OpenCV3学习（9.2）连通域分析函数详解connectedComponents()和connectedComponentsWithStats()

在OpenCV 3中提供了两个很好的函数，在OpenCV 2中没有。

(1)connectedComponents()

(2)connectedComponentsWithStats()

对应的官方文档为：https://docs.opencv.org/3.3.1/d3/dc0/group__imgproc__shape.html#ga107a78bf7cd25dec05fb4dfc5c9e765f
函数原型：

int  cv::connectedComponents (cv::InputArrayn image,                // //8位单通道二值图像 (binary)cv::OutputArray labels,               // output label map //和原图一样大的标记图int             connectivity = 8,     // 4- or 8-connected componentsint             ltype        = CV_32S // Output label type (CV_32S or CV_16U));int  cv::connectedComponentsWithStats (cv::InputArrayn image,                // input 8-bit single-channel (binary)cv::OutputArray labels,               // output label mapcv::OutputArray stats,                // Nx5 matrix (CV_32S) of statistics:// [x0, y0, width0, height0, area0;//nccomps×5的矩阵 表示每个连通区域的外接矩形和面积（pixel）//  ... ; x(N-1), y(N-1), width(N-1), height(N-1), area(N-1)]cv::OutputArray centroids,          //nccomps×2的矩阵 表示每个连通区域的质心（pixel）Nx2 CV_64F matrix of centroids: [ cx0, cy0; ... ; cx(N-1), cy(N-1)]int             connectivity = 8,     // 4- or 8-connected componentsint             ltype        = CV_32S // Output label type (CV_32S or CV_16U));

其中connectedComponents()仅仅创建了一个标记图（图中不同连通域使用不同的标记，和原图宽高一致），connectedComponentsWithStats()可以完成上面任务，除此之外，还可以返回每个连通区域的重要信息--bounding box, area, andcentroid
参数说明：

该函数有返回值，返回一个int整型 nccomps，函数返回值为连通区域的总数N，范围为[0,N-1]，其中0代表背景。

image：输入8位单通道二值图像；

label：输出，和原图image一样大的标记图，label对应于表示是当前像素是第几个轮廓，背景置0；

centroids：对应的是轮廓的中心点。nccomps×2的矩阵表示每个连通区域的质心

stats：输出，nccomps×5的矩阵，表示每个连通区域的外接矩形和面积（pixel），例如下列：

分别对应各个轮廓的x,y,width,height和面积。注意0的区域标识的是background

例子：from：https://www.cnblogs.com/jsxyhelu/p/7439655.html

对上图进行连通域分析，看labels 和 stats,其中第1 2 6 个的面积小于200

而labels中

完全对的上号,结果为

实例：

对图像进行连通域分析，将面积小于100的区域作为背景，进行剔除，去除很小的连通域（相当于无损降噪）

#include<opencv2\opencv.hpp>
#include<algorithm>
#include<iostream>
using namespace std;
using namespace cv;
Mat src, src_color,g_src, labels, stats, centroids;
int g_threshold = 30;
void trackbar(int, void*);
int main() {src = imread("133.png", 0);namedWindow("src", 1);createTrackbar("threshold", "src", &g_threshold, 255, trackbar);imshow("src", src);/*threshold(src, g_src, 170, 255, THRESH_BINARY);imshow("d", g_src);int num = connectedComponentsWithStats(g_src, labels, stats, centroids);cout <<"轮廓数" << num << endl;vector<Vec3b> color(num + 1);color[0] = Vec3b(0, 0, 0);//背景色for (int m = 1; m <=num ; m++) {color[m] = Vec3b(rand() % 256, rand() % 256, rand() % 256);if (stats.at<int>(m - 1, CC_STAT_AREA) < 100)//连通域面积小于100的区域，将其当作背景color[m] = Vec3b(0, 0, 0);}src_color=Mat::zeros(src.size(), CV_8UC3);for (int x = 0; x < src.rows; x++)for (int y = 0; y < src.cols; y++){int label = labels.at<int>(x, y);//注意labels是int型，不是uchar.src_color.at<Vec3b>(x, y) = color[label];}imshow("labelMap", src_color);*/waitKey(0);
}
void trackbar(int, void*) {threshold(src, g_src, g_threshold, 255, THRESH_BINARY_INV);imshow("d", g_src);int num = connectedComponentsWithStats(g_src, labels, stats, centroids);cout << "轮廓数" << num << endl;vector<Vec3b> color(num + 1);color[0] = Vec3b(0, 0, 0);//背景色for (int m = 1; m <= num; m++) {color[m] = Vec3b(rand() % 256, rand() % 256, rand() % 256);//if (stats.at<int>(m - 1, CC_STAT_AREA) < 30)//color[m] = Vec3b(0, 0, 0);}src_color = Mat::zeros(src.size(), CV_8UC3);for (int x = 0; x < src.rows; x++)for (int y = 0; y < src.cols; y++){int label = labels.at<int>(x, y);//注意labels是int型，不是uchar.src_color.at<Vec3b>(x, y) = color[label];}imshow("labelMap", src_color);}

结果：

from：https://blog.csdn.net/i_chaoren/article/details/78358297