OpenCV实现图像连通组件标记与分析

一：连通组件标记算法介绍

连接组件标记算法(connected component labeling algorithm)是图像分析中最常用的算法之一，算法的实质是扫描一幅图像的每个像素，对于像素值相同的分为相同的组(group),最终得到图像中所有的像素连通组件。扫描的方式可以是从上到下，从左到右，对于一幅有N个像素的图像来说，最大连通组件个数为N/2。扫描是基于每个像素单位，对于二值图像而言，连通组件集合可以是V={1|白色}或者V={0|黑色}, 取决于前景色与背景色的不同。对于灰度图像来说，连图组件像素集合可能是一系列在0 ～ 255之间k的灰度值。常见的连通组件标记算法有如下：

1. 基于无向图搜索递归算法

2. 基于无向图搜索与堆栈非递归算法

3. 两步法，基于扫描与等价类合并算法

二：OpenCV中连通组件标记API

OpenCV中支持连通组件扫描的API有两个，一个是带统计信息一个不带统计信息，不带统计信息的API及其解释如下：

1. int cv::connectedComponents(

2. InputArray     image, // 输入二值图像，黑色背景

3. OutputArray     labels, // 输出的标记图像，背景index=0

4. int     connectivity = 8, // 连通域，默认是8连通

5. int     ltype = CV_32S // 输出的labels类型，默认是CV_32S

6. )    

带有统计信息的API及其解释如下：

1. int cv::connectedComponentsWithStats(

2. InputArray     image, // 输入二值图像，黑色背景

3. OutputArray     labels, // 输出的标记图像，背景index=0

4. OutputArray     stats, // 统计信息，包括每个组件的位置、宽、高与面积

5. OutputArray     centroids, // 每个组件的中心位置坐标cx, cy

6. int     connectivity, // 寻找连通组件算法的连通域，默认是8连通

7. int     ltype, // 输出的labels的Mat类型CV_32S

8. int     ccltype // 连通组件算法

9. )

其中stats包括以下枚举类型数据信息：

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

CC_STAT_HEIGHT

组件外接矩形的高度.

CC_STAT_AREA

当前连通组件的面积（像素单位）

三：代码演示

基于两个API分别进行了代码演示，选取了一张比较典型的大米图像， 灰度与二值化之后，分别使用这两个连通组件算法API对其进行分析，最终得到以下输出的连通组件的统计信息：

• 大米的数目

• 面积

• 外接矩形大小

• 中心位置

原图如下：

二值图像如下：

连通组件寻找结果如下：

连通组件寻找+统计分析的(红色中心点+外接矩形)结果如下：

控制台输出参数（中心位置、各个面积）如下：

基于OpenCV连通组件API的演示完整源代码如下：

1. #include <opencv2/opencv.hpp>

2. #include <iostream>

3. using namespace cv;

4. using namespace std;

5. RNG rng(12345);

6. void connected_component_demo(Mat &image);

7. void connected_component_stats_demo(Mat &image);

8. int main(int argc, char** argv) {

9.    Mat src = imread("D:/javaopencv/rice.png");

10.    if (src.empty()) {

11.        printf("could not load image...\n");

12.    }

13.    imshow("input", src);

14.    connected_component_stats_demo(src);

15.    waitKey(0);

16.    return 0;

17. }

18. void connected_component_demo(Mat &image) {

19.    // 二值化

20.    Mat gray, binary;

21.    cvtColor(image, gray, COLOR_BGR2GRAY);

22.    threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);

23.    // 形态学操作

24.    Mat k = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));

25.    morphologyEx(binary, binary, MORPH_OPEN, k);

26.    morphologyEx(binary, binary, MORPH_CLOSE, k);

27.    imshow("binary", binary);

28.    imwrite("D:/ccla_binary.png", binary);

29.    Mat labels = Mat::zeros(image.size(), CV_32S);

30.    int num_labels = connectedComponents(binary, labels, 8, CV_32S);

31.    printf("total labels : %d\n", (num_labels - 1));

32.    vector<Vec3b> colors(num_labels);

33.    // background color

34.    colors[0] = Vec3b(0, 0, 0);

35.    // object color

36.    for (int i = 1; i < num_labels; i++) {

37.        colors[i] = Vec3b(rng.uniform(0, 256), rng.uniform(0, 256), rng.uniform(0, 256));

38.    }

39.    // render result

40.    Mat dst = Mat::zeros(image.size(), image.type());

41.    int w = image.cols;

42.    int h = image.rows;

43.    for (int row = 0; row < h; row++) {

44.        for (int col = 0; col < w; col++) {

45.            int label = labels.at<int>(row, col);

46.            if (label == 0) continue;

47.            dst.at<Vec3b>(row, col) = colors[label];

48.        }

49.    }

50.    imshow("ccla-demo", dst);

51.    imwrite("D:/ccla_dst.png", dst);

52. }
    

53. void connected_component_stats_demo(Mat &image) {

54.    // 二值化

55.    Mat gray, binary;

56.    cvtColor(image, gray, COLOR_BGR2GRAY);

57.    threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);

58.    // 形态学操作

59.    Mat k = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));

60.    morphologyEx(binary, binary, MORPH_OPEN, k);

61.    morphologyEx(binary, binary, MORPH_CLOSE, k);

62.    imshow("binary", binary);

63.    Mat labels = Mat::zeros(image.size(), CV_32S);

64.    Mat stats, centroids;

65.    int num_labels = connectedComponentsWithStats(binary, labels, stats, centroids, 8, 4);

66.    printf("total labels : %d\n", (num_labels - 1));

67.    vector<Vec3b> colors(num_labels);

68.    // background color

69.    colors[0] = Vec3b(0, 0, 0);

70.    // object color

71.    int b = rng.uniform(0, 256);

72.    int g = rng.uniform(0, 256);

73.    int r = rng.uniform(0, 256);

74.    for (int i = 1; i < num_labels; i++) {

75.        colors[i] = Vec3b(0, 255, 0);

76.    }

77.    // render result

78.    Mat dst = Mat::zeros(image.size(), image.type());

79.    int w = image.cols;

80.    int h = image.rows;

81.    for (int row = 0; row < h; row++) {

82.        for (int col = 0; col < w; col++) {

83.            int label = labels.at<int>(row, col);

84.            if (label == 0) continue;

85.            dst.at<Vec3b>(row, col) = colors[label];

86.        }

87.    }

88.    for (int i = 1; i < num_labels; i++) {

89.        Vec2d pt = centroids.at<Vec2d>(i, 0);

90.        int x = stats.at<int>(i, CC_STAT_LEFT);

91.        int y = stats.at<int>(i, CC_STAT_TOP);

92.        int width = stats.at<int>(i, CC_STAT_WIDTH);

93.        int height = stats.at<int>(i, CC_STAT_HEIGHT);

94.        int area = stats.at<int>(i, CC_STAT_AREA);

95.        printf("area : %d, center point(%.2f, %.2f)\n", area, pt[0], pt[1]);

96.        circle(dst, Point(pt[0], pt[1]), 2, Scalar(0, 0, 255), -1, 8, 0);

97.        rectangle(dst, Rect(x, y, width, height), Scalar(255, 0, 255), 1, 8, 0);

98.    }

99.    imshow("ccla-demo", dst);

100.    imwrite("D:/ccla_stats_dst.png", dst);

101. }

更多相关阅读

---

天下事有难易乎, 为之,则难者亦易矣; 不为,则易者亦难矣!

关注【OpenCV学堂】

长按或者扫码二维码即可关注

OpenCV视频课程扫描关注