连通分量的提取

应用背景:在许多自动图像分析应用中,如何识别出图像中的不同之处,往往是从其二值图像中提取连通分量。

连通分量的定义:令S是一个像素子集,如果S中的全部像素之间存在一个通路(m通路或8通路),则可以说两个像素p和q在S中是连通的。对于S中的任何像素p,S中连通到该像素的像素集称为S的连通分量。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
二值图像连通分量提取可以通过以下步骤实现: 1. 定义一个函数模块,用于提取连通分量。该函数会改变传入的图像,因此建议在传参前拷贝图像或传入copy图像。该函数返回两个参数,一个是各个连通分量包含的像素点数,一个是对应连通分量的图像。 2. 在循环中,判断图像中是否存在前景目标。如果不存在,则说明连通分量提取完毕。 3. 获取前景像素的横坐标,并用上一步迭代的结果判断当前连通分量是否与上一次相同,以确定迭代过程是否结束。 4. 对当前连通分量进行膨胀,并与原图求交集,判断是否满足内部迭代结束条件。如果满足,则将提取连通分量图保存到img_pixels中,并将src***任意的初始值赋值给canvas,提取下一次的连通分量。 以下是Python代码示例: ```python import numpy as np import cv2 def extract_connected_components(img): num_pixels = [] img_pixels = [] canvas = np.zeros_like(img) while img.any(): x, y = np.where(img > 0) xk = np.column_stack((x, y)) if len(xk) == 0: break if len(num_pixels) > 0 and len(xk) == len(num_pixels[-1]): break canvas.fill(0) for i in range(len(xk)): cv2.circle(canvas, (y[i], x[i]), 1, 255, -1) while True: tmp = canvas.copy() canvas = cv2.dilate(canvas, np.ones((3, 3), np.uint8), iterations=1) canvas = cv2.bitwise_and(canvas, img) if (tmp == canvas).all(): break if (tmp == canvas).all(): img_pixels.append(canvas) num_pixels.append(len(xk)) img = cv2.bitwise_xor(img, canvas) else: break return num_pixels, img_pixels ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值