【OpenCV】46 二值图像联通组件寻找

46 二值图像联通组件寻找

代码

import cv2 as cv
import numpy as np

def connected_components_demo(src):
    src = cv.GaussianBlur(src, (3, 3), 0)
    gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    cv.imshow("binary", binary)

    output = cv.connectedComponents(binary, connectivity=8, ltype=cv.CV_32S)
    num_labels = output[0]
    labels = output[1]
    colors = []
    for i in range(num_labels):
        b = np.random.randint(0, 256)
        g = np.random.randint(0, 256)
        r = np.random.randint(0, 256)
        colors.append((b, g, r))

    colors[0] = (0, 0, 0)
    h, w = gray.shape
    image = np.zeros((h, w, 3), dtype=np.uint8)
    for row in range(h):
        for col in range(w):
            image[row, col] = colors[labels[row, col]]

    cv.imshow("colored labels", image)
    count = num_labels - 1
    print("total rice : ", count)
    return image,count


src = cv.imread("../images/rice.png")
h, w = src.shape[:2]
dst, count = connected_components_demo(src)
result = np.zeros([h, w*2, 3], dtype=src.dtype)
result[0:h,0:w,:] = src
result[0:h,w:2*w,:] = dst
cv.putText(result, "input", (10, 30), cv.FONT_ITALIC, 1.0, (0, 0, 255), 2)
cv.putText(result, "colored labels(total rice: %s)"%count, (w+10, 30), cv.FONT_ITALIC, 1.0, (0, 0, 255), 2)
cv.imshow("result", result)

cv.waitKey(0)
cv.destroyAllWindows()

实验结果

解释

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，算法的实质是扫描二值图像的每个像素点，对于像素值相同的而且相互连通分为相同的组(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，OpenCV中进行连通组件扫码调用的时候必须保证背景像素是黑色、前景像素是白色。最常见的连通组件扫码有如下两类算法：

1. 一步法，基于图的搜索算法
2. 两步法、基于扫描与等价类合并算法

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：

retval, labels =	cv.connectedComponents(image[, labels[, connectivity[, ltype]]])

• image: 输入二值图像，黑色背景
• labels: 输出的标记图像，背景index=0
• connectivity = 8: 连通域，默认是8连通
• ltype = CV_32S: 输出的labels类型，默认是CV_32S

---

所有内容均来源于贾志刚老师的知识星球——OpenCV研习社，本文为个人整理学习，已获得贾老师授权，有兴趣、有能力的可以加入贾老师的知识星球进行深入学习。