CV进阶操作【6】——图像结构之连通域和距离变换(Faster algorithm of connected domain&distanceTransform)

编程环境：

VS + OpenCV + C++
完整代码已经更新至GitHub,欢迎fork~GitHub链接

---

声明：创作不易，未经授权不得复制转载
statement:No reprinting without authorization

---

内容概述

1、连通域

• 实现图像的快速连通域算法，可以提取出图像中的连通域，并将不同连通域用不同颜色显示。
• 对一个二值图像，删除较小的前景区域，只保留最大的一个。

2、距离变换

• 了解OpenCV的距离变换函数distanceTransform，使用合适的测试图像进行测试，并将距离场可视化输出。

一、快速连通域算法的实现

         首先对于输入的源图像只进行一遍扫描，采用如图的四领域结构来判断连通域，采用一个vector容器来存储对图像连通域的标记信息，其中对于二值图像，黑色为背景像素（0），白色为前景像素（255），对前景像素进行标记label，后景都标记为-1。
        扫描时，利用一次扫描+合并等价类实现，采用顺序扫描，从左到右，对于中间的像素有四种情况分别处理如下：

image.png

具体相关代码如下：

//余下rows-1行
    for (int i = 1; i < inputImage.rows; i++)
    {
        const uchar* lastrowData = inputImage.ptr(i-1);//上一行的行指针
        const uchar* rowData = inputImage.ptr(i);//本行的行指针
        if(rowData[0]==0)
            labelImg.push_back(-1);
        else {
            if ( 1 == lastrowData[0])
                labelImg.push_back(labelImg[(i-1)*cols]);
            else {
                count++;
                labelImg.push_back(++labelNum);
            }           
        }   
        for (int j = 1; j < cols; j++)
        {       
            int a = labelImg[(i - 1)*cols + j];
            int b = labelImg[i*cols + j - 1];
            if (rowData[j] == 0)
                labelImg.push_back(-1);
            else {
                if (0 == rowData[j - 1] && 0 == lastrowData[j]) {
                    count++;
                    labelImg.push_back(++labelNum);
                }                   
                else if (1 == rowData[j - 1] && 0 == lastrowData[j])
                    labelImg.push_back(b);

                else if (0== rowData[j - 1] && 1 == lastrowData[j])
                    labelImg.push_back(a);

                else {
                    if (a != b) {
                        for (size_t k = 0; k < labelImg.size(); k++)
                        {
                            if (labelImg[k] == b)
                                labelImg[k] = a;
                        }
                        labelImg.push_back(a);
                        count--;
                    }
                    else {

                        labelImg.push_back(a);
                    }       
                }
            }           
        }
    }

        对于得到的标记向量，连通域将会被标记为同样的数字，vector的大小将等于图片的像素值。提取后对于大于0标记的像素赋为红色如图：

image.png

二、对不同的连通于进行着色

        先创建三通道的目标显示图像，而后根据标记值赋予不同的颜色，如下所示：

void bepaint(const Mat& simg,Mat& dimg, vector& labelImg) {
    int rows = simg.rows;
    int cols = simg.cols;

    dimg.release();
    dimg.create(rows, cols, CV_8UC3);
    dimg = Scalar::all(0);

    for (int i = 0; i < rows; i++) {

        for (int j = 0; j < cols; j++) {
            int x = labelImg[i*cols + j];

            if (x == -1) {
                dimg.at(i, j)[0] = 255;
                dimg.at(i, j)[1] = 255;
                dimg.at(i, j)[2] = 255;
            }
            else{
                dimg.at(i, j)[0] = (x*x*x*x) % 255;
                dimg.at(i, j)[1] = (x*x*x) % 255;
                dimg.at(i, j)[2] = (x*x) % 255;
            }               
        }
    }   
}

效果如下：

image.png

image.png

三、删除较小的前景区域，保留最大连通域

        对于一遍扫描后可以得到的标签数目（连通域的个数），可以动态的建立label结构体数组，对每个连通域的像素点个数进行遍历统计，最后得到最大的连通域，进行显示如下：

image.png

四、距离变换函数

功能：用来计算原图像中距离变换图像；

void distanceTransform( InputArray src, OutputArray dst,OutputArray labels,int distanceType,int maskSize,int labelType=DIST_LABEL_CCOMP );

函数说明：
        用于计算图像中每一个非零点像素与其最近的零点像素之间的距离，输出的是保存每一个非零点与最近零点的距离信息；图像上越亮的点，代表了离零点的距离越远。

参数：
src 是单通道的8bit的二值图像（只有0或1）
dst 表示的是计算距离的输出图像，可以使单通道32bit浮点数据
distanceType 表示的是选取距离的类型，可以设置为CV_DIST_L1,CV_DIST_L2,CV_DIST_C等，具体如下：
DIST_L1 = 1, //!< distance = |x1-x2| + |y1-y2|
DIST_L2 = 2, //!< the simple euclidean distance
DIST_C = 3, //!< distance = max(|x1-x2|,|y1-y2|)
DIST_L12 = 4, //!< L1-L2 metric: distance =2(sqrt(1+x*x/2) - 1))
DIST_FAIR = 5, //!< distance = c^2(|x|/c-log(1+|x|/c)),c = 1.3998
DIST_WELSCH = 6, //!< distance = c^{2/2(1-exp(-(x/c)}2)), c= 2.9846
DIST_HUBER = 7 //!< distance = |x| maskSize表示的是距离变换的掩膜模板，可以设置为3，5或CV_DIST_MASK_PRECISE，对 CV_DIST_L1 或CV_DIST_C 的情况，参数值被强制设定为 3, 因为3×3 mask 给出5×5 mask 一样的结果，而且速度还更快。
labels 表示可选输出2维数组；
labelType 表示的是输出二维数组的类型；

        先利用高斯滤波和threshold函数对原图进行优化和阈值化（二值化）处理得到输入图像，而后调用 distanceTransform函数得到距离场图像显示如下：

image.png

image.png

image.png

利用距离场图像可以用来细化轮廓和查找物体质心，如下：

image.png

image.png

image.png

image.png