OpenCV中的新函数connectedComponentsWithStats使用-白红宇

主要内容：对比新旧函数，用于过滤原始图像中轮廓分析后较小的区域，留下较大区域。

关键字 ：connectedComponentsWithStats

在以前，常用的方法是

”

是先调用

cv::findContours()

函数（传入

cv::RETR_CCOMP

标志），随后在得到的连通区域上循环调用

cv::drawContours()

“

比如，我在GOCVHelper中这样进行了实现

//寻找最大的轮廓

VP FindBigestContour(Mat src){

int imax = 0; //代表最大轮廓的序号

int imaxcontour = -1; //代表最大轮廓的大小

std::vector<std::vector<Point>>contours;

findContours(src,contours,CV_RETR_LIST,CV_CHAIN_APPROX_SIMPLE);

for (int i=0;i<contours.size();i++){

int itmp = contourArea(contours[i]);//这里采用的是轮廓大小

if (imaxcontour < itmp ){

imax = i;

imaxcontour = itmp;

}

return contours[imax];

}

//寻找并绘制出彩色联通区域

vector<VP> connection2(Mat src,Mat& draw){

draw = Mat::zeros(src.rows,src.cols,CV_8UC3);

vector<VP>contours;

findContours(src.clone(),contours,CV_RETR_LIST,CV_CHAIN_APPROX_SIMPLE);

//由于给大的区域着色会覆盖小的区域，所以首先进行排序操作

//冒泡排序，由小到大排序

VP vptmp;

for(int i=1;i<contours.size();i++){

for(int j=contours.size()-1;j>=i;j--){

if (contourArea(contours[j]) < contourArea(contours[j-1]))

{

vptmp = contours[j-1];

contours[j-1] = contours[j];

contours[j] = vptmp;

}

在OpenCV3中有了新的专门的函数

cv::connectedComponents()

和函数

cv::connectedComponentsWithStats()

定义：

int cv::connectedComponents (

cv::InputArrayn image, // input 8-bit single-channel (binary)

cv::OutputArray labels, // output label map

int connectivity = 8, // 4- or 8-connected components

int ltype = CV_32S // Output label type (CV_32S or CV_16U)

);

int cv::connectedComponentsWithStats (

cv::InputArrayn image, // input 8-bit single-channel (binary)

cv::OutputArray labels, // output label map

cv::OutputArray stats, // Nx5 matrix (CV_32S) of statistics:

// [x0, y0, width0, height0, area0;

// ... ; x(N-1), y(N-1), width(N-1),

// height(N-1), area(N-1)]

cv::OutputArray centroids, // Nx2 CV_64F matrix of centroids:

// [ cx0, cy0; ... ; cx(N-1), cy(N-1)]

int connectivity = 8, // 4- or 8-connected components

int ltype = CV_32S // Output label type (CV_32S or CV_16U)

);

其中，新出现的参数

stats：长这样

分别对应各个轮廓的x,y,width,height和面积。注意0的区域标识的是background

而

centroids则对应的是中心点

而label则对应于表示是当前像素是第几个轮廓

例子：

对于图像

Mat img = cv::imread( "e:/sandbox/rect.png",0);

cv::Mat img_edge, labels, img_color, stats,centroids;

cv::threshold(img, img_edge, 128, 255, cv::THRESH_BINARY);

bitwise_not(img_edge,img_edge);

cv::imshow("Image after threshold", img_edge);

int i, nccomps = cv::connectedComponentsWithStats (

img_edge, labels,

stats, centroids

);

cout << "Total Connected Components Detected: " << nccomps << endl;

vector<cv::Vec3b> colors(nccomps+1);

colors[0] = Vec3b(0,0,0); // background pixels remain black.

for( i = 1; i < nccomps; i++ ) {

colors[i] = Vec3b(rand()%256, rand()%256, rand()%256);

if( stats.at<int>(i, cv::CC_STAT_AREA) < 200 )

colors[i] = Vec3b(0,0,0); // small regions are painted with black too.

}

img_color = Mat::zeros(img.size(), CV_8UC3);

for( int y = 0; y < img_color.rows; y++ )

for( int x = 0; x < img_color.cols; x++ )

{

int label = labels.at<int>(y, x);

CV_Assert(0 <= label && label <= nccomps);

img_color.at<cv::Vec3b>(y, x) = colors[label];

}

cv::imshow("Labeled map", img_color);

cv::waitKey();

注意：

1、对于OpenCV来说，白色代表有数据，黑色代表没有数据，所以图像输入之前要转换成”黑底白图“

2、看

labels

和

stats,其中第1 2 6 个的面积小于200

而labels中

完全对的上号,结果为

目前方向：图像拼接融合、图像识别联系方式：jsxyhelu@foxmail.com