OpenCV中一个连通域处理函数
作者：tornadomeet 出处： http://www.cnblogs.com/tornadomeet 欢迎转载或分享，但请务必声明文章出处。
连通域处理函数的原型：
void ConnectedComponents(Mat &mask_process, int poly1_hull0, float perimScale, int number = 0, Rect &bounding_box = Rect(), Point &contour_centers = Point(-1, -1));
参数解析：
参数mask_process:
表示的是需要进行连通域处理二值图像。
参数poly1_hull0:
表示轮廓边缘是否采用多边形拟合,如果该参数为1，则表示采用多边形拟合，否则采用凸包拟合。
参数perimScale:
是用来将那些小的轮廓去掉，那些小的轮廓时指它的周长小于(mask长+宽)/perimScale。当然你在其内部代码也可以该为面积来判断。
参数number:
表示实际需要处理最多的轮廓的个数（如果输入的mask有多个轮廓的话），这里的处理是指计算出这些轮廓的外接矩形和中心点。默认值为0，表示函数内部不需要处理这些外接矩形和中心点。
参数bounding_box:
表示的是处理完后对应轮廓的外接矩形，默认值为Rect()，表示不需要返回这些外接矩形。
参数contour_centers:
表示处理完后对应轮廓的中心点坐标，默认值为Point(-1, -1)，表示不需要返回这些中心点
实现代码：
#include <iostream>
#include <opencv.hpp>
using namespace cv;
using namespace std;
//Just some convienience macros
#define CV_CVX_WHITE CV_RGB(0xff,0xff,0xff)
#define CV_CVX_BLACK CV_RGB(0x00,0x00,0x00)
void ConnectedComponents(Mat &mask_process, int poly1_hull0, float perimScale, int number = 0,
Rect &bounding_box = Rect(), Point &contour_centers = Point(-1, -1))
{
/*下面4句代码是为了兼容原函数接口，即内部使用的是c风格，但是其接口是c++风格的*/
IplImage *mask = &mask_process.operator IplImage();
int *num = &number;
CvRect *bbs = &bounding_box.operator CvRect();
CvPoint *centers = &contour_centers.operator CvPoint();
static CvMemStorage* mem_storage = NULL;
static CvSeq* contours = NULL;
//CLEAN UP RAW MASK
//开运算作用：平滑轮廓，去掉细节,断开缺口
cvMorphologyEx( mask, mask, NULL, NULL, CV_MOP_OPEN, 1 );//对输入mask进行开操作，CVCLOSE_ITR为开操作的次数，输出为mask图像
//闭运算作用：平滑轮廓，连接缺口
cvMorphologyEx( mask, mask, NULL, NULL, CV_MOP_CLOSE, 1 );//对输入mask进行闭操作，CVCLOSE_ITR为闭操作的次数，输出为mask图像
//FIND CONTOURS AROUND ONLY BIGGER REGIONS
if( mem_storage==NULL ) mem_storage = cvCreateMemStorage(0);
else cvClearMemStorage(mem_storage);
//CV_RETR_EXTERNAL=0是在types_c.h中定义的，CV_CHAIN_APPROX_SIMPLE=2也是在该文件中定义的
CvContourScanner scanner = cvStartFindContours(mask,mem_storage,sizeof(CvContour),CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE);
CvSeq* c;
int numCont = 0;
//该while内部只针对比较大的轮廓曲线进行替换处理
while( (c = cvFindNextContour( scanner )) != NULL )
{
double len = cvContourPerimeter( c );
double q = (mask->height + mask->width) /perimScale; //calculate perimeter len threshold
if( len < q ) //Get rid of blob if it's perimeter is too small
{
cvSubstituteContour( scanner, NULL ); //用NULL代替原来的那个轮廓
}
else //Smooth it's edges if it's large enough
{
CvSeq* c_new;
if(poly1_hull0) //Polygonal approximation of the segmentation
c_new = cvApproxPoly(c,sizeof(CvContour),mem_storage,CV_POLY_APPROX_DP, 2,0);
else //Convex Hull of the segmentation
c_new = cvConvexHull2(c,mem_storage,CV_CLOCKWISE,1);
cvSubstituteContour( scanner, c_new ); //最开始的轮廓用凸包或者多项式拟合曲线替换
numCont++;
}
}
contours = cvEndFindContours( &scanner ); //结束轮廓查找操作
// PAINT THE FOUND REGIONS BACK INTO THE IMAGE
cvZero( mask );
IplImage *maskTemp;
//CALC CENTER OF MASS AND OR BOUNDING RECTANGLES
if(*num != 0)
{
int N = *num, numFilled = 0, i=0;
CvMoments moments;
double M00, M01, M10;
maskTemp = cvCloneImage(mask);
for(i=0, c=contours; c != NULL; c = c->h_next,i++ ) //h_next为轮廓序列中的下一个轮廓
{
if(i < N) //Only process up to *num of them
{
//CV_CVX_WHITE在本程序中是白色的意思
cvDrawContours(maskTemp,c,CV_CVX_WHITE, CV_CVX_WHITE,-1,CV_FILLED,8);
//Find the center of each contour
if(centers != &cvPoint(-1, -1))
{
cvMoments(maskTemp,&moments,1); //计算mask图像的最高达3阶的矩
M00 = cvGetSpatialMoment(&moments,0,0); //提取x的0次和y的0次矩
M10 = cvGetSpatialMoment(&moments,1,0); //提取x的1次和y的0次矩
M01 = cvGetSpatialMoment(&moments,0,1); //提取x的0次和y的1次矩
centers[i].x = (int)(M10/M00); //利用矩的结果求出轮廓的中心点坐标
centers[i].y = (int)(M01/M00);
}
//Bounding rectangles around blobs
if(bbs != &CvRect())
{
bbs[i] = cvBoundingRect(c); //算出轮廓c的外接矩形
}
cvZero(maskTemp);
numFilled++;
}
//Draw filled contours into mask
cvDrawContours(mask,c,CV_CVX_WHITE,CV_CVX_WHITE,-1,CV_FILLED,8); //draw to central mask
} //end looping over contours
*num = numFilled;
cvReleaseImage( &maskTemp);
}
//ELSE JUST DRAW PROCESSED CONTOURS INTO THE MASK
else
{
for( c=contours; c != NULL; c = c->h_next )
{
cvDrawContours(mask,c,CV_CVX_WHITE, CV_CVX_BLACK,-1,CV_FILLED,8);
}
}
}
int main()
{
Mat src, mask;
src = imread("test.png", 0); //以灰度图像读入
imshow("src", src);
mask = src > 0; //转换为二值图像
imshow("mask", mask);
ConnectedComponents(mask, 1, 8.0, 1, Rect(), Point(-1, -1)); //采用多边形拟合处理
imshow("out1", mask);
ConnectedComponents(mask, 0, 8.0, 1, Rect(), Point(-1, -1)); //c采用凸包进行处理
imshow("out2", mask);
waitKey(0);
return 0;
}
实验结果
所需处理原始图像的灰度图：
其对应的mask图像：
使用多项式拟合的连通域处理后图像：
使用凸包集拟合的连通域处理后的图像：
