OpenCV清除小面積連通域的實現(xiàn)方法

更新時間：2021年09月06日 08:48:06 作者：翟天保Steven

本文主要介紹了OpenCV清除小面積連通域的實現(xiàn)方法，文中通過示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下

場景需求

使用OpenCV，往往遇到這類場景：需要清除目標圖像中比較小的噪聲區(qū)，保留主要區(qū)域信息。

特此分享自己寫的一個簡單的清除小面積連通域函數(shù)，邏輯比較簡單，給大家留出了足夠的發(fā)展空間，根據(jù)自身場景需求進行調(diào)整。

原理可以簡單歸結(jié)為：搜索圖像的連通區(qū)輪廓->遍歷各個連通區(qū)->基于閾值刪除面積較小的連通區(qū)

運行速度方面，我沒單獨測試過這個單元，大家如果試過之后太慢可以評論告訴我哦~

反正平常我工作跑那種2000*2000的圖像，這個函數(shù)的耗時幾乎忽略不計。。。

C++實現(xiàn)代碼

/**
* @brief  Clear_MicroConnected_Areas         清除微小面積連通區(qū)函數(shù)
* @param  src                                輸入圖像矩陣
* @param  dst                                輸出結(jié)果
* @return min_area                           設(shè)定的最小面積清除閾值
*/
void Clear_MicroConnected_Areas(cv::Mat src, cv::Mat &dst, double min_area)
{
	// 備份復(fù)制
	dst = src.clone();
	std::vector<std::vector<cv::Point> > contours;  // 創(chuàng)建輪廓容器
	std::vector<cv::Vec4i> 	hierarchy;  
 
	// 尋找輪廓的函數(shù)
	// 第四個參數(shù)CV_RETR_EXTERNAL，表示尋找最外圍輪廓
	// 第五個參數(shù)CV_CHAIN_APPROX_NONE，表示保存物體邊界上所有連續(xù)的輪廓點到contours向量內(nèi)
	cv::findContours(src, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_NONE, cv::Point());
 
	if (!contours.empty() && !hierarchy.empty()) 
	{
		std::vector<std::vector<cv::Point> >::const_iterator itc = contours.begin();
		// 遍歷所有輪廓
		while (itc != contours.end()) 
		{
			// 定位當(dāng)前輪廓所在位置
			cv::Rect rect = cv::boundingRect(cv::Mat(*itc));
			// contourArea函數(shù)計算連通區(qū)面積
			double area = contourArea(*itc);
			// 若面積小于設(shè)置的閾值
			if (area < min_area) 
			{
				// 遍歷輪廓所在位置所有像素點
				for (int i = rect.y; i < rect.y + rect.height; i++) 
				{
					uchar *output_data = dst.ptr<uchar>(i);
					for (int j = rect.x; j < rect.x + rect.width; j++) 
					{
						// 將連通區(qū)的值置0
						if (output_data[j] == 255) 
						{
							output_data[j] = 0;
						}
					}
				}
			}
			itc++;
		}
	}
}

測試代碼

#include<iostream>
#include<opencv2/opencv.hpp>
 
using namespace std;
using namespace cv;
 
void Clear_MicroConnected_Areas(cv::Mat src, cv::Mat &dst, double min_area);
 
int main(void)
{
	Mat A = Mat::zeros(500, 500, CV_8UC1);
	circle(A, Point2i(100, 100), 50, 255, -1);
	circle(A, Point2i(300, 400), 15, 255, -1);
	Mat B;
	Clear_MicroConnected_Areas(A, B, 1000);
 
	imshow("before:A", A);
	imshow("after:B", B);
	waitKey(0);
 
	system("pause");
	return 0;
}
 
void Clear_MicroConnected_Areas(cv::Mat src, cv::Mat &dst, double min_area)
{
	// 備份復(fù)制
	dst = src.clone();
	std::vector<std::vector<cv::Point> > contours;  // 創(chuàng)建輪廓容器
	std::vector<cv::Vec4i> 	hierarchy;  
 
	// 尋找輪廓的函數(shù)
	// 第四個參數(shù)CV_RETR_EXTERNAL，表示尋找最外圍輪廓
	// 第五個參數(shù)CV_CHAIN_APPROX_NONE，表示保存物體邊界上所有連續(xù)的輪廓點到contours向量內(nèi)
	cv::findContours(src, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_NONE, cv::Point());
 
	if (!contours.empty() && !hierarchy.empty()) 
	{
		std::vector<std::vector<cv::Point> >::const_iterator itc = contours.begin();
		// 遍歷所有輪廓
		while (itc != contours.end()) 
		{
			// 定位當(dāng)前輪廓所在位置
			cv::Rect rect = cv::boundingRect(cv::Mat(*itc));
			// contourArea函數(shù)計算連通區(qū)面積
			double area = contourArea(*itc);
			// 若面積小于設(shè)置的閾值
			if (area < min_area) 
			{
				// 遍歷輪廓所在位置所有像素點
				for (int i = rect.y; i < rect.y + rect.height; i++) 
				{
					uchar *output_data = dst.ptr<uchar>(i);
					for (int j = rect.x; j < rect.x + rect.width; j++) 
					{
						// 將連通區(qū)的值置0
						if (output_data[j] == 255) 
						{
							output_data[j] = 0;
						}
					}
				}
			}
			itc++;
		}
	}
}

測試效果