使用OpenCV获取图片连通域数量,并用不同颜色标记函
作者:业余狙击手19 发布时间:2023-10-17 19:58:05
标签:OpenCV,图片,连通域,数量
一,原图和效果图
二,代码
//#########################产生随机颜色#########################
cv::Scalar icvprGetRandomColor()
{
uchar r = 255 * (rand() / (1.0 + RAND_MAX));
uchar g = 255 * (rand() / (1.0 + RAND_MAX));
uchar b = 255 * (rand() / (1.0 + RAND_MAX));
return cv::Scalar(b, g, r);
}
//#########################产生随机颜色#########################
//########################种子填充法)#########################
void ConnectedCountBySeedFill(const cv::Mat& _binImg, cv::Mat& _lableImg, int &iConnectedAreaCount)
{
//拓宽1个像素的原因是:如果连通域在边缘,运行此函数会异常崩溃,所以需要在周围加一圈0值,确保连通域不在边上
//==========图像周围拓宽1个像素============================================
int top, bottom; //【添加边界后的图像尺寸】
int leftImage, rightImage;
int borderType = BORDER_CONSTANT; //BORDER_REPLICATE
//【初始化参数】
top = (int)(1); bottom = (int)(1);
leftImage = (int)(1); rightImage = (int)(1);
Mat _binImg2, _binImg3;
_binImg.copyTo(_binImg2);
//初始化参数value
Scalar value(0); //填充值
//创建图像边界
copyMakeBorder(_binImg2, _binImg3, top, bottom, leftImage, rightImage, borderType, value);
//==========图像周围拓宽1个像素============================================
// connected component analysis (4-component)
// use seed filling algorithm
// 1. begin with a foreground pixel and push its foreground neighbors into a stack;
// 2. pop the top pixel on the stack and label it with the same label until the stack is empty
//
// foreground pixel: _binImg(x,y) = 1
// background pixel: _binImg(x,y) = 0
if (_binImg3.empty() ||
_binImg3.type() != CV_8UC1)
{
return;
}
_lableImg.release();
_binImg3.convertTo(_lableImg, CV_32SC1);
int icount = 0;
int label = 1; // start by 2
int rows = _binImg3.rows - 1;
int cols = _binImg3.cols - 1;
for (int i = 1; i < rows - 1; i++)
{
int* data = _lableImg.ptr<int>(i); //取一行数据
for (int j = 1; j < cols - 1; j++)
{
if (data[j] == 1) //像素不为0
{
std::stack<std::pair<int, int>> neighborPixels; //新建一个栈
neighborPixels.push(std::pair<int, int>(i, j)); // 像素坐标: <i,j> ,以该像素为起点,寻找连通域
++label; // 开始一个新标签,各连通域区别的标志
while (!neighborPixels.empty())
{
// 获取堆栈中的顶部像素并使用相同的标签对其进行标记
std::pair<int, int> curPixel = neighborPixels.top();
int curX = curPixel.first;
int curY = curPixel.second;
_lableImg.at<int>(curX, curY) = label; //对图像对应位置的点进行标记
// 弹出顶部像素 (顶部像素出栈)
neighborPixels.pop();
// 加入8邻域点
if (_lableImg.at<int>(curX, curY - 1) == 1)
{// 左点
neighborPixels.push(std::pair<int, int>(curX, curY - 1)); //左边点入栈
}
if (_lableImg.at<int>(curX, curY + 1) == 1)
{// 右点
neighborPixels.push(std::pair<int, int>(curX, curY + 1)); //右边点入栈
}
if (_lableImg.at<int>(curX - 1, curY) == 1)
{// 上点
neighborPixels.push(std::pair<int, int>(curX - 1, curY)); //上边点入栈
}
if (_lableImg.at<int>(curX + 1, curY) == 1)
{// 下点
neighborPixels.push(std::pair<int, int>(curX + 1, curY)); //下边点入栈
}
//===============补充到8连通域======================================================
if (_lableImg.at<int>(curX - 1, curY - 1) == 1)
{// 左上点
neighborPixels.push(std::pair<int, int>(curX - 1, curY - 1)); //左上点入栈
}
if (_lableImg.at<int>(curX - 1, curY + 1) == 1)
{// 右上点
neighborPixels.push(std::pair<int, int>(curX - 1, curY + 1)); //右上点入栈
}
if (_lableImg.at<int>(curX + 1, curY - 1) == 1)
{// 左下点
neighborPixels.push(std::pair<int, int>(curX + 1, curY - 1)); //左下点入栈
}
if (_lableImg.at<int>(curX + 1, curY + 1) == 1)
{// 右下点
neighborPixels.push(std::pair<int, int>(curX + 1, curY + 1)); //右下点入栈
}
//===============补充到8连通域======================================================
}
}
}
}
iConnectedAreaCount = label - 1; //因为label从2开始计数的
int a = 0;
}
###########################################################
//#############添加颜色#####################################
Mat PaintColor(Mat src, int iConnectedAreaCount)
{
int rows = src.rows;
int cols = src.cols;
//cv::Scalar(b, g, r);
std::map<int, cv::Scalar> colors;
for (int n = 1; n <= iConnectedAreaCount + 1; n++)
{
colors[n] = icvprGetRandomColor(); //根据不同标志位产生随机颜色
cv::Scalar color = colors[n];
int a = color[0];
int b = color[1];
int c = color[2];
int d = 0;
}
Mat dst2(rows, cols, CV_8UC3);
dst2 = cv::Scalar::all(0);
for (int i = 0; i < rows; i++)
{
for (int j = 0; j < cols; j++)
{
int value = src.at<int>(i, j);
if (value>1)
{
cv::Scalar color = colors[value];
int a = color[0];
int b = color[1];
int c = color[2];
dst2.at<Vec3b>(i, j)[0] = color[0];
dst2.at<Vec3b>(i, j)[1] = color[1];
dst2.at<Vec3b>(i, j)[2] = color[2];
}
}
}
return dst2;
}
//#############添加颜色##################################
//########调用##########################################
Mat binImage = cv::imread("D:\\sxl\\处理图片\\testImages\\22.jpg", 0);
threshold(binImage, binImage, 50, 1, CV_THRESH_BINARY_INV);
// 连通域标记
Mat labelImg;
int iConnectedAreaCount = 0; //连通域个数
ConnectedCountBySeedFill(binImage, labelImg, iConnectedAreaCount);//针对黑底白字
int a=iConnectedAreaCount;
// 显示结果
Mat dstColor2=PaintColor(labelImg,iConnectedAreaCount);
imshow("colorImg", dstColor2);
Mat grayImg;
labelImg *= 10;
labelImg.convertTo(grayImg, CV_8UC1);
imshow("labelImg", grayImg);
waitKey(0);
//########调用##########################################
补充知识:Opencv快速获取连通域
对于ndarray数据中的连通域查找,opencv提供了接口,非常方便。
import cv2
import numpy as np
img = np.array([
[0, 255, 255, 0, 0, 0, 255, 255,],
[0, 0, 255, 0, 255, 255, 255, 0],
[0, 0, 0, 0, 255, 255, 0, 255],
[255, 255, 0, 0, 0, 0, 0, 0],
[255, 255, 0, 0, 0, 0, 0, 0],
[255, 255, 0, 0, 0, 0, 0, 0]
], dtype=np.uint8)
num, labels = cv2.connectedComponents(img)
labels_dict = {i:[] for i in range(1, num+1)}
height, width = img.shape
for h in range(height):
for w in range(width):
if labels[h][w] in labels_dict:
labels_dict[labels[h][w]].append([h,w])
cv2.connectedComponents()函数返回查找到的连通域个数和对应的label。
上面代码返回连通域个数为4(包含值为0区域,可通过lables过滤), labels结果如图所示:
来源:https://blog.csdn.net/sxlsxl119/article/details/80493619
0
投稿
猜你喜欢
- 1.DNS查询过程:以查询 www.baidu.com为例(1)电脑向本地域名服务器发送解析www.baidu.com的请求(2)本地域名服
- 元组是不可变的Python对象序列。元组的序列就像列表。唯一的区别是,元组不能被改变,即元组是不可被修改。元组使用小括号,而列表
- isdigit() isalpha()用于判断字符串的类型要求1统计某个字符串中的数字数量并输出,例如字符串为“adsf
- 目录1 简介2 Dash中的常用特殊功能部件2.1 用Store()来存储数据2.2 用Interval()实现周期性回调2.3 利用Col
- 前言with 这个关键字,对于每一学习Python的人,都不会陌生。操作文本对象的时候,几乎所有的人都会让我们要用 with open ,这
- 本文主要是写了一个将指定文件夹下的指定文件类型移动到指定位置,具体内容如下# coding:utf-8import osimport shu
- 前言Python中的 True和 False总是让人困惑,一不小心就会用错,本文总结了三个易错点,分别是逻辑取反、if条件式和pandas.
- 一、安装我们知道selenium是桌面浏览器自动化操作工具(Web Browser Automation)appium是继承selenium
- 方式一: os.fork()# -*- coding:utf-8 -*-"""pid=os.fork() &n
- 存在问题:jupyter代码无法在pycharm中运行原因:工作文件和安装文件不统一引起的解决方案:pycharm中新建工程项目时,要将图中
- 1.1 ID定位HTML Tag 的 id 属性值是唯一的,故不存在根据 id 定位多个元素的情况。下面以在百度首页搜索框输入文本
- 本文实例讲述了Python使用sklearn库实现的各种分类算法简单应用。分享给大家供大家参考,具体如下:KNNfrom sklearn.n
- 前言favicon.ico是网站的图标也是网站的头像,简单来说,就是让我们的网站更加好看。本文主要给大家介绍了关于优雅处理Django中fa
- 层次聚类算法顾名思义,层次聚类就是一层一层的进行聚类,可以由上向下把大的类别(cluster)分割,叫作分裂法;也可以由下向上对小的类别进行
- 这篇文章主要介绍了Python如何计算语句执行时间,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可
- 很多开发人员在刚开始学Python 时,都考虑过像 c++ 那样来实现 singleton 模式,但后来会发现 c++ 是 c++,Pyth
- 1.过滤器的使用1.过滤器和测试器在Python中,如果需要对某个变量进行处理,我们可以通过函数来实现。在模板中,我们则是通过过滤器来实现的
- urllib3是一款Python 3的HTTP客户端。Python标准库提供了urllib。在Python 2中,另外提供了urllib2;
- 模拟动态产生字母验证码图片模拟生成验证码,首先要做的是生成随机的字母,然后对字母进行模糊处理。这里介绍一下 Python 提供的 Pillo
- 本文实例为大家分享了python定义带参数装饰器的具体代码,供大家参考,具体内容如下案例: &