OpenCV:二值图像连通区域分析与标记算法实现

http://blog.csdn.net/cooelf/article/details/26581539?utm_source=tuicool&utm_medium=referral

2014-05-22 14:30 2058人阅读 评论(0) 收藏 举报
OpenCV:二值图像连通区域分析与标记算法实现 分类:
OpenCV(6) OpenCV:二值图像连通区域分析与标记算法实现

版权声明:本文为博主原创文章,未经博主允许不得转载。

 

目录(?)[+]

 

编译环境:

操作系统:Win8.1  64位

IDE平台:Visual Studio 2013 Ultimate

OpenCV:2.4.8

一、连通域

在图像中,最小的单位是像素,每个像素周围有8个邻接像素,常见的邻接关系有2种:4邻接与8邻接。4邻接一共4个点,即上下左右,如下左图所示。8邻接的点一共有8个,包括了对角线位置的点,如下右图所示。

OpenCV:二值图像连通区域分析与标记算法实现       OpenCV:二值图像连通区域分析与标记算法实现

如果像素点A与B邻接,我们称A与B连通,于是我们不加证明的有如下的结论:

如果A与B连通,B与C连通,则A与C连通。

在视觉上看来,彼此连通的点形成了一个区域,而不连通的点形成了不同的区域。这样的一个所有的点彼此连通点构成的集合,我们称为一个连通区域。

下面这符图中,如果考虑4邻接,则有3个连通区域;如果考虑8邻接,则有2个连通区域。(注:图像是被放大的效果,图像正方形实际只有4个像素)。

OpenCV:二值图像连通区域分析与标记算法实现

二、连通区域的标记

1)Two-Pass(两遍扫描法)

下面给出Two-Pass算法的简单步骤:

(1)第一次扫描:

访问当前像素B(x,y),如果B(x,y) == 1:

a、如果B(x,y)的领域中像素值都为0,则赋予B(x,y)一个新的label:

label += 1, B(x,y) = label;

b、如果B(x,y)的领域中有像素值 > 1的像素Neighbors:

1)将Neighbors中的最小值赋予给B(x,y):

B(x,y) = min{Neighbors}

2)记录Neighbors中各个值(label)之间的相等关系,即这些值(label)同属同一个连通区域;

labelSet[i] = { label_m, .., label_n },labelSet[i]中的所有label都属于同一个连通区域(注:这里可以有多种实现方式,只要能够记录这些具有相等关系的label之间的关系即可)

(2)第二次扫描:

访问当前像素B(x,y),如果B(x,y) > 1:

a、找到与label = B(x,y)同属相等关系的一个最小label值,赋予给B(x,y);

b、完成扫描后,图像中具有相同label值的像素就组成了同一个连通区域。

2)Seed Filling(种子填充法)

种子填充方法来源于计算机图形学,常用于对某个图形进行填充。思路:选取一个前景像素点作为种子,然后根据连通区域的两个基本条件(像素值相同、位置相邻)将与种子相邻的前景像素合并到同一个像素集合中,最后得到的该像素集合则为一个连通区域。

下面给出基于种子填充法的连通区域分析方法:

(1)扫描图像,直到当前像素点B(x,y) == 1:

a、将B(x,y)作为种子(像素位置),并赋予其一个label,然后将该种子相邻的所有前景像素都压入栈中;

b、弹出栈顶像素,赋予其相同的label,然后再将与该栈顶像素相邻的所有前景像素都压入栈中;

c、重复b步骤,直到栈为空;

此时,便找到了图像B中的一个连通区域,该区域内的像素值被标记为label;

(2)重复第(1)步,直到扫描结束;

扫描结束后,就可以得到图像B中所有的连通区域;

三、程序代码

  1. #include "stdafx.h"
  2. #include<iostream>
  3. #include <string>
  4. #include <list>
  5. #include <vector>
  6. #include <map>
  7. #include <stack>
  8. #include <opencv2/imgproc/imgproc.hpp>
  9. #include <opencv2/highgui/highgui.hpp>
  10. using namespace std;
  11. void Seed_Filling(const cv::Mat& binImg, cv::Mat& lableImg)   //种子填充法
  12. {
  13. // 4邻接方法
  14. if (binImg.empty() ||
  15. binImg.type() != CV_8UC1)
  16. {
  17. return;
  18. }
  19. lableImg.release();
  20. binImg.convertTo(lableImg, CV_32SC1);
  21. int label = 1;
  22. int rows = binImg.rows - 1;
  23. int cols = binImg.cols - 1;
  24. for (int i = 1; i < rows-1; i++)
  25. {
  26. int* data= lableImg.ptr<int>(i);
  27. for (int j = 1; j < cols-1; j++)
  28. {
  29. if (data[j] == 1)
  30. {
  31. std::stack<std::pair<int,int>> neighborPixels;
  32. neighborPixels.push(std::pair<int,int>(i,j));     // 像素位置: <i,j>
  33. ++label;  // 没有重复的团,开始新的标签
  34. while (!neighborPixels.empty())
  35. {
  36. std::pair<int,int> curPixel = neighborPixels.top(); //如果与上一行中一个团有重合区域,则将上一行的那个团的标号赋给它
  37. int curX = curPixel.first;
  38. int curY = curPixel.second;
  39. lableImg.at<int>(curX, curY) = label;
  40. neighborPixels.pop();
  41. if (lableImg.at<int>(curX, curY-1) == 1)
  42. {//左边
  43. neighborPixels.push(std::pair<int,int>(curX, curY-1));
  44. }
  45. if (lableImg.at<int>(curX, curY+1) == 1)
  46. {// 右边
  47. neighborPixels.push(std::pair<int,int>(curX, curY+1));
  48. }
  49. if (lableImg.at<int>(curX-1, curY) == 1)
  50. {// 上边
  51. neighborPixels.push(std::pair<int,int>(curX-1, curY));
  52. }
  53. if (lableImg.at<int>(curX+1, curY) == 1)
  54. {// 下边
  55. neighborPixels.push(std::pair<int,int>(curX+1, curY));
  56. }
  57. }
  58. }
  59. }
  60. }
  61. }
  62. void Two_Pass(const cv::Mat& binImg, cv::Mat& lableImg)    //两遍扫描法
  63. {
  64. if (binImg.empty() ||
  65. binImg.type() != CV_8UC1)
  66. {
  67. return;
  68. }
  69. // 第一个通路
  70. lableImg.release();
  71. binImg.convertTo(lableImg, CV_32SC1);
  72. int label = 1;
  73. std::vector<int> labelSet;
  74. labelSet.push_back(0);
  75. labelSet.push_back(1);
  76. int rows = binImg.rows - 1;
  77. int cols = binImg.cols - 1;
  78. for (int i = 1; i < rows; i++)
  79. {
  80. int* data_preRow = lableImg.ptr<int>(i-1);
  81. int* data_curRow = lableImg.ptr<int>(i);
  82. for (int j = 1; j < cols; j++)
  83. {
  84. if (data_curRow[j] == 1)
  85. {
  86. std::vector<int> neighborLabels;
  87. neighborLabels.reserve(2);
  88. int leftPixel = data_curRow[j-1];
  89. int upPixel = data_preRow[j];
  90. if ( leftPixel > 1)
  91. {
  92. neighborLabels.push_back(leftPixel);
  93. }
  94. if (upPixel > 1)
  95. {
  96. neighborLabels.push_back(upPixel);
  97. }
  98. if (neighborLabels.empty())
  99. {
  100. labelSet.push_back(++label);  // 不连通,标签+1
  101. data_curRow[j] = label;
  102. labelSet[label] = label;
  103. }
  104. else
  105. {
  106. std::sort(neighborLabels.begin(), neighborLabels.end());
  107. int smallestLabel = neighborLabels[0];
  108. data_curRow[j] = smallestLabel;
  109. // 保存最小等价表
  110. for (size_t k = 1; k < neighborLabels.size(); k++)
  111. {
  112. int tempLabel = neighborLabels[k];
  113. int& oldSmallestLabel = labelSet[tempLabel];
  114. if (oldSmallestLabel > smallestLabel)
  115. {
  116. labelSet[oldSmallestLabel] = smallestLabel;
  117. oldSmallestLabel = smallestLabel;
  118. }
  119. else if (oldSmallestLabel < smallestLabel)
  120. {
  121. labelSet[smallestLabel] = oldSmallestLabel;
  122. }
  123. }
  124. }
  125. }
  126. }
  127. }
  128. // 更新等价对列表
  129. // 将最小标号给重复区域
  130. for (size_t i = 2; i < labelSet.size(); i++)
  131. {
  132. int curLabel = labelSet[i];
  133. int preLabel = labelSet[curLabel];
  134. while (preLabel != curLabel)
  135. {
  136. curLabel = preLabel;
  137. preLabel = labelSet[preLabel];
  138. }
  139. labelSet[i] = curLabel;
  140. }  ;
  141. for (int i = 0; i < rows; i++)
  142. {
  143. int* data = lableImg.ptr<int>(i);
  144. for (int j = 0; j < cols; j++)
  145. {
  146. int& pixelLabel = data[j];
  147. pixelLabel = labelSet[pixelLabel];
  148. }
  149. }
  150. }
  151. //彩色显示
  152. cv::Scalar GetRandomColor()
  153. {
  154. uchar r = 255 * (rand()/(1.0 + RAND_MAX));
  155. uchar g = 255 * (rand()/(1.0 + RAND_MAX));
  156. uchar b = 255 * (rand()/(1.0 + RAND_MAX));
  157. return cv::Scalar(b,g,r);
  158. }
  159. void LabelColor(const cv::Mat& labelImg, cv::Mat& colorLabelImg)
  160. {
  161. if (labelImg.empty() ||
  162. labelImg.type() != CV_32SC1)
  163. {
  164. return;
  165. }
  166. std::map<int, cv::Scalar> colors;
  167. int rows = labelImg.rows;
  168. int cols = labelImg.cols;
  169. colorLabelImg.release();
  170. colorLabelImg.create(rows, cols, CV_8UC3);
  171. colorLabelImg = cv::Scalar::all(0);
  172. for (int i = 0; i < rows; i++)
  173. {
  174. const int* data_src = (int*)labelImg.ptr<int>(i);
  175. uchar* data_dst = colorLabelImg.ptr<uchar>(i);
  176. for (int j = 0; j < cols; j++)
  177. {
  178. int pixelValue = data_src[j];
  179. if (pixelValue > 1)
  180. {
  181. if (colors.count(pixelValue) <= 0)
  182. {
  183. colors[pixelValue] = GetRandomColor();
  184. }
  185. cv::Scalar color = colors[pixelValue];
  186. *data_dst++   = color[0];
  187. *data_dst++ = color[1];
  188. *data_dst++ = color[2];
  189. }
  190. else
  191. {
  192. data_dst++;
  193. data_dst++;
  194. data_dst++;
  195. }
  196. }
  197. }
  198. }
  199. int main()
  200. {
  201. cv::Mat binImage = cv::imread("test.jpg", 0);
  202. cv::threshold(binImage, binImage, 50, 1, CV_THRESH_BINARY_INV);
  203. cv::Mat labelImg;
  204. Two_Pass(binImage, labelImg, num);
  205. //Seed_Filling(binImage, labelImg);
  206. //彩色显示
  207. cv::Mat colorLabelImg;
  208. LabelColor(labelImg, colorLabelImg);
  209. cv::imshow("colorImg", colorLabelImg);
  210. /*  //灰度显示
  211. cv::Mat grayImg;
  212. labelImg *= 10;
  213. labelImg.convertTo(grayImg, CV_8UC1);
  214. cv::imshow("labelImg", grayImg);
  215. */
  216. cv::waitKey(0);
  217. return 0;
  218. }

四、演示结果

原图:

OpenCV:二值图像连通区域分析与标记算法实现

效果图:

OpenCV:二值图像连通区域分析与标记算法实现

参考文章:

http://www.cnblogs.com/ronny/p/img_aly_01.html

http://blog.csdn.net/icvpr/article/details/10259577

上一篇:[jQuery学习系列一]1-选择器与DOM对象


下一篇:ECSHOP广告调用广告位添加到首页顶部通栏教程