OpenCV學習記錄python實現連通域處理常式

2022-06-07 14:06:50

1、兩個函數介紹

總得來說，connectedComponents()僅僅建立了一個標記圖（圖中不同連通域使用不同的標記，和原圖寬高一致），connectedComponentsWithStats()可以完成上面任務，除此之外，還可以返回每個連通區域的重要資訊–bounding box, area, andcentroid。

1.1什麼是連通域

連通區域一般是指影象中具有相同畫素值且位置相鄰的前景畫素點組成的影象區域。連通區域分析是指將影象中的各個連通區域找出並標記。

連通區域分析是一種在CVPR和影象分析處理的眾多應用領域中較為常用和基本的方法。

例如：OCR識別中字元分割提取（車牌識別、文字識別、字幕識別等）、視覺跟蹤中的運動前景目標分割與提取（行人入侵檢測、遺留物體檢測、基於視覺的車輛檢測與跟蹤等）、醫學影象處理（感興趣目標區域提取）、等等。也就是說，在需要將前景目標提取出來以便後續進行處理的應用場景中都能夠用到連通區域分析方法，通常連通區域分析處理的物件是一張二值化後的影象。

1.2 cv2.connectedComponents（）

函數各引數意義：

num_objects, labels = cv2.connectedComponents(image)

引數介紹如下：

image：也就是輸入影象，必須是二值圖，即8位元單通道影象。（因此輸入影象必須先進行二值化處理才能被這個函數接受）

返回值：

num_labels：所有連通域的數目

labels：影象上每一畫素的標記，用數位1、2、3…表示（不同的數位表示不同的連通域）

1.3 cv2.connectedComponentsWithStats（）

這個函數的作用是對一幅影象進行連通域提取，並返回找到的連通域的資訊：retval、labels、stats、centroids

num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(image, connectivity=8, ltype=None)

引數介紹如下：

image：也就是輸入影象，必須是二值圖，即8位元單通道影象。（因此輸入影象必須先進行二值化處理才能被這個函數接受）
connectivity：可選值為4或8，也就是使用4連通還是8連通。
ltype：輸出影象標記的型別，目前支援CV_32S 和 CV_16U。

返回值：

num_labels：所有連通域的數目
labels：影象上每一畫素的標記，用數位1、2、3…表示（不同的數位表示不同的連通域）
stats：每一個標記的統計資訊，是一個5列的矩陣，每一行對應每個連通區域的外接矩形的x、y、width、height和麵積，範例如下： 0 0 720 720 291805
centroids：連通域的中心點

2、程式碼實踐

兩個程式碼的用處是共通的，cv2.connectedComponentsWithStats函數返回的資訊量更大，所以這裡展示它的應用。

import cv2
import numpy as np
# 讀入圖片
img = cv2.imread("001.jpg")
# 中值濾波，去噪
img = cv2.medianBlur(img, 3)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.namedWindow('original', cv2.WINDOW_AUTOSIZE)
cv2.imshow('original', gray)
# 閾值分割得到二值化圖片
ret, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
# 膨脹操作
kernel2 = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
bin_clo = cv2.dilate(binary, kernel2, iterations=2)
# 連通域分析
num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(bin_clo, connectivity=8)
# 檢視各個返回值
# 連通域數量
print('num_labels = ',num_labels)
# 連通域的資訊：對應各個輪廓的x、y、width、height和麵積
print('stats = ',stats)
# 連通域的中心點
print('centroids = ',centroids)
# 每一個畫素的標籤1、2、3.。。，同一個連通域的標籤是一致的
print('labels = ',labels)
# 不同的連通域賦予不同的顏色
output = np.zeros((img.shape[0], img.shape[1], 3), np.uint8)
for i in range(1, num_labels):
    mask = labels == i
    output[:, :, 0][mask] = np.random.randint(0, 255)
    output[:, :, 1][mask] = np.random.randint(0, 255)
    output[:, :, 2][mask] = np.random.randint(0, 255)
cv2.imshow('oginal', output)
cv2.waitKey()
cv2.destroyAllWindows()

列印出的連通域的資訊如下：

重點是理解stats和 labels 引數的意義，其他的引數都容易理解：

labels ：對原始圖中的每一個畫素都打上標籤，背景為0，連通域打上1，2，3。。。的標籤，同一個連通域的畫素打上同樣的標籤。相當與對每一個畫素進行了分類（分割）

stats：每一連通域的資訊，表示每個連通區域的外接矩形（起始點的x、y、寬和高)和麵積