opencv——连通域标记与分析
引⾔
上篇博⽂写了关于基于图像分割的产品计数问题（主要还是求解边缘问题）。
本篇博⽂就来说⼀说对于没有粘连的区域分析。⽤opencv实现halcon中的connection算⼦（即断开不同的连通域）并获取区域相关信息。
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。
应⽤：
连通域分析⼀般对区域分割后的处理。在需要将前景⽬标提取出来以便后续进⾏处理的应⽤场景中都能够⽤到连通区域分析⽅法，通常连通区域分析处理的对象是⼀张⼆值化后的图像。
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：
int connectedComponents(
InputArray  image,        // 输⼊⼆值图像，⿊⾊背景
OutputArray labels,      // 输出的标记图像，背景index=0
int    connectivity = 8, // 连通域，默认是8连通
int    ltype = CV_32S    // 输出的labels类型，默认是CV_32S
)
该函数对图像的每个区域分析，然后将背景标记为0，其他的区域⽤从1开始的正整数依次标记。最后将标记结果返回给labels。
带统计信息的API及其解释如下：
int connectedComponentsWithStats(
InputArray      image,      // 输⼊⼆值图像，⿊⾊背景
OutputArray    labels,    // 输出的标记图像，背景index=0
OutputArray    stats,      // 统计信息，包括每个组件的位置、宽、⾼与⾯积
OutputArray    centroids,  // 每个组件的中⼼位置坐标cx, cy
int    connectivity,      // 寻连通组件算法的连通域，默认是8连通
int    ltype,              // 输出的labels的Mat类型CV_32S
int    ccltype            // 连通组件算法
)
其中stats包括以下枚举类型数据信息：
区域的外接矩形左上⾓点像素点坐标的X位置：CC_STAT_LEFT
区域的外接矩形左上⾓点像素点坐标的Y位置：CC_STAT_TOP
区域外接矩形的宽度：CC_STAT_WIDTH
区域外接矩形的⾼度：CC_STAT_HEIGHT
区域的⾯积（像素单位）CC_STAT_AREA
该函数对图像的每个区域分析，除了对区域和背景添加标记外（结果返回给labels），还可以获取每个区域的统计信息：区域的数⽬，外接矩形⼤⼩，⾯积，中⼼位置。(结果返回给stats）
三，OpenCV实现
不带统计信息的API实现
src = imread("D:/opencv练习图⽚/维⽣素⽚机器视觉检测和计数.png");
imshow("原图⽚", src);
Mat kernel = getStructuringElement(MORPH_RECT, Size(18, 18), Point(-1, -1));
morphologyEx(src, dst, MORPH_OPEN, kernel);
imwrite("D:/111.png", dst);
imshow("形态学", dst);
cvtColor(dst, dst, COLOR_RGB2GRAY);
threshold(dst, src_binary, 100, 255, THRESH_OTSU);
imshow("⼆值化", src_binary);
Mat labels = Mat::zeros(src.size(), CV_32S);
//连通域分析
int num_labels = connectedComponents(src_binary, labels, 8, CV_32S);
vector<Vec3b> colors(num_labels);
/
/背景颜⾊（⿊⾊）
colors[0] = Vec3b(0, 0, 0);
// 区域颜⾊（随机）
for (int i = 1; i < num_labels; i++) {
colors[i] = Vec3b(rng.uniform(0, 256), rng.uniform(0, 256), rng.uniform(0, 256));
}
//显⽰
Mat dst1 = Mat::zeros(src.size(), pe());
int w = ls;
int h = ws;
for (int row = 0; row < h; row++) {
for (int col = 0; col < w; col++) {
int label = labels.at<int>(row, col);
if (label == 0) continue;
dst1.at<Vec3b>(row, col) = colors[label];
}
}
imshow("不带统计的连通域", dst1);
waitKey(0);
return0;
}
代码分析：
原图通过形态学已经将每个药⽚完全分割，再通过connectedComponents使其断开不同的连通域。
在返回的labels内，将标记为0的像素点置⿊（即背景为⿊），将标记⼤于1的像素点随机上⾊（即断开的连通域随机上⾊）。
带统计信息的API实现
src = imread("D:/opencv练习图⽚/维⽣素⽚机器视觉检测和计数.png");
imshow("原图⽚", src);
Mat kernel = getStructuringElement(MORPH_RECT, Size(18, 18), Point(-1, -1));
morphologyEx(src, dst, MORPH_OPEN, kernel);
imwrite("D:/111.png", dst);
imshow("形态学", dst);
cvtColor(dst, dst, COLOR_RGB2GRAY);
threshold(dst, src_binary, 100, 255, THRESH_OTSU);
imshow("⼆值化", src_binary);
Mat labels = Mat::zeros(src.size(), CV_32S);
//连通域分析
Mat stats, centroids;//统计信息存放
int num_labels = connectedComponentsWithStats(src_binary, labels, stats, centroids, 8, 4);    vector<Vec3b> colors(num_labels);
//背景颜⾊（⿊⾊）
colors[0] = Vec3b(0, 0, 0);
// 区域颜⾊（随机）
for (int i = 1; i < num_labels; i++) {
colors[i] = Vec3b(rng.uniform(0, 256), rng.uniform(0, 256), rng.uniform(0, 256));
}
//显⽰
Mat dst1 = Mat::zeros(src.size(), pe());
int w = ls;
int h = ws;
for (int row = 0; row < h; row++) {
for (int col = 0; col < w; col++) {
int label = labels.at<int>(row, col);
if (label == 0) continue;
dst1.at<Vec3b>(row, col) = colors[label];
}
}
for (int i = 1; i < num_labels; i++) {
Vec2d pt = centroids.at<Vec2d>(i, 0);
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);
printf("area : %d, center point(%.2f, %.2f)\n", area, pt[0], pt[1]);//⾯积信息
circle(dst1, Point(pt[0], pt[1]), 2, Scalar(0, 0, 255), -1, 8, 0);//中⼼点坐标
rectangle(dst1, Rect(x, y, width, height), Scalar(255, 0, 255), 1, 8, 0);//外接矩形rectangle函数opencv
}
imshow("带统计的连通域", dst1);
waitKey(0);
return0;
}
参考博客：

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。