连通域外接矩形_Opencv从零开始 - 「进阶篇」- 连通组件标记和状态统计

最新推荐文章于 2023-03-21 00:05:53 发布

weixin_39846361

最新推荐文章于 2023-03-21 00:05:53 发布

阅读量425

点赞数

文章标签：连通域外接矩形

本文链接：https://blog.csdn.net/weixin_39846361/article/details/112628752

版权

本文深入探讨了图像分析中的连接组件标记算法，介绍了cv2.connectedComponents及其使用方法，包括连通组件的定义、函数参数及示例。同时讲解了连通组件的状态统计，如外接矩形信息、面积统计等，并提供了相关函数cv2.connectedComponentsWithStats的用法。文章以实际示例展示，便于理解。

摘要由CSDN通过智能技术生成

✒️ 连接组件是图像分析中最常用的算法之一，本文主要介绍如何使用该方法进行组件标记，同时还可以运用其实现状态统计，具体内容可以详细阅读下文~

连通组件

连通组件标记

✔️ 概念： 连接组件标记算法(connected component labeling algorithm)是图像分析中最常用的算法之一，算法的实质是扫描二值图像的每个像素点，对于像素值相同的而且相互连通分为相同的组(group),最终得到图像中所有的像素连通组件。

✔️ 函数： retval, labels =cv2.connectedComponents(image, connectivity, ltype)

输入

image, // 输入二值图像，黑色背景
connectivity = 8, // 连通域，默认是8连通
ltype = CV_32, // 输出的labels类型，默认是CV_32S

输出

retval, //num_labels
labels, // 输出的标记图像，背景index=0

✔️ 示例：

import cv2 as cvimport numpy as npsrc = cv.imread("pill.png")

src

src = cv.GaussianBlur(src, (3, 3), 0)gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)cv.imshow("binary", binary)cv.imwrite('binary.png', binary)output = cv.connectedComponents(binary, connectivity=8, ltype=cv.CV_32S)num_labels = output[0]print(num_labels)  # output: 5labels = output[1]# 构造颜色colors = []for i in range(num_labels):    b = np.random.randint(0, 256)    g = np.random.randint(0, 256)    r = np.random.randint(0, 256)    colors.append((b, g, r))colors[0] = (0, 0, 0)# 画出连通图h, w = gray.shapeimage = np.zeros((h, w, 3), dtype=np.uint8)for row in range(h):    for col in range(w):        image[row, col] = colors[labels[row, col]]cv.imshow("colored labels", image)cv.imwrite("labels.png", image)print("total componets : ", num_labels - 1)cv.waitKey(0)cv.destroyAllWindows()

colored labels

连通组件状态统计

✔️ 函数： retval, labels, stats, centroids=cv2.connectedComponentsWithStats(image, connectivity, ltype )

相关的统计信息包括在输出stats的对象中，每个连通组件有一个这样的输出结构体.

CC_STAT_LEFT: 连通组件外接矩形左上角坐标的X位置信息
CC_STAT_TOP: 连通组件外接左上角坐标的Y位置信息
CC_STAT_WIDTH: 连通组件外接矩形宽度
CC_STAT_HEIGHT: 连通组件外接矩形高度
CC_STAT_AREA: 连通组件的面积大小，基于像素多少统计
Centroids输出的是每个连通组件的中心位置坐标(x, y)

✔️ 示例：

import cv2 as cvimport numpy as npsrc = cv.imread("granule.png")

src

src = cv.GaussianBlur(src, (3, 3), 0)gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)ret, binary_ = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)# 使用开运算去掉外部的噪声kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))binary = cv.morphologyEx(binary_, cv.MORPH_OPEN, kernel)cv.imshow("binary", binary_)num_labels, labels, stats, centers = cv.connectedComponentsWithStats(binary, connectivity=8, ltype=cv.CV_32S)colors = []for i in range(num_labels):    b = np.random.randint(0, 256)    g = np.random.randint(0, 256)    r = np.random.randint(0, 256)    colors.append((b, g, r))colors[0] = (0, 0, 0)image = np.copy(src)for t in range(1, num_labels, 1):    x, y, w, h, area = stats[t]    cx, cy = centers[t]    # 标出中心位置    cv.circle(image, (np.int32(cx), np.int32(cy)), 2, (0, 255, 0), 2, 8, 0)    # 画出外接矩形    cv.rectangle(image, (x, y), (x+w, y+h), colors[t], 1, 8, 0)    cv.putText(image, "No." + str(t), (x, y), cv.FONT_HERSHEY_SIMPLEX, .5, (0, 0, 255), 1);    print("label index %d, area of the label : %d"%(t, area))    cv.imshow("colored labels", image)    cv.imwrite("labels.png", image)    print("total number : ", num_labels - 1)input = cv.imread("granule.png")connected_components_stats_demo(input)