图像孔洞填充与小连通域的删除

cvFindContours

从二值图像中检索轮廓，并返回检测到的轮廓的个数。first_contour的值由函数填充返回，它的值将为第一个外轮廓的指针，当没有轮廓被检测到时为NULL。其它轮廓可以使用h_next和v_next连接，从first_contour到达。

int cvFindContours( CvArr* image, CvMemStorage* storage, CvSeq** first_contour,

int header_size=sizeof(CvContour), int mode=CV_RETR_LIST,

int method=CV_CHAIN_APPROX_SIMPLE, CvPoint offset=cvPoint(0,0) );

image

8比特单通道的源二值图像。非零像素作为1处理，0像素保存不变。从一个灰度图像得到二值图像的函数有：cvThreshold，cvAdaptiveThreshold和cvCanny。

storage

返回轮廓的容器。

first_contour

输出参数，用于存储指向第一个外接轮廓。

header_size

header序列的尺寸.如果选择method = CV_CHAIN_CODE, 则header_size >= sizeof(CvChain)；其他，则

header_size >= sizeof(CvContour)。

mode

CV_RETR_EXTERNAL：只检索最外面的轮廓；

CV_RETR_LIST：检索所有的轮廓，并将其放入list中；

CV_RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界；

CV_RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次。

蓝色表示v_next，绿色表示h_next

method

边缘近似方法（除了CV_RETR_RUNS使用内置的近似，其他模式均使用此设定的近似算法）。可取值如下：

CV_CHAIN_CODE：以Freeman链码的方式输出轮廓，所有其他方法输出多边形（顶点的序列）。

CV_CHAIN_APPROX_NONE：将所有的连码点，转换成点。

CV_CHAIN_APPROX_SIMPLE：压缩水平的、垂直的和斜的部分，也就是，函数只保留他们的终点部分。

CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS：使用the flavors of Teh-Chin chain近似算法

的一种。

CV_LINK_RUNS：通过连接水平段的1，使用完全不同的边缘提取算法。使用CV_RETR_LIST检索模式能使用此方法。

offset

偏移量，用于移动所有轮廓点。当轮廓是从图像的ROI提取的，并且需要在整个图像中分析时，这个参数将很有用。

讨论部分cvDrawContours中的案例显示了任何使用轮廓检测连通区域。轮廓可以用于形状分析和目标识别——可以参考文件夹OpenCV sample中的squares.c

cvDrawContours

cvDrawContours：在图像上绘制外部和内部轮廓

函数cvDrawContours用于在图像上绘制外部和内部轮廓。当thickness >= 0 时，绘制轮廓线；否则填充由轮廓包围的部分。

void cvDrawContours( CvArr *img, CvSeq* contour,CvScalar external_color, CvScalar hole_color,

int max_level, int thickness=1, int line_type=8, CvPoint offset=cvPoint(0,0) );

Img 要在其上绘制轮廓的图像。和在其他绘图函数里一样，轮廓是ROI的修剪结果。

Contour 指向第一个轮廓的指针。

external_color 外轮廓的颜色。

hole_color 内轮廓的颜色。

max_level 画轮廓的最大层数。如果是0，只绘制contour；如果是1，将绘制contour后和contour同层的所有

轮廓；如果是2，绘制contour后所有同层和低一层的轮廓，以此类推；如果值是负值，则函数并不

绘制contour后的轮廓，但是将画出其子轮廓，一直到abs(max_level) - 1层。

thickness

绘制轮廓线的宽度。如果为负值（例如，等于CV_FILLED），则contour内部将被绘制。

line_type

轮廓线段的类型，具体查看cvLine的描述。

offset

按给定值移动所有点的坐标。

cvContourArea

double cvContourArea( const CvArr* contour, CvSliceslice=CV_WHOLE_SEQ );
contour：轮廓（顶点的序列或数组）。
slice：感兴趣区轮廓部分的起点和终点，默认计算整个轮廓的面积。
函数cvContourArea计算整个或部分轮廓的面积。在计算部分轮廓的情况时，由轮廓弧线和连接两端点的弦
围成的区域总面积被计算

#include <stdio.h>
#include <cv.h>
#include <cxcore.h>
#include <highgui.h>
// 内轮廓填充
// 参数:
// 1. pBinary: 输入二值图像，单通道，位深IPL_DEPTH_8U。
// 2. dAreaThre: 面积阈值，当内轮廓面积小于等于dAreaThre时，进行填充。
void FillInternalContours(IplImage *pBinary, double dAreaThre)
{
double dConArea;
CvSeq *pContour = NULL; //创建一序列
CvSeq *pConInner = NULL;
CvMemStorage *pStorage = NULL; //用来创建一个内存存储器，来统一管理各种动态对象的内存，比如说序列，这个函数返回一个新创建的内存存储器指针。
// 执行条件
if (pBinary)
{
// 查找所有轮廓
pStorage = cvCreateMemStorage(0); //创建一个内存存储器,为0时内存块默认大小为64k,申请一块内存来存储找到的轮廓序列
cvFindContours(pBinary, pStorage, &pContour, sizeof(CvContour), CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE); //从二值图像中检索轮廓，并返回检测到的轮廓的个数
// 源二值图、容器、第一个外轮廓指针、head序列大小、轮廓分两层、边缘只保留终点
cvDrawContours(pBinary, pContour, CV_RGB(255, 255, 255), CV_RGB(255, 255, 255), 2, CV_FILLED, 8, cvPoint(0, 0)); //在图像上绘制外部和内部轮廓
// 源二值图、第一个轮廓的指针、外轮廓的颜色、内轮廓的颜色、画两层轮廓、绘制轮廓线的宽度、轮廓线段的类型、按给定值移动所有点的坐标。
// 外轮廓循环
int wai = 0;
int nei = 0;
for (; pContour != NULL; pContour = pContour->h_next) //对检测到的轮廓进行逐一处理，h_next为下一个轮廓
{
wai++;
// 内轮廓循环
for (pConInner = pContour->v_next; pConInner != NULL; pConInner = pConInner->h_next)
{
nei++;
dConArea = fabs(cvContourArea(pConInner, CV_WHOLE_SEQ));// 内轮廓面积
printf("%f\n", dConArea);
if (dConArea <= dAreaThre) //只处理满足条件的轮廓，不满足条件的轮廓扔掉
{
cvDrawContours(pBinary, pConInner, CV_RGB(255, 255, 255), CV_RGB(255, 255, 255), 0, CV_FILLED, 8, cvPoint(0, 0));
} // 源二值图、第一个轮廓的指针、外轮廓的颜色、内轮廓的颜色、画第一个外轮廓、绘制轮廓线的宽度、轮廓线段的类型、按给定值移动所有点的坐标。
}
}
printf("wai = %d, nei = %d", wai, nei);
cvReleaseMemStorage(&pStorage);
pStorage = NULL;
}
}
int Otsu(IplImage* src)
{
int height=src->height;
int width=src->width;
//histogram
float histogram[256] = {0};
for(int i=0; i < height; i++)
{
unsigned char* p=(unsigned char*)src->imageData + src->widthStep * i;
for(int j = 0; j < width; j++)
{
histogram[*p++]++;
}
}
//normalize histogram
int size = height * width;
for(int i = 0; i < 256; i++)
{
histogram[i] = histogram[i] / size;
}
//average pixel value
float avgValue=0;
for(int i=0; i < 256; i++)
{
avgValue += i * histogram[i]; //整幅图像的平均灰度
}
int threshold;
float maxVariance=0;
float w = 0, u = 0;
for(int i = 0; i < 256; i++)
{
w += histogram[i]; //假设当前灰度i为阈值, 0~i 灰度的像素(假设像素值在此范围的像素叫做前景像素) 所占整幅图像的比例
u += i * histogram[i]; // 灰度i 之前的像素(0~i)的平均灰度值：前景像素的平均灰度值
float t = avgValue * w - u;
float variance = t * t / (w * (1 - w) );
if(variance > maxVariance)
{
maxVariance = variance;
threshold = i;
}
}
return threshold;
}
void DeleteIslet(IplImage* pic1,IplImage** pic0)
{
/************删除二值化图像中面积较小的连通域****************************/
CvSeq* contour = NULL;
double minarea =300.0;
double tmparea = 0.0;
CvMemStorage* storage = cvCreateMemStorage(0);
IplImage* img_Clone=cvCloneImage(pic1);
//访问二值图像每个点的值
uchar *pp;
IplImage* img_dst = cvCreateImage(cvGetSize(pic1),IPL_DEPTH_8U,1);
//------------搜索二值图中的轮廓，并从轮廓树中删除面积小于某个阈值minarea的轮廓-------------//
CvScalar color = cvScalar(255,0,0);//CV_RGB(128,0,0);
CvContourScanner scanner = NULL;
scanner = cvStartFindContours(pic1,storage,sizeof(CvContour),CV_RETR_CCOMP,CV_CHAIN_APPROX_NONE,cvPoint(0,0));
//开始遍历轮廓树
CvRect rect;
while (contour==cvFindNextContour(scanner))
{
tmparea = fabs(cvContourArea(contour));
rect = cvBoundingRect(contour,0);
if (tmparea < minarea/*||tmparea>4900*/)
{
//当连通域的中心点为黑色时，而且面积较小则用白色进行填充
pp=(uchar*)(img_Clone->imageData + img_Clone->widthStep*(rect.y+rect.height/2)+rect.x+rect.width/2);
if (pp[0]==0)
{
for(int y = rect.y;y<rect.y+rect.height;y++)
{
for(int x =rect.x;x<rect.x+rect.width;x++)
{
pp=(uchar*)(img_Clone->imageData + img_Clone->widthStep*y+x);
if (pp[0]==0)
{
pp[0]=255;
}
}
}
}
}
}
*pic0=img_Clone;
}
int main( )
{
IplImage* oringin=cvLoadImage("test.bmp",1);
IplImage* pic1=cvLoadImage("test.bmp",0);
IplImage* pic2=NULL;
DeleteIslet(pic1,&pic2); //删除小联通域
IplImage* pic3=cvCloneImage(pic2); //取反再删除
cvNot(pic2,pic3);
IplImage* pic4=NULL;
DeleteIslet(pic3,&pic4);
/**************孔洞填充*********************/
IplImage* pic5 = cvCreateImage(cvGetSize(pic4), 8, 1);
int thresh = Otsu(pic4);
cvThreshold(pic4,pic5, thresh, 255, CV_THRESH_BINARY);
FillInternalContours(pic5, 200);
IplImage* pic6 = cvCreateImage(cvGetSize(pic5), 8, 1);
cvNot(pic5,pic6);
//cvSaveImage("out2.bmp",pic6);
cvNamedWindow("oringin");
cvShowImage("oringin", oringin);
cvNamedWindow("删除小联通域");
cvShowImage("删除小联通域", pic2);
cvNamedWindow("孔洞填充");
cvShowImage("孔洞填充", pic6);
cvWaitKey(0);
cvDestroyWindow( "oringin" );
cvDestroyWindow( "删除小联通域" );
cvDestroyWindow( "孔洞填充" );
cvReleaseImage(&oringin);
cvReleaseImage(&pic2);
cvReleaseImage(&pic6);
return 0;
}

图像孔洞填充与小连通域的删除相关推荐

opencv-python图像孔洞填充
在进行图像分割的过程中,由于算法的不稳定或者图像质量的问题,会造成图像孔洞出现,这个时候就需要对图像中的孔洞进行填充,具体函数如下 def fillHole(im_in):im_floodfill ...
matlab灰度图孔洞填充,一种深度图像空洞的自动填充方法与流程
本发明涉及深度图像空洞填充技术,从彩色图像的结构相似性出发,求解空洞像素点的多尺度结构相似性,将空洞像素分为平滑区域空洞像素和非平滑区域空洞像素,并针对不同的空洞像素,采用不同的填充算法.在平滑区域空 ...
python skimage 填补图像孔洞
最近处理图像的时候需要将图像中一些较小的黑色空洞填上,大致如下: 白色区域中的黑色点是需要填上的孔洞. cv2中有一个叫cv2.floodFill的函数,可以淹没孔洞.但这个方法有两个很大的缺点. 第 ...
C++ Opencv imfill 孔洞填充函数的实现（学习笔记）
C++ Opencv imfill 孔洞填充函数的实现敬告函数实现的中心思想二值图寻找连通域的关键种子点的确定连通域的寻找过程条件设定最后赋值话不多说直接上函数代码主函数代码代 ...
OTSU阈值分割+孔洞填充+海陆分离
1. OTSU阈值分割参考1. https://zhuanlan.zhihu.com/p/124944108 OTSU算法(大津算法)的详细步骤: 假设初始有个阈值 T 0 T_0 T0,并将图像 ...
数字图像处理（作业三）——孔洞填充+全局阈值+自适应阈值
一.孔洞填充基本思想: 基于形态学算法,膨胀后与上取反的原图算法实现步骤: 1.首先找出所有孔洞的位置,只需知道洞中的一个点的坐标即可,下面直接以改点代替该洞 2.新建一张全零图,用0表示背景,1 ...
形态学重建之孔洞填充
白菜苗 1.什么是膨胀(如果已经了解,请往下看) 2.什么是孔洞填充(如果已经了解,请往下看) 3.什么是形态学重建(如果已经了解,请往下看) 4.什么是测地膨胀(如果已经了解,请往下看) 5.什么是 ...
OpenCV函数应用：基于二值图像的三种孔洞填充方法记录（附python，C++代码）
系列文章目录函数系列: OpenCV函数简记_第一章数字图像的基本概念(邻域,连通,色彩空间) OpenCV函数简记_第二章数字图像的基本操作(图像读写,图像像素获取,图像ROI获取,图像混合,图形 ...
形态学重建：孔洞填充的python实现
主要参考:(美)拉斐尔·C.冈萨雷斯. 数字图像处理第3版[M]. 阮秋琦,译. 北京:电子工业出版社, 2017: 633. 形态学重建形态学重建涉及两幅图像和一个结构元: Marker 图像: ...

图像孔洞填充与小连通域的删除

图像孔洞填充与小连通域的删除

图像孔洞填充与小连通域的删除相关推荐

最新文章

热门文章