连通域函数connectedComponentsWithStats的后续处理函数

2018-10-25 04:48:48 1.6k 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

cv2.connectedComponentsWithStats进行连通域检测的详细记录最近在进行瑕疵检测识别中的连通域处理。主要是使用了cv2.connectedComponentsWithStats函数。本文将进行函数介绍，使用经验，其他处理的记录。函数介绍 ''' num_labels：所有连通域的数目 labels：图像上每一像素的标记，用数字1、2、3…表示（不同的数字表示不同的连通域） stats：每一个标记的统计信息，是一个5列的矩阵，每一行对应每个连通区域的外接矩形的x、y、width、height和面积，示例如下： 0 0 720 720 2 阅读详情

想要在这个连通域函数后续处理得到每个连通域的周长，面积等等
有相关的函数可以操作吗？
还是需要自己手写
或者用findContours函数？
用findContours函数感觉相当于分析了两次很浪费。

...全文

OpenCV 连通域 connectedComonents函数和 connectedComponentsWithStats函数 //opencv中新增了connectedComonentWithStats函数, 可以帮助我们直接找到一张图片的连通区域, 不用再自己写连通函数了 //函数示例： //int cv::connectedComponentsWithStats(InputArray image, //OutputArray labels, //输入图像，8位单通道 //OutputArray stats, //OutputArray centroids, //int connectivity = 8, 可为4或8连域阅读详情

dzcssb1

OpenCV 4,271 成员 959 内容

+ 关注 + 加入社区

切换为时间正序

chinadow 2019-12-11

打赏
举报

引用楼主 dzcssb1 的回复:

想要在这个连通域函数后续处理得到每个连通域的周长，面积等等
有相关的函数可以操作吗？
还是需要自己手写
或者用findContours函数？
用findContours函数感觉相当于分析了两次很浪费。

楼主这个问题解决了吗，我也遇到这个问题不知道该如何处理了。

qq_36271674 2018-12-06

打赏
举报

大佬我也遇到这个问题了，找到连通域后我自己写了个图像遍历，然后找了边缘的坐标，现在要求边缘的周长什么的了，arclength函数又要求坐标是按顺时针或者逆时针排序的。请问下你是怎么解决的噢，能分享下吗？

jsxyhelu2015 2018-10-26

打赏
举报

上面发错了，我推荐这个
OpenCV中的新函数connectedComponentsWithStats使用
https://www.cnblogs.com/jsxyhelu/p/7439655.html
主要内容：对比新旧函数，用于过滤原始图像中轮廓分析后较小的区域，留下较大区域。
关键字：connectedComponentsWithStats

在以前，常用的方法是”是先调用 cv::findContours() 函数（传入cv::RETR_CCOMP 标志），随后在得到的连通区域上循环调用 cv::drawContours() “
比如，我在GOCVHelper中这样进行了实现
//寻找最大的轮廓
VP FindBigestContour(Mat src){
int imax = 0; //代表最大轮廓的序号
int imaxcontour = -1; //代表最大轮廓的大小
std::vector<std::vector<Point>>contours;
findContours(src,contours,CV_RETR_LIST,CV_CHAIN_APPROX_SIMPLE);
for (int i=0;i<contours.size();i++){
int itmp = contourArea(contours[i]);//这里采用的是轮廓大小
if (imaxcontour < itmp ){
imax = i;
imaxcontour = itmp;
}
}
return contours[imax];
}
//寻找并绘制出彩色联通区域
vector<VP> connection2(Mat src,Mat& draw){
draw = Mat::zeros(src.rows,src.cols,CV_8UC3);
vector<VP>contours;
findContours(src.clone(),contours,CV_RETR_LIST,CV_CHAIN_APPROX_SIMPLE);
//由于给大的区域着色会覆盖小的区域，所以首先进行排序操作
//冒泡排序，由小到大排序
VP vptmp;
for(int i=1;i<contours.size();i++){
for(int j=contours.size()-1;j>=i;j--){
if (contourArea(contours[j]) < contourArea(contours[j-1]))
{
vptmp = contours[j-1];
contours[j-1] = contours[j];
contours[j] = vptmp;
}
}
}
在OpenCV3中有了新的专门的函数 cv::connectedComponents() 和函数 cv::connectedComponentsWithStats()
定义：
int cv::connectedComponents (
cv::InputArrayn image, // input 8-bit single-channel (binary)
cv::OutputArray labels, // output label map
int connectivity = 8, // 4- or 8-connected components
int ltype = CV_32S // Output label type (CV_32S or CV_16U)
);
int cv::connectedComponentsWithStats (
cv::InputArrayn image, // input 8-bit single-channel (binary)
cv::OutputArray labels, // output label map
cv::OutputArray stats, // Nx5 matrix (CV_32S) of statistics:
// [x0, y0, width0, height0, area0;
// ... ; x(N-1), y(N-1), width(N-1),
// height(N-1), area(N-1)]
cv::OutputArray centroids, // Nx2 CV_64F matrix of centroids:
// [ cx0, cy0; ... ; cx(N-1), cy(N-1)]
int connectivity = 8, // 4- or 8-connected components
int ltype = CV_32S // Output label type (CV_32S or CV_16U)
);
其中，新出现的参数
stats：长这样
分别对应各个轮廓的x,y,width,height和面积。注意0的区域标识的是background
而centroids则对应的是中心点
而label则对应于表示是当前像素是第几个轮廓
例子：
对于图像
Mat img = cv::imread( "e:/sandbox/rect.png",0);
cv::Mat img_edge, labels, img_color, stats,centroids;
cv::threshold(img, img_edge, 128, 255, cv::THRESH_BINARY);
bitwise_not(img_edge,img_edge);
cv::imshow("Image after threshold", img_edge);
int i, nccomps = cv::connectedComponentsWithStats (
img_edge, labels,
stats, centroids
);
cout << "Total Connected Components Detected: " << nccomps << endl;
vector<cv::Vec3b> colors(nccomps+1);
colors[0] = Vec3b(0,0,0); // background pixels remain black.
for( i = 1; i < nccomps; i++ ) {
colors[i] = Vec3b(rand()%256, rand()%256, rand()%256);
if( stats.at<int>(i, cv::CC_STAT_AREA) < 200 )
colors[i] = Vec3b(0,0,0); // small regions are painted with black too.
}
img_color = Mat::zeros(img.size(), CV_8UC3);
for( int y = 0; y < img_color.rows; y++ )
for( int x = 0; x < img_color.cols; x++ )
{
int label = labels.at<int>(y, x);
CV_Assert(0 <= label && label <= nccomps);
img_color.at<cv::Vec3b>(y, x) = colors[label];
}
cv::imshow("Labeled map", img_color);
cv::waitKey();
注意：
1、对于OpenCV来说，白色代表有数据，黑色代表没有数据，所以图像输入之前要转换成”黑底白图“
2、看labels 和 stats,其中第1 2 6 个的面积小于200
而labels中
完全对的上号,结果为

jsxyhelu2015 2018-10-26

打赏
举报

我推荐这个
特征提取的综合实验（多种角度比较ＳＩＦＴ、ＳＵＲＦ、ＢＲＩＳＫ、ＯＲB算法)
https://www.cnblogs.com/jsxyhelu/p/7813629.html
此外还包括：
https://zzk.cnblogs.com/my/s/blogpost-p?Keywords=%E7%89%B9%E5%BE%81%E7%82%B9

连通域函数connectedComponentsWithStats的后续处理函数

相关推荐