opencv——连通域标记与分析-白红宇的个人博客

发布日期：2021-05-20 22:20:36 浏览次数：13 分类：博客文章

本文共 4863 字，大约阅读时间需要 16 分钟。

引言

上篇博文写了关于基于图像分割的产品计数问题（主要还是求解边缘问题）。

本篇博文就来说一说对于没有粘连的区域分析。用opencv实现halcon中的connection算子（即断开不同的连通域）并获取区域相关信息。

一，连通组件标记算法介绍

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，算法的实质是扫描一幅图像的每个像素，对于像素值相同的分为相同的组(group),最终得到图像中所有的像素连通组件。扫描的方式可以是从上到下，从左到右，对于一幅有N个像素的图像来说，最大连通组件个数为N/2。扫描是基于每个像素单位，对于二值图像而言，连通组件集合可以是V={1|白色}或者V={0|黑色}, 取决于前景色与背景色的不同。对于灰度图像来说，连图组件像素集合可能是一系列在0 ～ 255之间k的灰度值。

应用：

连通域分析一般对区域分割后的处理。在需要将前景目标提取出来以便后续进行处理的应用场景中都能够用到连通区域分析方法，通常连通区域分析处理的对象是一张二值化后的图像。

二，OpenCV中连通组件标记API

OpenCV中支持连通组件扫描的API有两个，一个是带统计信息一个不带统计信息。

不带统计信息的API及其解释如下：

int connectedComponents(InputArray  image,        // 输入二值图像，黑色背景OutputArray labels,       // 输出的标记图像，背景index=0int     connectivity = 8, // 连通域，默认是8连通int     ltype = CV_32S    // 输出的labels类型，默认是CV_32S)

该函数对图像的每个区域分析，然后将背景标记为0，其他的区域用从1开始的正整数依次标记。最后将标记结果返回给labels。

带统计信息的API及其解释如下：

int connectedComponentsWithStats(InputArray      image,      // 输入二值图像，黑色背景OutputArray     labels,     // 输出的标记图像，背景index=0OutputArray     stats,      // 统计信息，包括每个组件的位置、宽、高与面积OutputArray     centroids,  // 每个组件的中心位置坐标cx, cyint     connectivity,       // 寻找连通组件算法的连通域，默认是8连通int     ltype,              // 输出的labels的Mat类型CV_32Sint     ccltype             // 连通组件算法)

其中stats包括以下枚举类型数据信息：

区域的外接矩形左上角点像素点坐标的X位置：CC_STAT_LEFT

区域的外接矩形左上角点像素点坐标的Y位置：CC_STAT_TOP

区域外接矩形的宽度：CC_STAT_WIDTH

区域外接矩形的高度：CC_STAT_HEIGHT

区域的面积（像素单位）CC_STAT_AREA

该函数对图像的每个区域分析，除了对区域和背景添加标记外（结果返回给labels），还可以获取每个区域的统计信息：区域的数目，外接矩形大小，面积，中心位置。(结果返回给stats）

三，OpenCV实现

🙂不带统计信息的API实现

int main(int argc, char** argv){    RNG rng(12345);    Mat src, src_binary, dst;    src = imread("D:/opencv练习图片/维生素片机器视觉检测和计数.png");    imshow("原图片", src);    Mat kernel = getStructuringElement(MORPH_RECT, Size(18, 18), Point(-1, -1));        morphologyEx(src, dst, MORPH_OPEN, kernel);    imwrite("D:/111.png", dst);    imshow("形态学", dst);    cvtColor(dst, dst, COLOR_RGB2GRAY);    threshold(dst, src_binary, 100, 255, THRESH_OTSU);    imshow("二值化", src_binary);    Mat labels = Mat::zeros(src.size(), CV_32S);    //连通域分析    int num_labels = connectedComponents(src_binary, labels, 8, CV_32S);    vector
    
      colors(num_labels);    //背景颜色（黑色）    colors[0] = Vec3b(0, 0, 0);    // 区域颜色（随机）    for (int i = 1; i < num_labels; i++) {        colors[i] = Vec3b(rng.uniform(0, 256), rng.uniform(0, 256), rng.uniform(0, 256));    }    //显示    Mat dst1 = Mat::zeros(src.size(), src.type());    int w = src.cols;    int h = src.rows;    for (int row = 0; row < h; row++) {        for (int col = 0; col < w; col++) {            int label = labels.at
     
      (row, col);            if (label == 0) continue;            dst1.at
      
       (row, col) = colors[label];        }    }    imshow("不带统计的连通域", dst1);    waitKey(0);    return 0;}

代码分析：

原图通过形态学已经将每个药片完全分割，再通过connectedComponents使其断开不同的连通域。

在返回的labels内，将标记为0的像素点置黑（即背景为黑），将标记大于1的像素点随机上色（即断开的连通域随机上色）。

😃带统计信息的API实现

int main(int argc, char** argv){    RNG rng(12345);    Mat src, src_binary, dst;    src = imread("D:/opencv练习图片/维生素片机器视觉检测和计数.png");    imshow("原图片", src);    Mat kernel = getStructuringElement(MORPH_RECT, Size(18, 18), Point(-1, -1));        morphologyEx(src, dst, MORPH_OPEN, kernel);    imwrite("D:/111.png", dst);    imshow("形态学", dst);    cvtColor(dst, dst, COLOR_RGB2GRAY);    threshold(dst, src_binary, 100, 255, THRESH_OTSU);    imshow("二值化", src_binary);    Mat labels = Mat::zeros(src.size(), CV_32S);    //连通域分析    Mat stats, centroids;//统计信息存放    int num_labels = connectedComponentsWithStats(src_binary, labels, stats, centroids, 8, 4);    vector
    
      colors(num_labels);    //背景颜色（黑色）    colors[0] = Vec3b(0, 0, 0);    // 区域颜色（随机）    for (int i = 1; i < num_labels; i++) {        colors[i] = Vec3b(rng.uniform(0, 256), rng.uniform(0, 256), rng.uniform(0, 256));    }    //显示    Mat dst1 = Mat::zeros(src.size(), src.type());    int w = src.cols;    int h = src.rows;    for (int row = 0; row < h; row++) {        for (int col = 0; col < w; col++) {            int label = labels.at
     
      (row, col);            if (label == 0) continue;            dst1.at
      
       (row, col) = colors[label];        }    }    for (int i = 1; i < num_labels; i++) {        Vec2d pt = centroids.at
       
        (i, 0);        int x = stats.at
        
         (i, CC_STAT_LEFT);        int y = stats.at
         
          (i, CC_STAT_TOP); int width = stats.at
          
           (i, CC_STAT_WIDTH); int height = stats.at
           
            (i, CC_STAT_HEIGHT); int area = stats.at
            
             (i, CC_STAT_AREA); printf("area : %d, center point(%.2f, %.2f)\n", area, pt[0], pt[1]);//面积信息 circle(dst1, Point(pt[0], pt[1]), 2, Scalar(0, 0, 255), -1, 8, 0);//中心点坐标 rectangle(dst1, Rect(x, y, width, height), Scalar(255, 0, 255), 1, 8, 0);//外接矩形 } imshow("带统计的连通域", dst1); waitKey(0); return 0;}

参考博客：

上一篇：opencv——轮廓发现与轮廓分析

下一篇：如何解决移动端的安全区域为0的问题

发表评论

关于作者

喝酒易醉，品茶养心，人生如梦，品茶悟道，何以解忧？唯有杜康！

-- 愿君每日到此一游！

引言

一，连通组件标记算法介绍

二，OpenCV中连通组件标记API

三，OpenCV实现

发表评论

最新留言

关于作者

推荐文章