OpenCV學(xué)習(xí)記錄python實(shí)現(xiàn)連通域處理函數(shù)
1、兩個(gè)函數(shù)介紹
總得來(lái)說(shuō),connectedComponents()僅僅創(chuàng)建了一個(gè)標(biāo)記圖(圖中不同連通域使用不同的標(biāo)記,和原圖寬高一致),connectedComponentsWithStats()可以完成上面任務(wù),除此之外,還可以返回每個(gè)連通區(qū)域的重要信息–bounding box, area, andcentroid。
1.1什么是連通域
連通區(qū)域一般是指圖像中具有相同像素值且位置相鄰的前景像素點(diǎn)組成的圖像區(qū)域。連通區(qū)域分析是指將圖像中的各個(gè)連通區(qū)域找出并標(biāo)記。
連通區(qū)域分析是一種在CVPR和圖像分析處理的眾多應(yīng)用領(lǐng)域中較為常用和基本的方法。
例如:OCR識(shí)別中字符分割提?。ㄜ嚺谱R(shí)別、文本識(shí)別、字幕識(shí)別等)、視覺(jué)跟蹤中的運(yùn)動(dòng)前景目標(biāo)分割與提?。ㄐ腥巳肭謾z測(cè)、遺留物體檢測(cè)、基于視覺(jué)的車輛檢測(cè)與跟蹤等)、醫(yī)學(xué)圖像處理(感興趣目標(biāo)區(qū)域提取)、等等。也就是說(shuō),在需要將前景目標(biāo)提取出來(lái)以便后續(xù)進(jìn)行處理的應(yīng)用場(chǎng)景中都能夠用到連通區(qū)域分析方法,通常連通區(qū)域分析處理的對(duì)象是一張二值化后的圖像。
1.2 cv2.connectedComponents()
函數(shù)各參數(shù)意義:
num_objects, labels = cv2.connectedComponents(image)
參數(shù)介紹如下:
image:也就是輸入圖像,必須是二值圖,即8位單通道圖像。(因此輸入圖像必須先進(jìn)行二值化處理才能被這個(gè)函數(shù)接受)
返回值:
num_labels:所有連通域的數(shù)目
labels:圖像上每一像素的標(biāo)記,用數(shù)字1、2、3…表示(不同的數(shù)字表示不同的連通域)
1.3 cv2.connectedComponentsWithStats()
這個(gè)函數(shù)的作用是對(duì)一幅圖像進(jìn)行連通域提取,并返回找到的連通域的信息:retval、labels、stats、centroids
num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(image, connectivity=8, ltype=None)
參數(shù)介紹如下:
- image:也就是輸入圖像,必須是二值圖,即8位單通道圖像。(因此輸入圖像必須先進(jìn)行二值化處理才能被這個(gè)函數(shù)接受)
- connectivity:可選值為4或8,也就是使用4連通還是8連通。
- ltype:輸出圖像標(biāo)記的類型,目前支持CV_32S 和 CV_16U。
返回值:
- num_labels:所有連通域的數(shù)目
- labels:圖像上每一像素的標(biāo)記,用數(shù)字1、2、3…表示(不同的數(shù)字表示不同的連通域)
- stats:每一個(gè)標(biāo)記的統(tǒng)計(jì)信息,是一個(gè)5列的矩陣,每一行對(duì)應(yīng)每個(gè)連通區(qū)域的外接矩形的x、y、width、height和面積,示例如下: 0 0 720 720 291805
- centroids:連通域的中心點(diǎn)
2、代碼實(shí)踐
兩個(gè)代碼的用處是共通的,cv2.connectedComponentsWithStats函數(shù)返回的信息量更大,所以這里展示它的應(yīng)用。
import cv2 import numpy as np # 讀入圖片 img = cv2.imread("001.jpg") # 中值濾波,去噪 img = cv2.medianBlur(img, 3) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) cv2.namedWindow('original', cv2.WINDOW_AUTOSIZE) cv2.imshow('original', gray) # 閾值分割得到二值化圖片 ret, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU) # 膨脹操作 kernel2 = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3)) bin_clo = cv2.dilate(binary, kernel2, iterations=2) # 連通域分析 num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(bin_clo, connectivity=8) # 查看各個(gè)返回值 # 連通域數(shù)量 print('num_labels = ',num_labels) # 連通域的信息:對(duì)應(yīng)各個(gè)輪廓的x、y、width、height和面積 print('stats = ',stats) # 連通域的中心點(diǎn) print('centroids = ',centroids) # 每一個(gè)像素的標(biāo)簽1、2、3.。。,同一個(gè)連通域的標(biāo)簽是一致的 print('labels = ',labels) # 不同的連通域賦予不同的顏色 output = np.zeros((img.shape[0], img.shape[1], 3), np.uint8) for i in range(1, num_labels): mask = labels == i output[:, :, 0][mask] = np.random.randint(0, 255) output[:, :, 1][mask] = np.random.randint(0, 255) output[:, :, 2][mask] = np.random.randint(0, 255) cv2.imshow('oginal', output) cv2.waitKey() cv2.destroyAllWindows()
打印出的連通域的信息如下:
重點(diǎn)是理解stats和 labels 參數(shù)的意義,其他的參數(shù)都容易理解:
labels :對(duì)原始圖中的每一個(gè)像素都打上標(biāo)簽,背景為0,連通域打上1,2,3。。。的標(biāo)簽,同一個(gè)連通域的像素打上同樣的標(biāo)簽。相當(dāng)與對(duì)每一個(gè)像素進(jìn)行了分類(分割)
stats:每一連通域的信息,表示每個(gè)連通區(qū)域的外接矩形(起始點(diǎn)的x、y、寬和高)和面積
連通域檢測(cè)的效果圖:
3、總結(jié)
(1)連通域分析可以實(shí)現(xiàn)將前景目標(biāo)提取出來(lái)以便后續(xù)進(jìn)行處理(類似于輪廓處理)
(2)重點(diǎn)是cv2.connectedComponentsWithStats函數(shù)中stats和 labels 參數(shù)的意義
labels :對(duì)原始圖中的每一個(gè)像素都打上標(biāo)簽,背景為0,連通域打上1,2,3。。。的標(biāo)簽,同一個(gè)連通域的像素打上同樣的標(biāo)簽。相當(dāng)與對(duì)每一個(gè)像素進(jìn)行了分類(分割)
stats:每一連通域的信息,表示每個(gè)連通區(qū)域的外接矩形(起始點(diǎn)的x、y、寬和高)和面積
(3)從上面的例子可以看出,因物體有重疊會(huì)把不同物體的多個(gè)連通域 計(jì)為一個(gè)連通域,所以在連通域分析前可以先進(jìn)行效果更好的分割和預(yù)處理操作。
以上就是OpenCV學(xué)習(xí)記錄python實(shí)現(xiàn)連通域處理函數(shù)的詳細(xì)內(nèi)容,更多關(guān)于python opencv連通域處理函數(shù)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!
相關(guān)文章
Django Rest framework之認(rèn)證的實(shí)現(xiàn)代碼
這篇文章主要介紹了Django Rest framework之認(rèn)證的實(shí)現(xiàn)代碼,小編覺(jué)得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2018-12-12Python中10個(gè)常用的內(nèi)置函數(shù)詳解
這篇文章主要為大家介紹了Python常用的內(nèi)置函數(shù),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下,希望能夠給你帶來(lái)幫助2021-12-12Python 更快進(jìn)行探索性數(shù)據(jù)分析的四個(gè)方法
今天我給大家分享幾種更快的探索性數(shù)據(jù)分析方法,它們可以進(jìn)一步加速 EDA。 我們以一個(gè)學(xué)生考試成績(jī)的例子,創(chuàng)建一個(gè)如下所示的 DataFrame 并繼續(xù)操作。歡迎收藏學(xué)習(xí),喜歡點(diǎn)贊支持2021-11-11Python3實(shí)現(xiàn)建造者模式的示例代碼
這篇文章主要介紹了Python3 實(shí)現(xiàn)建造者模式的示例代碼,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-06-06python 計(jì)算概率密度、累計(jì)分布、逆函數(shù)的例子
這篇文章主要介紹了python 計(jì)算概率密度、累計(jì)分布、逆函數(shù)的例子,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-02-02python實(shí)現(xiàn)sqlalchemy的使用概述
SQLAlchemy是Python中最有名的ORM工具,特點(diǎn)是操縱Python對(duì)象而不是SQL查詢,也就是在代碼層面考慮的是對(duì)象,而不是SQL,體現(xiàn)的是一種程序化思維,這樣使得Python程序更加簡(jiǎn)潔易懂,具體內(nèi)容詳情跟隨小編一起看看吧2021-08-08Python數(shù)學(xué)建模學(xué)習(xí)模擬退火算法旅行商問(wèn)題示例解析
模擬退火算法不僅可以解決連續(xù)函數(shù)優(yōu)化問(wèn)題,KIRKPATRICK在1983年成功將其應(yīng)用于求解組合優(yōu)化問(wèn)題,現(xiàn)已成為求解旅行商問(wèn)題的常用方法,通常采用反序、移位和交換等操作算子產(chǎn)生新解2021-10-10python庫(kù)Celery異步發(fā)送電子郵件定時(shí)生成報(bào)告實(shí)戰(zhàn)示例
這篇文章主要介紹了python庫(kù)Celery異步發(fā)送電子郵件定時(shí)生成報(bào)告實(shí)戰(zhàn)示例,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2024-01-01