一、cv2.connectedComponents（）

函数原型：

输入参数解析：

返回参数解析：

二、cv2.connectedComponentsWithStats()

函数原型：

输入参数解析：

输出参数解析：

stats参数解析

cv2.rectangle（）函数

三、实例

对于一个二值化图像的后续处理方式有两种方式，一种是利用cv2.findcontours()函数和cv2.ContourArea（）函数对图像轮廓进行跟踪，可以得到图像轮廓的点集合，以及得到各个轮廓的面积值具体可见：

《【图像处理】——Python+opencv实现二值图像的轮廓边界跟踪以及轮廓面积周长的求解（findcontours函数和contourArea函数）》

另外一种方式就是用函数cv2.connectedComponentsWithStats()和函数cv2.connectedComponents()函数，可以得到轮廓的相关信息

一、cv2.connectedComponents（）

函数原型：

retval, labels = connectedComponents(image, labels=None, connectivity=None, ltype=None)

输入参数解析：

一般指定需要进行标记的目标图像就行

image：用于标记的8位单通道图像
labels：标记的目标图像
connectivity：连通方式：4连通或8连通
Itype：输出图像的标记类型，当前只支持CV_32U和CV_16U

返回参数解析：

retval:不知道，反正用不上

labels：输出的是标记图像，所谓标记图像就是图像中每一个连通域都拥有一个标签（背景的标签是0），该标签即代表了此连通域的灰度值。例如，一幅图像中存在3个连通域（背景除外），那么他们的标签分别是1、2、3，他们的灰度值分别是1、2、3

二、cv2.connectedComponentsWithStats()

函数原型：

 retval, labels, stats, centroids =
connectedComponentsWithStats(image, labels=None, stats=None, centroids=None, connectivity=None, ltype=None)

输入参数解析：

一般指定需要进行标记的目标图像就行

image：用于标记的8位单通道图像
labels：标记的目标图像

stats：含有各个轮廓的外接矩信息和面积的一个参数

centroids：质心
connectivity：连通方式：4连通或8连通
Itype：输出图像的标记类型，当前只支持CV_32U和CV_16U

输出参数解析：

retval：不知道

labels：输出的标记图像

stats：这个参数是最有用的，含有一些轮廓的统计信息，一个numpy数组

centroids：每一个轮廓的质心，返回一个numpy数组，计算公式为：

stats参数解析

stats参数是一个numpy数组，每一行代表一个轮廓，每一行固定为5个参数，依次是：

CC_STAT_LEFT 组件的左上角点像素点坐标的X位置
CC_STAT_TOP 组件的左上角点像素点坐标的Y位置
CC_STAT_WIDTH 组件外接矩形的宽度,计算方式为用每一个轮廓中最右边的点的x坐标减去最左边的点的x坐标
CC_STAT_HEIGHT 组件外接矩形的高度，计算方式为用每一个轮廓中最下边的点的y坐标减去最上边的点的y坐标
CC_STAT_AREA 当前连通组件的面积（像素单位）,这里统计的是轮廓所包含的像素点的个数，不是外接矩形的面积

所以stats的shape为：mx5，m是轮廓的个数，第一个轮廓是背景轮廓，前两个参数为0，0

注：这里的矩形不一定是最小外接矩形，通过外接矩形我们就可以得到图像的几何特征——细长值

最小外接矩形可旋转图像得到，在90°范围内以3°为单位增量恒距离地旋转图像，每一次旋转都计算它的外接矩形的面积值。外接矩形面积达到最小值事，就得到了我们想要的最小外接矩形。即按照3度进行图像旋转得到新的图像，对新的图像再次进行轮廓的检测跟踪以及矩形的绘制，旋转一周后，取面积最小的矩形即为最小外接矩形

根据以上的stats参数，我们可以绘制的外接矩形，具体如下：

cv2.rectangle（）函数

img = rectangle(img, pt1, pt2, color, thickness=None, lineType=None, shift=None)

img：进行绘制矩形的图像

pt1:矩形左上角角点坐标，是一个元组

pt2:矩形右下角角点坐标，是一个元组

color：绘制矩形的颜色，一般通过RGB的表示方式（R.G,B）

thickness:绘制矩形的线宽，如果是负数，则将轮廓区域进行填充

linetype：线型

返回的是：绘制后的图像

    .   @brief Draws a simple, thick, or filled up-right rectangle..   .   The function cv::rectangle draws a rectangle outline or a filled rectangle whose two opposite corners.   are pt1 and pt2..   .   @param img Image..   @param pt1 Vertex of the rectangle..   @param pt2 Vertex of the rectangle opposite to pt1 ..   @param color Rectangle color or brightness (grayscale image)..   @param thickness Thickness of lines that make up the rectangle. Negative values, like #FILLED,.   mean that the function has to draw a filled rectangle..   @param lineType Type of the line. See #LineTypes.   @param shift Number of fractional bits in the point coordinates.

三、实例

代码：

import cv2
import numpy as npimg_=cv2.imread('rice.png')
img=cv2.cvtColor(img_,cv2.COLOR_BGR2GRAY)_, labels, stats, centroids = cv2.connectedComponentsWithStats(img,ltype=cv2.CV_16U)for istat in stats:if istat[3] > istat[4]:r = istat[3]else:r = istat[4]cv2.rectangle(img_, tuple(istat[0:2]), tuple(istat[0:2] + istat[2:4]), (0, 0, 255), thickness=2)cv2.imshow('',img_)
cv2.waitKey(0)

【图像处理】——实现二值图像的轮廓边界跟踪以及轮廓面积周长的求解（connectedComponentsWithStats()函数和connectedComponents()函数）相关推荐

【图像处理】——Python+opencv实现二值图像的轮廓边界跟踪以及轮廓面积周长的求解（findcontours函数和contourArea函数）
目录一.函数 cv.findContours 二.轮廓层级(返回参数hierarchy) 三.轮廓寻找方式 1. RETR_LIST 2. RETR_TREE 3. RETR_EXTERNAL 4. ...
MATLAB对图像处理的填充边缘检测轮廓特征提取的imfill函数与bwperim函数
MATLAB对图像处理的填充边缘检测轮廓特征提取. 主要函数:及其功能说明如下: imfill函数与bwperim函数:* 1.使用边缘检测和形态学检测细胞此示例说明如何使用边缘检测和基本形态学检测 ...
二值图像分析—Hu矩实现轮廓匹配
在OpenCV中,可以很方便的得到Hu不变距,Hu矩在图像旋转.缩放.平移等操作后,仍能保持矩的不变性,所以有时候用Hu不变距更能识别图像的特征. Hu矩由于具有尺度.旋转.平移不变性,可以用来做匹配 ...
图像处理基础操作二（边缘检测、轮廓检测、光流估计）
目录一.边缘检测二.图像金字塔三.图像轮廓检测 1.绘制图像轮廓 2.轮廓近似绘制 3.画轮廓边界矩形框 4.画轮廓外接圆四.背景建模五.光流估计一.边缘检测边缘检测通常是在保留原有图像 ...
OPENCV之寻找并绘制轮廓以及提取轮廓重心坐标
OPENCV之寻找并绘制轮廓以及提取轮廓重心坐标 1.寻找轮廓声明:在寻找图像轮廓之前需要对图像进行阈值分割或者Canny.拉普拉斯等边缘检测算子处理. 寻找轮廓的算子: findContours( ...
python opencv轮廓提取_Python + Opencv2 实现轮廓提取，轮廓区域面积计算
对图像处理时,会遇到这样一个场景:找到图像主体轮廓,这是其一,可能为了凸显轮廓,需要用指定的颜色进行标记:轮廓标记完可能任务还没有结束,还需对轮廓所勾勒的像素面积区域统计计算. 本篇文章的主要内容就是 ...
python cv2 轮廓的包络面积_Python + Opencv2 实现轮廓提取，轮廓区域面积计算
对图像处理时,会遇到这样一个场景:找到图像主体轮廓,这是其一,可能为了凸显轮廓,需要用指定的颜色进行标记:轮廓标记完可能任务还没有结束,还需对轮廓所勾勒的像素面积区域统计计算. 本篇文章的主要内容就是 ...
pythonopencv提取轮廓区域_Python + Opencv 实现轮廓提取，轮廓区域面积计算
Python + Opencv2 实现轮廓提取,轮廓区域面积计算: 对图像处理时,会遇到这样一个场景:找到图像主体轮廓,这是其一,可能为了凸显轮廓,需要用指定的颜色进行标记:轮廓标记完可能任务还没有结 ...
Opencv(六)模板匹配、轮廓检测、轮廓周围绘制矩形框和圆形框
模板匹配介绍模板匹配就是在整个图像区域发现与给定子图像匹配的小块区域. 所以模板匹配首先需要一个模板图像T(给定的子图像) 另外需要一个待检测的图像-源图像S 工作方法,在带检测图像上,从左到右,从 ...

【图像处理】——实现二值图像的轮廓边界跟踪以及轮廓面积周长的求解（connectedComponentsWithStats()函数和connectedComponents()函数）

一、cv2.connectedComponents（）

函数原型：

输入参数解析：

返回参数解析：

二、cv2.connectedComponentsWithStats()

函数原型：

输入参数解析：

输出参数解析：

stats参数解析

cv2.rectangle（）函数

三、实例

【图像处理】——实现二值图像的轮廓边界跟踪以及轮廓面积周长的求解（connectedComponentsWithStats()函数和connectedComponents()函数）相关推荐

最新文章

热门文章