连通域标记图像ConnectedComponents

本文大部分转载自贾志刚老师的博客《OpenCV实现图像连通组件标记与分析》

博客地址：https://blog.csdn.net/jia20003/article/details/80662396

Halcon中的连通区域分析

连通是一种区域（Region）分析方法，与此紧密相关的还有轮廓（XLD）分析方法。Halcon中区域的数据结构是基于像素的，直接调用connetion算子即可实现区域的连通域计算。而轮廓的数据结构是基于亚像素的，因此不存在连通域的概念。Halcon以对区域的处理为主，包含大量相关算子，应用起来方便快捷。

Opencv中的连通区域分析

Opencv中也包括区域分析方法与轮廓分析方法，与Halcon不同的是，这里的区域与轮廓的数据结构都是基于像素的，也就是说在opencv中调用Canny函数检测得到的轮廓图像是像素精度的。opencv中可以利用cornerSubPix函数得到亚像素的角点。

opencv中，对于一张二值化的图像，后续处理方式有两种。第一种方式就是利用findContours、drawContours等函数进行轮廓分析（opencv以对轮廓的处理为主）。第二种方式就是计算连通域进行区域分析，计算连通域的函数有两个，如下所示：

不带统计信息的API：
int cv::connectedComponents(
        InputArray    image,             // 输入二值图像
        OutputArray   labels,            // 输出的标记图像，背景index=0
        int           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
)

带有统计信息的API：
int cv::connectedComponentsWithStats(
        InputArray   image,        // 输入二值图像
        OutputArray  labels,       // 输出的标记图像，背景index=0
        OutputArray  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, cy
        int          connectivity, // 连通域，默认是8连通
        int          ltype,        // 输出的labels类型，默认是CV_32S
        int          ccltype       // 连通组件算法
)

其中stats包括以下枚举类型数据信息： 
   CC_STAT_LEFT   组件的左上角点像素点坐标的X位置
   CC_STAT_TOP    组件的左上角点像素点坐标的Y位置
   CC_STAT_WIDTH  组件外接矩形的宽度 
   CC_STAT_HEIGHT 组件外接矩形的高度
   CC_STAT_AREA   当前连通组件的面积（像素单位）

已上两个函数的返回值是标签总数，输出的是标记图像，所谓标记图像就是图像中每一个连通域都拥有一个标签（背景的标签是0），该标签即代表了此连通域的灰度值。例如，一幅图像中存在3个连通域（背景除外），那么他们的标签分别是1、2、3，他们的灰度值分别是1、2、3。

Opencv连通域分析实例

基于opencv中两个连通域分析的API分别进行了代码演示：

效果图：

原图

扫描二维码关注公众号，回复： 6794931 查看本文章

不带统计信息的连通结果

带统计信息的连通结果

代码：

/////////////////////////////
////opencv4.1.0
////////////////////////////

#include<opencv2\opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;

void connected_components(Mat& image);        //不带统计信息
void connected_components_stat(Mat& image);   //带统计信息
RNG rng(123);

int main() {
	Mat srcImage = imread("1.png"); 

	//connected_components(srcImage);      
	connected_components_stat(srcImage);   

	waitKey(0);
	return 0;
}

void connected_components(Mat& image) {
	//二值化
	Mat grayImage, binaryImage;
	cvtColor(image, grayImage, COLOR_BGR2GRAY);
	threshold(grayImage, binaryImage, 0, 255, THRESH_BINARY | THRESH_OTSU);

	//开运算、闭运算
	Mat k = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
	morphologyEx(binaryImage, binaryImage, MORPH_OPEN, k);
	morphologyEx(binaryImage, binaryImage, MORPH_CLOSE, k);

	//计算连通域
	Mat labels = Mat::zeros(image.size(), CV_32S);
	int num_labels = connectedComponents(binaryImage, labels, 8, CV_32S);

	//使用不同的颜色标记连通域
	vector<Vec3b> color(num_labels);
	color[0] = Vec3b(0, 0, 0);                                                           //设置背景颜色
	for (size_t i = 1; i < num_labels; i++){
		color[i] = Vec3b(rng.uniform(0, 256), rng.uniform(0, 256), rng.uniform(0, 256)); //设置目标颜色
	}

	Mat dst = Mat::zeros(image.size(), image.type());
	int w = image.cols;
	int h = image.rows;
	for (size_t row = 0; row < h; row++){
		for (size_t col = 0; col < w; col++){
			int label = labels.at<int>(row, col);
			if (label == 0) continue;
			dst.at<Vec3b>(row, col) = color[label];
		}
	}

	imshow("连通域标记图像", dst);
}

void connected_components_stat(Mat& image) {

	// 二值化
	Mat gray, binary;
	cvtColor(image, gray, COLOR_BGR2GRAY);
	threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);

	//开运算、闭运算
	Mat k = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
	morphologyEx(binary, binary, MORPH_OPEN, k);
	morphologyEx(binary, binary, MORPH_CLOSE, k);

	//计算连通域
	Mat labels = Mat::zeros(image.size(), CV_32S);
	Mat stats, centroids;
	int num_labels = connectedComponentsWithStats(binary, labels, stats, centroids, 8, 4);

	//使用不同的颜色标记连通域
	vector<Vec3b> colors(num_labels);
	// background color
	colors[0] = Vec3b(0, 0, 0);
	// object color
	for (int i = 1; i < num_labels; i++) {
		colors[i] = Vec3b(rng.uniform(0, 256), rng.uniform(0, 256), rng.uniform(0, 256));
	}

	// render result
	Mat dst = Mat::zeros(image.size(), image.type());
	int w = image.cols;
	int h = image.rows;
	for (int row = 0; row < h; row++) {
		for (int col = 0; col < w; col++) {
			int label = labels.at<int>(row, col);
			if (label == 0) continue;
			dst.at<Vec3b>(row, col) = colors[label];
		}
	}

	//利用统计信息标记连通域
	for (int i = 1; i < num_labels; i++) {
		Vec2d pt = centroids.at<Vec2d>(i, 0);
		int x = stats.at<int>(i, CC_STAT_LEFT);
		int y = stats.at<int>(i, CC_STAT_TOP);
		int width = stats.at<int>(i, CC_STAT_WIDTH);
		int height = stats.at<int>(i, CC_STAT_HEIGHT);
		int area = stats.at<int>(i, CC_STAT_AREA);
		printf("area : %d, center point(%.2f, %.2f)\n", area, pt[0], pt[1]);
		circle(dst, Point(pt[0], pt[1]), 2, Scalar(0, 0, 255), -1, 8, 0);
		rectangle(dst, Rect(x, y, width, height), Scalar(255, 0, 255), 1, 8, 0);
	}
	imshow("连通域标记图像", dst);
}

连通域标记图像ConnectedComponents

Halcon中的连通区域分析

Opencv中的连通区域分析

Opencv连通域分析实例

猜你喜欢