面积判断

void RemoveSmallRegion(Mat &src, Mat &dst,
					   int AreaLimit,   //= 200,
					   int checkMode ,//= 1,  // 0: delte black area; 1: delte white area
					   int NeihborMode  // = 0 // 0: 4_continue  1: 8_continue;
					   )
{
	int RemoveCount = 0;
    
	Mat PointLabel = Mat::zeros(src.size(), CV_8UC1); //construct image

	if(checkMode == 1) 
	{
		cout<<"Mode: delete small area";
		for(int i = 0; i < src.rows; ++i)
		{
			uchar *iData = src.ptr<uchar>(i);
			uchar *iLabel = PointLabel.ptr<uchar>(i);
			for(int j = 0; j <src.cols; ++j)
			{
				if( iData[j] < 10)   //each for every pixel 
					iLabel[j] = 3;
			}
		}
	}else
	{
		cout<<"Mode: delete hole";
	    for(int i = 0; i < src.rows; ++i)
		{
			uchar *iData = src.ptr<uchar>(i);
			uchar *iLabel = PointLabel.ptr<uchar>(i);
			for(int j = 0; j <src.cols; ++j)
			{
				if( iData[j] > 10)
					iLabel[j] = 3;
			}
		}
	}

	vector<Point2i> NeihborPos;
	NeihborPos.push_back(Point2i(-1, 0));
	NeihborPos.push_back(Point2i(1, 0));
	NeihborPos.push_back(Point2i(0, -1));
	NeihborPos.push_back(Point2i(0, 1));
	if(NeihborMode == 1)
	{
		cout<<"Neighbor mode: 8 connect ."<<endl;  
        NeihborPos.push_back(Point2i(-1, -1));  
        NeihborPos.push_back(Point2i(-1, 1));  
        NeihborPos.push_back(Point2i(1, -1));  
        NeihborPos.push_back(Point2i(1, 1));  

	}
	else
		cout<<"Neighbor mode: 4 connect."<<endl; 

    int NeihborCount=4+4*NeihborMode;  
    int CurrX=0, CurrY=0;  
    //开始检测  
    for(int i = 0; i < src.rows; ++i)    
    {    
        uchar* iLabel = PointLabel.ptr<uchar>(i);  
        for(int j = 0; j < src.cols; ++j)    
        {    
            if (iLabel[j] == 0)    
            {    
                //********开始该点处的检查**********  
                vector<Point2i> GrowBuffer;      //堆栈,用于存储生长点  
                GrowBuffer.push_back( Point2i(j, i) );  
                PointLabel.at<uchar>(i, j)=1;  
                int CheckResult=0;             //用于判断结果(是否超出大小),0为未超出,1为超出  
  
                for ( int z=0; z<GrowBuffer.size(); z++ )  
                {  
                    for (int q=0; q<NeihborCount; q++)     //检查四个邻域点  
                    {  
                        CurrX=GrowBuffer.at(z).x+NeihborPos.at(q).x;  
                        CurrY=GrowBuffer.at(z).y+NeihborPos.at(q).y;  
                        if (CurrX>=0 && CurrX<src.cols && CurrY>=0 && CurrY<src.rows)  //防止越界  
                        {  
                            if ( PointLabel.at<uchar>(CurrY, CurrX)==0 )  
                            {  
                                GrowBuffer.push_back( Point2i(CurrX, CurrY) );  //邻域点加入buffer  
                                PointLabel.at<uchar>(CurrY, CurrX)=1;           //更新邻域点的检查标签,避免重复检查  
                            }  
                        }  
                    }  
  
                }  
                if (GrowBuffer.size()>AreaLimit) CheckResult=2;                 //判断结果(是否超出限定的大小),1为未超出,2为超出  
                else {CheckResult=1;   RemoveCount++;}  
                for (int z=0; z<GrowBuffer.size(); z++)                         //更新Label记录  
                {  
                    CurrX=GrowBuffer.at(z).x;   
                    CurrY=GrowBuffer.at(z).y;  
                    PointLabel.at<uchar>(CurrY, CurrX) += CheckResult;  
                }  
                //********结束该点处的检查**********  
            }    
        }    
    }    
  
    checkMode=255*(1-checkMode);  
    //开始反转面积过小的区域  
    for(int i = 0; i < src.rows; ++i)    
    {    
        uchar* iData = src.ptr<uchar>(i);  
        uchar* iDstData = dst.ptr<uchar>(i);  
        uchar* iLabel = PointLabel.ptr<uchar>(i);  
        for(int j = 0; j < src.cols; ++j)    
        {    
            if (iLabel[j] == 2)    
            {    
                iDstData[j] = checkMode;   
            }    
            else if(iLabel[j] == 3)  
            {  
                iDstData[j] = iData[j];  
            }  
        }    
    }   
      
    cout<<RemoveCount<<" objects removed."<<endl;  
}


int _tmain(int argc, _TCHAR* argv[])
{
	Mat image = imread("C:\\Users\\z12073245\\Desktop\\13.jpg");
	namedWindow("[原始图]");
	namedWindow("[效果图]");
	imshow("[原始图]", image);
	
	//Mat element = getStructuringElement(MORPH_RECT, Size(3,3));
    //erode(image, image, element, Point(-1, -1), 1);

	//morphologyEx(image,image, MORPH_ERODE, element, Point(-1, -1), 1);
   
	cvtColor(image, image, COLOR_RGB2GRAY); 
	Mat dst = Mat::zeros(image.size(), CV_8UC1);

	RemoveSmallRegion(image, dst, 250, 1, 0);

	imshow("[效果图]", dst);
	waitKey(0);
	return 0;
}
转载自:http://lib.csdn.net/article/opencv/28353
要使用OpenCV来判断图像的面积,可以按照以下步骤进行: 1. 导入OpenCV库:在代码的开头,使用import cv2导入OpenCV库。 2. 读取图像:使用cv2.imread()函数读取待处理的图像文件,并将其存储在一个变量中。 3. 转换为灰度图像:使用cv2.cvtColor()函数将彩色图像转换为灰度图像,以便后续处理。 4. 二值化处理:使用cv2.threshold()函数对灰度图像进行二值化处理,将图像转换为黑白二值图像。 5. 查找轮廓:使用cv2.findContours()函数查找图像中的轮廓。可以选择适当的轮廓查找方法和轮廓近似方法,以获得准确的结果。 6. 计算面积:使用cv2.contourArea()函数计算每个轮廓的面积。该函数返回一个浮点数,表示轮廓的面积。 7. 显示结果:根据需要,可以使用cv2.putText()函数将计算结果绘制在图像上,或使用其他方法显示结果。 以下是一个简单的示例代码,用于计算图像中所有轮廓的面积并打印出来: ```python import cv2 # 读取图像 image = cv2.imread('image.jpg') # 转换为灰度图像 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 二值化处理 _, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 查找轮廓 contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 计算面积并打印 for contour in contours: area = cv2.contourArea(contour) print('Contour area:', area) # 显示结果 cv2.imshow('Image', image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 请注意,以上代码假设图像文件名为'image.jpg',并且图像中只有一个物体的轮廓。如果图像中包含多个物体,可以根据需要选择特定的轮廓进行面积计算。
评论
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