opencv4入门笔记（28）：联通组件扫描

本系列代码托管于：https://github.com/chintsan-code/opencv4-tutorials

本篇使用的项目为：ccl

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main(int argc, const char** argv) {
	Mat src = imread("../sample/rice.png");
	if (src.empty()) {
		cout << "could not load image..." << endl;
		return -1;
	}
	namedWindow("input", WINDOW_AUTOSIZE);
	imshow("input", src);
	GaussianBlur(src, src, Size(3, 3), 0);
	Mat gray, binary;
	cvtColor(src, gray, COLOR_BGR2GRAY);
	threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);
	imshow("binary", binary);
	Mat labels = Mat::zeros(binary.size(), CV_32S);
	Mat stats, centroids;
	int num_labels = connectedComponentsWithStats(binary, labels, stats, centroids, 8, CV_32S, CCL_DEFAULT);
	vector<Vec3b> colorTable(num_labels);
	// backgound color
	colorTable[0] = Vec3b(0, 0, 0);
	RNG rng(12345);
	for (int i = 1; i < num_labels; i++) {
		colorTable[i] = Vec3b(rng.uniform(0, 256), rng.uniform(0, 256), rng.uniform(0, 256));
	}

	Mat result = Mat::zeros(binary.size(), CV_8UC3);
	int w = result.cols;
	int h = result.rows;
	for (int row = 0; row < h; row++) {
		for (int col = 0; col < w; col++) {
			int label = labels.at<int>(row, col);
			result.at<Vec3b>(row, col) = colorTable[label];
		}
	}

	for (int i = 1; i < num_labels; i++) {
		// center
		int cx = centroids.at<double>(i, 0);  // 参数0代表获取中心x坐标
		int cy = centroids.at<double>(i, 1);  // 参数1代表获取中心y坐标
		// rectangle and area
		int x = stats.at<int>(i, CC_STAT_LEFT);
		int y = stats.at<int>(i, CC_STAT_TOP);
		int width = stats.at<int>(i, CC_STAT_WIDTH);
		int height = stats.at<int>(i, CC_STAT_HEIGHT);
		int area = stats.at<int>(i, CC_STAT_AREA);

		// 绘制
		drawMarker(result, Point(cx, cy), Scalar(0, 0, 255), MARKER_TILTED_CROSS,10);
		//circle(result, Point(cx, cy), 3, Scalar(0, 0, 255), 2, 8, 0);
		// 外接矩形
		Rect box(x, y, width, height);
		rectangle(result, box, Scalar(0, 255, 0), 2, 8);
		putText(result, format("%d", area), Point(x, y), FONT_HERSHEY_PLAIN, 1.0, Scalar(0, 255, 0), 1);

	}
	putText(result, format("number: %d", num_labels - 1), Point(10, 10), FONT_HERSHEY_PLAIN, 1.0, Scalar(0, 255, 0), 1);
	printf("total labels : %d \n", (num_labels - 1));
	imshow("CCL demo", result);

	waitKey(0);
	destroyAllWindows();
	return 0;
}

四邻域与八邻域

常见算法

(1)基于像素扫描的方法：重复计算较多

(2)基于块扫描方法：减少了重复计算

(3)两步法扫描

connectedComponents：不携带附加信息的联通组件扫描

int connectedComponents(InputArray image, OutputArray labels, int connectivity, int ltype, int ccltype);

• image：输入图像，8-bit单通道图像
• labels：目标图像，每个像素都有一个label。背景的label为0
• connectivity：8或4，代表8-邻域或4-邻域
• ltype：输出的labels类型。CV_32S或CV_16U
• ccltype：算法类型
  • CCL_DEFAULT：8-邻域BBTD
  • CCL_WU
  • CCL_GRANA
• @return：label数量。这里包括了背景，所以应该减去1

connectedComponentsWithStats：携带附加信息的联通组件扫描

int connectedComponentsWithStats(InputArray image, OutputArray labels, OutputArray stats, OutputArray centroids, int connectivity, int ltype, int ccltype);

• image： 输入图像，8-bit单通道图像
• labels： 目标图像，每个像素都有一个label。背景的label为0
• stats：每个label的统计信息
  • CC_STAT_LEFT：外界矩形左上角x坐标
  • CC_STAT_TOP：外界矩形左上角y坐标
  • CC_STAT_WIDTH：外界矩形宽
  • CC_STAT_HEIGHT：外界矩形高
  • CC_STAT_AREA：像素面积
• centroids：每个label的中心坐标
  • centroids.at(label, 0); // 获取中心x坐标
  • centroids.at(label, 1); // 获取中心y坐标
• connectivity：8或4，代表8-邻域或4-邻域
• ltype：输出的labels类型。CV_32S或CV_16U
• ccltype：算法类型
  • CCL_DEFAULT：8-邻域BBTD
  • CCL_WU
  • CCL_GRANA
• @return：label数量。这里包括了背景，所以应该减去1