算法也算是对图形的一种分割。Windows附件中的绘图中的油漆桶功能就是用这个算法实现的,如下图所示:
Floodfill算法的原理很简单,就是从一个点(这个点称为种子像素/参考像素)开始遍历,满足其限制条件的区域(一般用颜色值作为限制),填充成新的颜色,直到封闭区域内的所有像素点都被填充成新颜色为止。
下面分割线间的话摘自网络,有助于更进一步理解此算法:
-----------------------------------------------------------------------------
”漫水填充:也就是用一定颜色填充联通区域,通过设置可连通像素的上下限以及连通方式来达到不同的填充效果;漫水填充经常被用来标记或分离图像的一部分以便对其进行进一步处理或分析,也可以用来从输入图像获取掩码区域,掩码会加速处理过程,或只处理掩码指定的像素点,操作的结果总是某个连续的区域。
种子填充算法
种子填充算法是从多边形区域内部的一点开始,由此出发找到区域内的所有像素。
种子填充算法采用的边界定义是区域边界上所有像素具有某个特定的颜色值,区域内部所有像素均不取这一特定颜色,而边界外的像素则可具有与边界相同的颜色值。
具体算法步骤:
标记种子(x,y)的像素点 ;
检测该点的颜色,若他与边界色和填充色均不同,就用填充色填充该点,否则不填充 ;
检测相邻位置,继续 2。这个过程延续到已经检测区域边界范围内的所有像素为止。
当然在搜索的时候有两种检测相邻像素:四向连通和八向连通。四向连通即从区域上一点出发,通过四个方向上、下、左、右来检索。而八向连通加上了左上、左下、右上、右下四个方向。这种算法的有点是算法简单,易于实现,也可以填充带有内孔的平面区域。但是此算法需要更大的存储空间以实现栈结构,同一个像素多次入栈和出栈,效率低,运算量大。
扫描线种子填充算法
该算法属于种子填充算法,它是以扫描线上的区段为单位操作。所谓区段,就是一条扫描线上相连着的若干内部象素的集合。扫描线种子填充算法思想:首先填充当前扫描线上的位于给定区域的一区段,然后确定于这一区段相邻的上下两条线上位于该区域内是否存在需要填充的新区段,如果存在,则依次把他们保存起来,反复这个过程,直到所保存的各区段都填充完毕。 “
-----------------------------------------------------------------------------
OpenCV提供了floodFill函数用来实现FloodFill泛洪填充算法,下面详细介绍这个函数。
这个函数c++的原型有两个,如下所示:
①int floodFill(InputOutputArray image, InputOutputArray mask, Point seed, Scalar newVal, Rect* rect, Scalar loDiff, Scalar upDiff, int flags)
②int floodFill(InputOutputArray image, Point seed, Scalar newVal, Rect* rect, Scalar loDiff, Scalar upDiff, int flags)
下面分别介绍两个原型中的参数:
第①个原型中的参数含义如下:
image:输入图像,1通道或3通道,8bit或浮点型数据,如果想不改变原图像,则需要在flags中设置相应位为CV_FLOODFILL_MASK_ONLY
mask:掩码输出图像,单通道8bit图像,算法要求比输入图像的长和宽多两个像素,泛洪填充的区域就填充到mask中作为输出。mask既是输入,也是输出,所以一般要对mask作初始化,怎么做初始化呢?泛洪算法不能穿过mask中的非零点,举个例子来说,如果你的mask是某图像的边缘提取,那么这些边缘就相当于对填充作了一个大致限制,因为泛洪算法在填充是不能跨过这些边缘的;由于有这个特性,那么在多次调用泛洪算法作填充时,已经填充的部分会因为是非零值而不会被反复填充。
seed:种子像素/参考像素,以此点作为基准备作填充。
newVal:填充颜色值,当然如果只填充mask,则这个值表示的是灰度值。
rect:可选参数,如果不想设置,就定义一个空的rect就行。用于设置最小填充边界。
loDiff和upDiff:当flag中的相应标志设为CV_FLOODFILL_FIXED_RANGE 时,待处理的像素点与种子点作比较,如果满足(s – lodiff , s + updiff)之间(s为种子点像素值),则填充此像素。若无此位设置,则将待处理点与已填充的相邻点作此比较。
flags:算法参数标志位。0~7位为0x04或者0x08,即4连通或者8 连通;8~15位为填充mask的值大小 , 若为0 , 则默认用1填充;16~23位为 : CV_FLOODFILL_FIXED_RANGE =(1 <<
16), CV_FLOODFILL_MASK_ONLY =(1 << 17) 至于CV_FLOODFILL_FIXED_RANGE和CV_FLOODFILL_MASK_ONLY 具体的含义是什么,上面的参数介绍中已经说明了,这里不再赘述。
第②个原型中的参数含义如下:
很明显,其实第②个原型只比第①个原型只少了一个mask参数,当然也是最难理解的参数。由于少了这个参数,那么显然原图会因为填充被改变,此时flag中的CV_FLOODFILL_MASK_ONLY 是无效的!
下面给出代码实例(代码中用到的图像的下载链接:外链网址已屏蔽):
//OpenCV版本3.0.0
//交流QQ2487872782
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include
using namespace cv;
using namespace std;
// 初识化参数
Mat image, gray, mask;
int ffillMode_1 = 1;//设置是否采用CV_FLOODFILL_FIXED_RANGE模式
int ffillMode_2 = 0;//设置是否对原图填充
int loDiff = 20, upDiff = 20;//CV_FLOODFILL_FIXED_RANGE的低高限制值
int connectivity = 4;//遍历方法-四连通or八连通
int isColor = true;//彩色模色还是灰度模式选择
bool useMask = true;//是否用mask这个参数
int newMaskVal = 255;//使用mask时,对mask更新时填充的灰度值
// 鼠标响应函数
static void onMouse(int event, int x, int y, int, void*)
{
if (event != CV_EVENT_LBUTTONDOWN)
return;
// floodfill参数设置
Point seed = Point(x, y);
int lo = ffillMode_1 == 0 ? 0 : loDiff;
int up = ffillMode_1 == 0 ? 0 : upDiff;
int flags = connectivity + (newMaskVal << 8) +
(ffillMode_1 == 1 ? CV_FLOODFILL_FIXED_RANGE : 0)+(ffillMode_2 == 1 ? FLOODFILL_MASK_ONLY : 0);
// 颜色分量随机选取
int b = (unsigned)theRNG() & 255;
int g = (unsigned)theRNG() & 255;
int r = (unsigned)theRNG() & 255;
Rect ccomp;
// 颜色选择
Scalar newVal = isColor ? Scalar(b, g, r)
: Scalar(r*0.299 + g*0.587 + b*0.114);
Mat dst = isColor ? image : gray;
int area;
// 根据标志位选择泛洪填充
if (useMask)
{
// 阈值化操作
//threshold(mask, mask, 1, 128, CV_THRESH_BINARY);
area = floodFill(dst, mask, seed,
newVal, &ccomp, Scalar(lo, lo, lo),
Scalar(up, up, up), flags);
imshow("mask", mask);
}
else
{
// 泛洪填充
area = floodFill(dst, seed, newVal, &ccomp,
Scalar(lo, lo, lo),
Scalar(up, up, up), flags);
}
imshow("image", dst);
}
int main()
{
cv::Mat srcImage = cv::imread("sea.jpg");
if (srcImage.empty())
return 0;
srcImage.copyTo(image);
cvtColor(srcImage, gray, CV_BGR2GRAY);
mask.create(srcImage.rows + 2, srcImage.cols + 2, CV_8UC1);
mask = Scalar::all(0);
// 鼠标响应回调函数
namedWindow("image", 0);
setMouseCallback("image", onMouse, 0);
for (;;)
{
imshow("image", isColor ? image : gray);
int c = waitKey(0);
if (c == 27) //ESC的码值为27
{
cout << "Exiting ...\n";
break;
}
if (c == 'r')//复位
{
cout << "Original image is restored\n";
srcImage.copyTo(image);
cvtColor(image, gray, CV_BGR2GRAY);
mask = Scalar::all(0);
}
}
return 0;
}
运行结果如下图所示:
-------------------------------------------
欢迎大家加入图像识别技术交流群:271891601,另外,特别欢迎成都从事图像识别工作的朋友交流,我的QQ号2487872782