欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python實(shí)現(xiàn)連通域標(biāo)記算法

 更新時(shí)間：2023年12月13日 09:04:12   作者：微小冷  
如果把圖像分為前景和背景兩部分,那么連通域就是連通在一起的前景,這種關(guān)系對(duì)于二值圖像來(lái)說(shuō)比較明顯,下面我們就來(lái)了解一下連通域標(biāo)記算法原理及其Python實(shí)現(xiàn)吧

問(wèn)題引入

通俗地說(shuō)，如果把圖像分為前景和背景兩部分，那么連通域就是連通在一起的前景，這種關(guān)系對(duì)于二值圖像來(lái)說(shuō)比較明顯。

以下面的硬幣圖像，在二值化之后，可以很明顯看到，圖像被分為黑色和白色兩個(gè)部分，若以白色為背景，則黑色被白色隔開(kāi)，彼此之間并不聯(lián)通。連通域標(biāo)記的目的，就是為不連通的這些黑色區(qū)域，標(biāo)上不同的序號(hào)。

其繪圖代碼如下，其中climb是此前實(shí)現(xiàn)的自動(dòng)ostu閾值算法，參考這篇：OTSU算法及其Python實(shí)現(xiàn)

import matplotlib.pyplot as plt
import numpy as np
path = r"coin.png"
img = plt.imread(path).astype(float)
img = np.mean(img, axis=2)
th = 0.513    # climb(img, 0.1, 0, 0.01)
b = img>th

def drawImg(im1, im2, c1='gray', c2='gray'):
    fig = plt.figure()
    ax = fig.add_subplot(121)
    plt.imshow(im1, cmap=c1)
    plt.axis('off')
    ax = fig.add_subplot(122)
    plt.imshow(im2, cmap=c2)
    plt.axis('off')
    plt.show()

drawImg(img, b)

實(shí)現(xiàn)

常用的連通域標(biāo)記算法是Two-Pass算法，顧名思義，就是迭代兩次，第一次用于記錄相鄰像素的連通域關(guān)系，第二次則把相連通的區(qū)域置以相同的標(biāo)簽。

在遍歷之前，先初始化一個(gè)編號(hào)矩陣，考慮到Python提供了字典這種數(shù)據(jù)類型，所以第一次遍歷，將關(guān)聯(lián)相鄰像素的編號(hào)。比如，點(diǎn)P12的編號(hào)是3，點(diǎn)P22的編號(hào)是4，而且二者均為目標(biāo)，則將產(chǎn)生一組鍵值對(duì){3:4}。

下面就是這個(gè)字典的創(chuàng)建過(guò)程，由于在遍歷過(guò)程中，每個(gè)像素點(diǎn)要和它左側(cè)和上方的像素點(diǎn)進(jìn)行比較，所以這個(gè)字典的值應(yīng)該是一個(gè)列表。

from itertools import product
def getIndDct(img):
    # 元素個(gè)數(shù)
    m,n = img.shape
    # 編號(hào)矩陣
    indMat = np.arange(m*n).reshape([m,n])
    dct = {}
    for i,j in product(range(m), range(n)):
        if img[i,j] == 0:
            continue
        ind = indMat[i,j]
        dct[ind] = []
        if i>1 and img[i-1,j]!=0:
            dct[ind].append(indMat[i-1,j])
        if i+1<m and img[i+1, j]!=0:
            dct[ind].append(indMat[i+1,j])
        if j > 1 and img[i,j-1]!=0:
            dct[ind].append(indMat[i, j-1])
        if j+1 < n and img[i, j+1] != 0:
            dct[ind].append(indMat[i, j+1])
    return dct

在得到編號(hào)映射字典之后，需要將其歸一化，就是把類似a:[b,c]和]c:[d,e]合并為a:[b,c,d,e]。當(dāng)所有編號(hào)都已經(jīng)歸類之后，還可以繼續(xù)將其變?yōu)閇a,b,c,d,e]實(shí)現(xiàn)如下

from copy import deepcopy
def mergeKey(dct, key):
    keys = [key]
    st, ed = 0, 1
    while len(keys)>0:
        for i in range(st, ed):
            k = keys[i]
            if k in dct:
                keys += dct[k]
                del dct[k]
        if ed == len(keys):
            break
        st, ed = ed, len(keys)
    return keys

def uniqueDct(dct):
    uDct = deepcopy(dct)
    for k in dct:
        if k in uDct:
            uDct[k] = list(set(mergeKey(uDct, k)))
    return [list(set([k]+v)) for k,v in uDct.items()]

最后，將其重新賦值，由于編號(hào)矩陣是按照自然數(shù)列的順序創(chuàng)建的，故而只需先把圖像展平，就可以通過(guò)編號(hào)矩陣的索引直接對(duì)圖像的某些區(qū)域重新賦值。

def cds(img):
    dct = getIndDct(img)
    lst = uniqueDct(dct)
    arr = img.reshape(-1)*0
    for i,L in enumerate(lst, 1):
        arr[L] = i
    return arr.reshape(img.shape)

測(cè)試

接下來(lái)，將這個(gè)連通域算法應(yīng)用到硬幣圖像上，由于上面的硬幣圖案有很多噪聲，會(huì)影響連通域計(jì)算結(jié)果，所以先對(duì)其進(jìn)行預(yù)處理

from scipy.ndimage import binary_erosion

b = img>0.4
bb = binary_erosion(b, np.ones([5,5]))
c = cds(bb)
drawImg(img, c, 'gray', 'jet')

效果如下

到此這篇關(guān)于Python實(shí)現(xiàn)連通域標(biāo)記算法的文章就介紹到這了,更多相關(guān)Python連通域標(biāo)記內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

相關(guān)文章

最新評(píng)論