连通区域计数
用一个矩阵表示图片,元素大于0.5表示黑色,元素小于0.5表示白色,以下代码给出了黑色连通区域的数目与白色联通区域的数目
/*
基于连通区域分析的C++代码示例,用于对二值图像进行连通区域分析,提取出所有的联通区域,并计算联通区域的数量。
*/
#include <iostream>
#include <vector>
using namespace std;
// 定义一个函数,用于递归访问联通区域
void dfs(const vector<vector<double>> &img, vector<vector<bool>> &visited, int x, int y)
{
visited[x][y] = true;
int dx[] = {-1, 0, 1, 0};
int dy[] = {0, -1, 0, 1};
for (int k = 0; k < 4; k++)
{
int nx = x + dx[k];
int ny = y + dy[k];
if (nx >= 0 && nx < img.size() && ny >= 0 && ny < img[0].size() && !visited[nx][ny])
{
// 当前像素值大于0.5时为黑色区域,小于等于0.5时为白色区域
if ((img[x][y] > 0.5 && img[nx][ny] > 0.5) || (img[x][y] <= 0.5 && img[nx][ny] <= 0.5))
{
dfs(img, visited, nx, ny);
}
}
}
}
// 定义一个函数,用于进行连通区域分析
pair<int, int> connectedComponents(const vector<vector<double>> &img)
{
int rows = img.size();
int cols = img[0].size();
vector<vector<bool>> visited(rows, vector<bool>(cols, false));
int blackCount = 0;
int whiteCount = 0;
for (int i = 0; i < rows; i++)
{
for (int j = 0; j < cols; j++)
{
if (!visited[i][j])
{
if (img[i][j] > 0.5)
{
// 计算黑色区域数量
blackCount++;
dfs(img, visited, i, j);
}
else
{
// 计算白色区域数量
whiteCount++;
dfs(img, visited, i, j);
}
}
}
}
return make_pair(blackCount, whiteCount);
}
int main()
{
// 读取图像并转换为二维数组
/*vector<vector<double>> img = {{0.8, 0.2, 0.3, 0.7},
{0.6, 0.9, 0.4, 0.1},
{0.4, 0.7, 0.1, 0.6},
{0.1, 0.3, 0.9, 0.8}};*/
vector<vector<double>> img = {{0.0, 0.0, 0.0, 0.7},
{0.0, 0.9, 0.4, 0.1},
{0.0, 0.7, 0.1, 0.6},
{0.0, 0.3, 0.9, 0.8}};
// 进行连通区域分析
pair<int, int> counts = connectedComponents(img);
// 输出黑色和白色联通区域的数量
cout << "Number of black regions: " << counts.first << endl;
cout << "Number of white regions: " << counts.second << endl;
return 0;
}