python连通域标记_使用OpenCV获取图片连通域数量,并用不同颜色标记函
一,原图和效果图
二,代码
//#########################产生随机颜色#########################
cv::Scalar icvprGetRandomColor()
{
uchar r = 255 * (rand() / (1.0 + RAND_MAX));
uchar g = 255 * (rand() / (1.0 + RAND_MAX));
uchar b = 255 * (rand() / (1.0 + RAND_MAX));
return cv::Scalar(b, g, r);
}
//#########################产生随机颜色#########################
//########################种子填充法)#########################
void ConnectedCountBySeedFill(const cv::Mat& _binImg, cv::Mat& _lableImg, int &iConnectedAreaCount)
{
//拓宽1个像素的原因是:如果连通域在边缘,运行此函数会异常崩溃,所以需要在周围加一圈0值,确保连通域不在边上
//==========图像周围拓宽1个像素============================================
int top, bottom; //【添加边界后的图像尺寸】
int leftImage, rightImage;
int borderType = BORDER_CONSTANT; //BORDER_REPLICATE
//【初始化参数】
top = (int)(1); bottom = (int)(1);
leftImage = (int)(1); rightImage = (int)(1);
Mat _binImg2, _binImg3;
_binImg.copyTo(_binImg2);
//初始化参数value
Scalar value(0); //填充值
//创建图像边界
copyMakeBorder(_binImg2, _binImg3, top, bottom, leftImage, rightImage, borderType, value);
//==========图像周围拓宽1个像素============================================
// connected component analysis (4-component)
// use seed filling algorithm
// 1. begin with a foreground pixel and push its foreground neighbors into a stack;
// 2. pop the top pixel on the stack and label it with the same label until the stack is empty
//
// foreground pixel: _binImg(x,y) = 1
// background pixel: _binImg(x,y) = 0
if (_binImg3.empty() ||
_binImg3.type() != CV_8UC1)
{
return;
}
_lableImg.release();
_binImg3.convertTo(_lableImg, CV_32SC1);
int icount = 0;
int label = 1; // start by 2
int rows = _binImg3.rows - 1;
int cols = _binImg3.cols - 1;
for (int i = 1; i < rows - 1; i++)
{
int* data = _lableImg.ptr(i); //取一行数据
for (int j = 1; j < cols - 1; j++)
{
if (data[j] == 1) //像素不为0
{
std::stack<:pair int>> neighborPixels; //新建一个栈
neighborPixels.push(std::pair(i, j)); // 像素坐标: ,以该像素为起点,寻找连通域
++label; // 开始一个新标签,各连通域区别的标志
while (!neighborPixels.empty())
{
// 获取堆栈中的顶部像素并使用相同的标签对其进行标记
std::pair curPixel = neighborPixels.top();
int curX = curPixel.first;
int curY = curPixel.second;
_lableImg.at(curX, curY) = label; //对图像对应位置的点进行标记
// 弹出顶部像素 (顶部像素出栈)
neighborPixels.pop();
// 加入8邻域点
if (_lableImg.at(curX, curY - 1) == 1)
{// 左点
neighborPixels.push(std::pair(curX, curY - 1)); //左边点入栈
}
if (_lableImg.at(curX, curY + 1) == 1)
{// 右点
neighborPixels.push(std::pair(curX, curY + 1)); //右边点入栈
}
if (_lableImg.at(curX - 1, curY) == 1)
{// 上点
neighborPixels.push(std::pair(curX - 1, curY)); //上边点入栈
}
if (_lableImg.at(curX + 1, curY) == 1)
{// 下点
neighborPixels.push(std::pair(curX + 1, curY)); //下边点入栈
}
//===============补充到8连通域======================================================
if (_lableImg.at(curX - 1, curY - 1) == 1)
{// 左上点
neighborPixels.push(std::pair(curX - 1, curY - 1)); //左上点入栈
}
if (_lableImg.at(curX - 1, curY + 1) == 1)
{// 右上点
neighborPixels.push(std::pair(curX - 1, curY + 1)); //右上点入栈
}
if (_lableImg.at(curX + 1, curY - 1) == 1)
{// 左下点
neighborPixels.push(std::pair(curX + 1, curY - 1)); //左下点入栈
}
if (_lableImg.at(curX + 1, curY + 1) == 1)
{// 右下点
neighborPixels.push(std::pair(curX + 1, curY + 1)); //右下点入栈
}
//===============补充到8连通域======================================================
}
}
}
}
iConnectedAreaCount = label - 1; //因为label从2开始计数的
int a = 0;
}
###########################################################
//#############添加颜色#####################################
Mat PaintColor(Mat src, int iConnectedAreaCount)
{
int rows = src.rows;
int cols = src.cols;
//cv::Scalar(b, g, r);
std::map colors;
for (int n = 1; n <= iConnectedAreaCount + 1; n++)
{
colors[n] = icvprGetRandomColor(); //根据不同标志位产生随机颜色
cv::Scalar color = colors[n];
int a = color[0];
int b = color[1];
int c = color[2];
int d = 0;
}
Mat dst2(rows, cols, CV_8UC3);
dst2 = cv::Scalar::all(0);
for (int i = 0; i < rows; i++)
{
for (int j = 0; j < cols; j++)
{
int value = src.at(i, j);
if (value>1)
{
cv::Scalar color = colors[value];
int a = color[0];
int b = color[1];
int c = color[2];
dst2.at(i, j)[0] = color[0];
dst2.at(i, j)[1] = color[1];
dst2.at(i, j)[2] = color[2];
}
}
}
return dst2;
}
//#############添加颜色##################################
//########调用##########################################
Mat binImage = cv::imread("D:\\sxl\\处理图片\\testImages\\22.jpg", 0);
threshold(binImage, binImage, 50, 1, CV_THRESH_BINARY_INV);
// 连通域标记
Mat labelImg;
int iConnectedAreaCount = 0; //连通域个数
ConnectedCountBySeedFill(binImage, labelImg, iConnectedAreaCount);//针对黑底白字
int a=iConnectedAreaCount;
// 显示结果
Mat dstColor2=PaintColor(labelImg,iConnectedAreaCount);
imshow("colorImg", dstColor2);
Mat grayImg;
labelImg *= 10;
labelImg.convertTo(grayImg, CV_8UC1);
imshow("labelImg", grayImg);
waitKey(0);
//########调用##########################################
补充知识:Opencv快速获取连通域
对于ndarray数据中的连通域查找,opencv提供了接口,非常方便。
import cv2
import numpy as np
img = np.array([
[0, 255, 255, 0, 0, 0, 255, 255,],
[0, 0, 255, 0, 255, 255, 255, 0],
[0, 0, 0, 0, 255, 255, 0, 255],
[255, 255, 0, 0, 0, 0, 0, 0],
[255, 255, 0, 0, 0, 0, 0, 0],
[255, 255, 0, 0, 0, 0, 0, 0]
], dtype=np.uint8)
num, labels = cv2.connectedComponents(img)
labels_dict = {i:[] for i in range(1, num+1)}
height, width = img.shape
for h in range(height):
for w in range(width):
if labels[h][w] in labels_dict:
labels_dict[labels[h][w]].append([h,w])
cv2.connectedComponents()函数返回查找到的连通域个数和对应的label。
上面代码返回连通域个数为4(包含值为0区域,可通过lables过滤), labels结果如图所示:
以上这篇使用OpenCV获取图片连通域数量,并用不同颜色标记函就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持我们。
本文标题: 使用OpenCV获取图片连通域数量,并用不同颜色标记函
本文地址: http://www.cppcns.com/jiaoben/python/316387.html
python连通域标记_使用OpenCV获取图片连通域数量,并用不同颜色标记函相关推荐
- OpenCV获取图片连通域数量,并用不同颜色标记函
一,原图和效果图 二,代码 //#########################产生随机颜色######################### cv::Scalar icvprGetRandomCo ...
- Python学习(1)OpenCV读取图片
Python学习(1)OpenCV读取图片 前言 一. Python准备 二. Python仿真 三. 仿真结果 四. 小结 前言 随着人工智能研究的不断兴起,Python的应用也在不断上升,由于Py ...
- python opencv获取图片分辨率_python-opencv遍历图片像素,并对像素进行操作
看代码: def access_pixels(frame): print(frame.shape) #shape内包含三个元素:按顺序为高.宽.通道数 height = frame.shape[0] ...
- python怎么换背景颜色_用opencv给图片换背景色的示例代码
图像平滑 模糊/平滑图片来消除图片噪声 OpenCV函数:cv2.blur(), cv2.GaussianBlur(), cv2.medianBlur(), cv2.bilateralFilter() ...
- opencv物品定位_使用OpenCV获取零件位置的学习笔记
最近公司接到一个案子,使用移动机械臂抓取圆盘上下料,目前我们的移动机器人定位精度在两厘米左右,因此需要视觉辅助定位来提高夹取的精度. 这个项目本身不是我做,出于对是视觉的兴趣,学习了一下如何使用Ope ...
- 使用OpenCV获取图片亮度
1. 为何要获取图片的亮度?有哪些应用场合? 在工厂或者其他工业生产过程中,需要提取目前场景的亮度.比如,检测手机的闪光灯功能是否正常. 2. 算法实现 2.1 图象转成HSV格式 HSV(Hue, ...
- android 通过图片url获取宽高_通过 URL 获取图片宽高优化
一张小图.png 前言 客户端研发时,有时会有这样的需求,需要根据图片链接地址获取图片的宽高来进行界面排版. 一般比较正规的做法,是服务端在返回数据时将图片的信息属性一起带回来,这也符合轻客户端设计规 ...
- python 连通域面积_使用OpenCV去除面积较小的连通域
这是后期补充的部分,和前期的代码不太一样 效果图 源代码 //测试 void CCutImageVS2013Dlg::OnBnClickedTestButton1() { vector > co ...
- opencv获取图片像素坐标_利用OpenCV从图片中提取矩形并标注坐标(室内平面地图)(一)
某城市会展中心室内地图 背景 一名室内设计师的日常工作从设计一张会展地图开始.常常有这样的场景:划分除规范的展位后,进入销售阶段,频繁的需要修改这张地图,如展示拆分.合并.换位置.标记已交易. 问题 ...
最新文章
- http状态码302,303,307的区别
- 细说angular Form addControl方法
- springboot 远程日志
- 光猫的分类及应用范围有哪些?
- netflix_Netflix的Polynote
- mysql运行效率最高archive_MySQL 的优化方案总结
- 判断文件夹存在_Excel VBA之FSO-2.3文件夹的移动
- JavaWeb项目框架
- 成品app直播源码,实现图形验证码
- Web前端初步——IDE工具选择和emment插件
- oracle计算距离,根据坐标点的经纬度计算距离
- 【计算机网络】网络层 : 数据交换方式 ( 电路交换 | 报文交换 | 分组交换 )★
- 【英语:基础进阶_原著扩展阅读】J6.原著阅读实战训练
- 根据交谈和3D面部表情判断抑郁症
- 前端学习笔记(5)-ES6中promise、Generator、Module等使用场景
- 计算机网络------虚拟局域网
- GD32 f130G8U6 RS485发送数据
- 阿里CEO盒马内部演讲实录:跑得久才是最关键的
- 仿网易侧滑Demo-简单易懂好上手
- 在Jupyter Notebook,沉浸式体验ChatGPT