当前位置：首页 > news >正文

加强版第四节联通组件分析与演示

news 2025/1/13 15:38:37

得到二值图像的目的是为了后面的分析

基本概念解释

-图像联通组件

-四邻域与八邻域联通

ccl联通组件标记

通过四邻域和八邻域来对图像进行边缘寻找与噪声处理的功能

常见算法来寻找联通组件

-基于像素扫描方法

-基于块扫描的方法

-两步法扫描

API: OpenCV中支持连通组件扫描的API有两个，一个是带统计信息connectedComponentsWithStats 一个不带统计信息connectedComponents
黑色背景

1. 整体功能• connectedComponentsWithStats是OpenCV中用于图像分析的一个重要函数，主要用于对图像中的连通区域进行标记、统计相关信息和计算质心。2. 输入参数（重点是前两个）• image：这是进行连通区域分析的基础。通常是一幅经过预处理的二值图像，例如，通过阈值分割得到的图像，其中白色（非零）像素表示前景物体，黑色（零）像素表示背景。函数会根据这些前景像素的分布来确定连通区域。• labels：在调用函数之前就创建好的一个矩阵，用于存储连通区域的标签信息。它的尺寸和image相同，数据类型为CV_32S（前面提到过这个类型的好处）。在函数执行过程中，每个像素会被赋予一个标签值，代表它所属的连通区域。3. 输出参数（重点是中间两个）• stats：这是一个矩阵，每一行代表一个连通区域（背景区域通常不包含在内）。这个矩阵包含了非常有用的统计信息，比如连通区域的外接矩形的左上角坐标（x和y）、宽度、高度和面积等。这些信息可以用于后续对连通区域的形状、大小等特征的分析。• centroids：用于存储每个连通区域（不包括背景）的质心坐标。质心坐标可以帮助确定物体在图像中的中心位置，对于目标跟踪、物体定位等应用场景很有帮助。4. 连通性参数• 函数中的8参数用于指定连通性。8连通性意味着一个像素与其周围的8个像素（上下左右、四个对角）都被认为是连通的；如果是4连通性，一个像素只与其上下左右4个像素连通。这个参数会影响连通区域的划分结果。5. 数据类型和算法参数• CV_32S参数是为了确保labels矩阵的数据类型和函数内部的处理要求相匹配，保证标签能够正确存储。CCL_DEFAULT参数通常用于指定使用默认的连通组件标记算法，在大多数情况下不需要改变这个参数，它可以保证算法以比较合理的方式运行。

方便个人理解我将源代码分为三部分，基于当前的学习阶段，我将代码敲完之后发现25个物体被识别成了27个，后来发现右边又很小的一条白条，所以此API对于黑底背景十分敏感。

第一步思路先将图像转化为灰度图像后进行高斯模糊，可以更好地帮助进行二值化。

int main(int argc, char** argv) {
   Mat src = imread("C:/newword/image/3.png");
   if (src.empty()) {
       printf("could not find image file");
       return -1;
   }
   namedWindow("input", WINDOW_AUTOSIZE);
   imshow("input", src);
   GaussianBlur(src, src, Size(3, 3), 0);
   Mat gray, binary;
   cvtColor(src, gray, COLOR_BGR2GRAY);to那个
   threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);
   imshow("binary", binary);

后面需要将目标图像中的关键信息用连通组件进行寻找，首先要建立一个新的同等规模的图像，将其初始化，规模为32s，之后将目标图像用connectedComponentsWithStats函数进行连通寻找，我们想要将目标图像中的关键信息的颜色改变；那就需要建立同等规模的三通道容器，里面包含了BGR元素，首先将元素背景设置为黑色，之后将经过连通寻找后的图像从1开始遍历，并将连通其中的颜色随机化，注：此代码只有标记功能没有上色功能

void ccl_stats_demo(Mat& image) {
   Mat labels = Mat::zeros(image.size(), CV_32S);//创建了一个与给定图像 image 尺寸相同的矩阵 labels，数据类型为 CV_32S（32 位有符号整数），并且初始值全为零。
   Mat stats, centroids;
   int num_labels = connectedComponentsWithStats(image, labels, stats, centroids, 8, CV_32S, CCL_DEFAULT);
   vector<Vec3b> colorTable(num_labels);//vector动态数组库，vec3b三通道，color table容器
   colorTable[0] = Vec3b(0, 0, 0);//将背景设置为黑色
   for (int i = 1; i < num_labels; i++) {
       colorTable[i] = Vec3b(rng.uniform(0, 256), rng.uniform(0, 256), rng.uniform(0, 256));
   }

下面代码是将刚标记的连通图进行上色

Mat result = Mat::zeros(image.size(), CV_8UC3);
int w = result.cols;
int h = result.rows;
for (int row = 0; row < h; row++) {
   for (int col = 0; col < w; col++) {
       int label = labels.at<int>(row, col);
       result.at<Vec3b>(row, col) = colorTable[label];//上色
   }

}

最后将连通标记上色后的图片用矩形框出来，并显示左上角信息与原点位置

   for (int i = 1; i < num_labels; i++) {
       int cx = centroids.at<double>(i, 0);
       int cy = centroids.at<double>(i, 1);
       int x = stats.at<int>(i, CC_STAT_LEFT);
       int y = stats.at<int>(i, CC_STAT_TOP);
       int width = stats.at<int>(i, CC_STAT_WIDTH);
       int height = stats.at<int>(i, CC_STAT_HEIGHT);
       int area = stats.at<int>(i, CC_STAT_AREA);
       circle(result, Point(cx, cy), 3, Scalar(0, 0, 255), 2, 8, 0);//circle(result, Point(cx, cy), 3, Scalar(0, 0, 255), 2, 8, 0);：在结果图像result上，以质心坐标(cx, cy)为圆心，绘制一个半径为 3 的红色（Scalar(0, 0, 255)）圆圈，线宽为 2，采用 8 连接方式。这个圆圈标记了连通区域的质心位置。
       Rect box(x, y, width, height);
       rectangle(result, box, Scalar(0, 255, 0), 2, 8);//Rect box(x, y, width, height);和rectangle(result, box, Scalar(0, 255, 0), 2, 8);：创建一个以(x, y)为左上角坐标，宽度为width，高度为height的矩形box，然后在结果图像上绘制一个绿色（Scalar(0, 255, 0)）的矩形框，线宽为 2，采用 8 连接方式。这个矩形框标记了连通区域的外接矩形。rectangle(图像矩阵, 矩形区域, 颜色, 线宽, 线类型, 偏移量)。例如代码中rectangle(result, box, Scalar(0, 255, 0), 2, 8);，result是要绘制矩形的图像，box是一个Rect类型的矩形区域对象，Scalar(0, 255, 0)表示绿色的颜色，2是线宽，8是线类型（连接方式）。
       putText(result, format("%d", area), Point(x, y), FONT_HERSHEY_PLAIN, 1.0, Scalar(0, 255, 0), 1);
   }
   putText(result, format("number: %d", num_labels - 1), Point(10, 10), FONT_HERSHEY_PLAIN, 1.0, Scalar(0, 255, 0), 1);//