connectedComponentsWithStats与connectedComponents函数（opencv联通组件）

联通组件

图像联通组件标记概念

图像联通组件（CCL）

四领域与八领域

扫描联通组件的常见算法

概念

联通组件标记算法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。

基于像素扫描算法

基于块扫描方法

两步扫描法

原二值图像：

1.从上到下，从左到右，扫描像素点，并进行标记，统计等价队列标签（讲每一个联通组件的内部序号划分在一个列表内，比如左边的1 3 5一组 2 4 6一组）

2.选择每个等价队列标签中最小的标签作为联通组件的标签（用列表内最小值的数字代替组件内所有标号）

DT算法：决策表+模板

BBDT算法（opencv采用的算法）

函数API

connectedComponents

//不带统计信息
int cv::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=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
)

实例：
代码如下：

#include
#include
#include

using namespace std;
using namespace cv;
int main()
{
	Mat src = imread("C:\\Users\\86151\\Desktop\\opencv\\picture\\11.jpg");
	Mat src_gray;
	Mat src_thres;
	if (src.empty())
	{
		cout << "no picture" << endl;
		return -1;
	}
	imshow("src", src);
	//对图像进行高斯滤波
	GaussianBlur(src, src, Size(3, 3), 0);
	//对图像进行灰度处理
	cvtColor(src, src_gray, COLOR_BGR2GRAY);
	imshow("GRAY", src_gray);
	//对图像进行OTSU二值化
	threshold(src_gray, src_thres, 0, 255, THRESH_BINARY | THRESH_OTSU);
	imshow("threshold", src_thres);

	//ccl_demo(src_thres);
	//对图像进行联通组件查找
	Mat labels = Mat::zeros(src.size(), src.type());
	int number_label = connectedComponents(src_thres, labels, 8, CV_32S, CCL_DEFAULT);
	cout << "the number of image is:" << number_label - 1 << endl;
	//准备颜色数组，为找到的连通组件进行染色
	vector<Vec3b> Color(number_label);
	//对颜色数组赋值颜色
	Color[0] = Vec3b(0, 0, 0);
	for (int i = 1; i < number_label; i++)
	{
		Color[i] = Vec3b(rng.uniform(0, 256), rng.uniform(0, 256), rng.uniform(0, 256));
	}
	//对联通组件进行颜色初始化
	Mat canvas = Mat::zeros(src.size(), src.type());
	int w = canvas.rows;
	int h = canvas.cols;
	for (int row = 0; row < w; row++)
	{
		for (int col = 0; col < h; col++)
		{
			int label = labels.at<int>(row, col);
			canvas.at<Vec3b>(row, col) = Color[label];
		}
	}
	putText(canvas, format("the number is: %d", number_label - 1), 
			Point(50, 50), FONT_HERSHEY_COMPLEX, 0.5, Scalar(255, 0, 0), 1, 8);

	imshow("CCL", canvas);

	waitKey(0);
	return 0;
}

结果如下：

connectedComponentsWithStats

//带统计信息                                     
int cv::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 = 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, // 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_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（像素单位面积）

实例：
代码如下：

#include
#include
#include

using namespace std;
using namespace cv;
RNG rng(12345);
//带有其他信息的联通组件
void ccl_demo(Mat& src)//
{
	//对图像进行联通组件查找
	Mat labels = Mat::zeros(src.size(), CV_8UC3);
	Mat len_in;
	Mat centroid;
	int number_label = connectedComponentsWithStats(src, labels, len_in, centroid, 8, CV_32S, CCL_DEFAULT);
	cout << "the number of image is:" << number_label - 1 << endl;
	//准备颜色数组，为找到的连通组件进行染色
	vector<Vec3b> Color(number_label);
	//对颜色数组赋值颜色
	Color[0] = Vec3b(0, 0, 0);
	for (int i = 1; i < number_label; i++)
	{
		Color[i] = Vec3b(rng.uniform(0, 256), rng.uniform(0, 256), rng.uniform(0, 256));
	}
	//对联通组件进行颜色初始化
	Mat canvas = Mat::zeros(src.size(), CV_8UC3);
	int w = canvas.rows;
	int h = canvas.cols;
	for (int row = 0; row < w; row++)
	{
		for (int col = 0; col < h; col++)
		{
			int label = labels.at<int>(row, col);
			canvas.at<Vec3b>(row, col) = Color[label];
		}
	}
	//获取查找的组件的信息
	for (int i = 1; i < number_label; i++)
	{
		//获取圆心
		int cx = centroid.at<double>(i, 0);
		int cy = centroid.at<double>(i, 1);
		//获取外置矩形的左上角顶点坐标以及长宽以及面积
		int lx = len_in.at<int>(i, CC_STAT_LEFT);
		int ly = len_in.at<int>(i, CC_STAT_TOP);
		int width = len_in.at<int>(i, CC_STAT_WIDTH);
		int height = len_in.at<int>(i, CC_STAT_HEIGHT);
		int area = len_in.at<int>(i, CC_STAT_AREA);
		//绘制圆心
		circle(canvas, Point(cx, cy), 3, Scalar(255, 0, 0), 2, 8, 0);
		//绘制矩形
		Rect box(lx, ly, width, height);
		rectangle(canvas, box, Scalar(0, 255, 0), 2, 8, 0);
		putText(canvas, format("%d", area),
			Point(lx, ly), FONT_HERSHEY_COMPLEX, 0.5, Scalar(255, 0, 0), 1, 8);
	}

	imshow("CCL", canvas);
	waitKey(0);
}

int main()
{
	Mat src = imread("C:\\Users\\86151\\Desktop\\opencv\\picture\\11.jpg");
	Mat src_gray;
	Mat src_thres;
	if (src.empty())
	{
		cout << "no picture" << endl;
		return -1;
	}
	imshow("src", src);
	//对图像进行高斯滤波
	GaussianBlur(src, src, Size(3, 3), 0);
	//对图像进行灰度处理
	cvtColor(src, src_gray, COLOR_BGR2GRAY);
	imshow("GRAY", src_gray);
	//对图像进行OTSU二值化
	threshold(src_gray, src_thres, 0, 255, THRESH_BINARY | THRESH_OTSU);
	imshow("threshold", src_thres);

	ccl_demo(src_thres);
	retur 0;
}

结果如下：

以上某些图片来自于他人博客

SERENDIPITY