图像连通域的计算

OpenCV 4中connectedComponents函数对图像连通域的计算
先说一下函数的原型

int cv::connectedComponents(InputArray image,
							OutputArray labels,
							int connectivity=8,
							int ltype=CV_32S
							)

image：为输入图像，必须为单通道类型（CV_8U）
labels：标记不同连通域的输出图像，与原图像尺寸相同
connectivity：标记连通域时使用的邻域种类，4表示4邻域，8表示8邻域
ltype：输出图像的数据类型，目前支持CV_32S和CV_16U
首先把我的实验图片放上去，需要实验图片的自行下载

下面是使用OpenCV函数connectedComponents函数实现的图像连通域的计算

#include<opencv2/core/core.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<opencv2/ximgproc.hpp>
#include<vector>
#include<time.h>

using namespace std;
using namespace cv;

void connect() {
	//读入图像
	Mat image = imread("test01.jpg");
	//判断图像是否读入成功
	if (image.empty()) {
		cout << "图片读入出错，请检查路径是否存在" << endl;
		return;
	}
	//转换为灰度图像
	Mat imageGray;
	cvtColor(image, imageGray, COLOR_BGR2GRAY);
	//得到阈值图像
	Mat imageTredh;
	threshold(imageGray,imageTredh,50,255,THRESH_BINARY);
	//使用时间种子随机生成的颜色区分不同的连通域
	RNG rng(time(NULL));
	Mat outImage;
	int count = connectedComponents(imageTredh, outImage, 8, CV_16U);
	vector<Vec3b> colors;
	for (int i = 0; i < count; i++) {
		Vec3b vec3 = Vec3b(rng.uniform(0, 256), rng.uniform(0, 256), rng.uniform(0, 256));
		colors.push_back(vec3);
	}
	Mat dst = Mat::zeros(imageGray.size(), image.type());
	int width = dst.cols;
	int height = dst.rows;
	for (int row = 0; row < height; row++) {
		for (int col = 0; col < width; col++) {
			int label = outImage.at<uint16_t>(row, col);
			if (label == 0)continue;
			dst.at<Vec3b>(row, col) = colors[label];
		}
	}
	imshow("org", image);
	imshow("processed", dst);
	waitKey(0);
}
int main(){
connect();
}

下面再放一张实验的效果图

可以看到，图像中的百事贴由于跟背景的颜色很像，而且加上图像的值量较差，我选取的阈值等条件的相互作用下，在实验结果图中仅剩一个小条。