Opencv中cv2.floodFill算法的使用_Python

Opencv中cv2.floodFill算法的使用

2021-12-03 12:08啧啧啧biubiu Python

本文结合实例，详细的介绍了泛洪填充算法的具体使用，具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

一、泛洪算法——floodfill函数原型

				?

									cv2.floodfill(img,mask,seed,newvalue(bgr),(lodiff1,lodiff2,lodiff3),(updiff1,updiff2,updiff3),flag)

img：为待使用泛洪算法的图像
mask：为掩码层，使用掩码可以规定是在哪个区域使用该算法，如果是对于完整图像都要使用，则掩码层大小为原图行数+2，列数+2.是一个二维的0矩阵，边缘一圈会在使用算法是置为1。而只有对于掩码层上对应为0的位置才能泛洪，所以掩码层初始化为0矩阵。【dtype:np.uint8】
seed：为泛洪算法的种子点，也是根据该点的像素判断决定和其相近颜色的像素点，是否被泛洪处理。
【类似于】

newvalue：是对于泛洪区域新赋的值（b,g,r）
(lodiff1,lodiff2,lodiff3)：是相对于seed种子点像素可以往下的像素值，即seed(b0,g0,r0)，泛洪区域下界为（b0-lodiff1,g0-lodiff2,r0-lodiff3）
(updiff1,updiff2,updiff3)：是相对于seed种子点像素可以往上的像素值，即seed(b0,g0,r0)，泛洪区域上界为（b0+updiff1,g0+updiff2,r0+updiff3）
flag：为泛洪算法的处理模式。

Opencv中cv2.floodFill算法的使用

低八位 控制算法的连通性，是以seed点为中心，接着判断周围的几个像素点，再将泛洪区域像素点周围的几个像素点进行考虑。一般为4，8；默认为4
中间八位 与掩码层赋值密切相关，一般使用（255<<8）使中间8位全位1，则值为255，也就是掩码层对应原图的泛洪区域的部分被由原来的初值0赋值成255，如果中间8位为0，则赋值为1.
高八位 由opencv宏参数指定
- cv2.floodfill_fixed_range：改变图像，填充newvalue
- cv2.floodfill_mask_only：不改变原图像，也就是newvalue参数失去作用，而是改变对应区域的掩码，设为中间八位的值

Opencv中cv2.floodFill算法的使用

二、简单应用

				?

									#泛洪填充(彩色图像填充)

									import cv2

									import numpy as np

									def fill_color_demo(image):

									    copyimg = image.copy()

									    h, w = image.shape[:2]

									    mask = np.zeros([h+2, w+2],np.uint8)   #mask必须行和列都加2，且必须为uint8单通道阵列

									    #为什么要加2可以这么理解：当从0行0列开始泛洪填充扫描时，mask多出来的2可以保证扫描的边界上的像素都会被处理

									    cv.floodfill(copyimg, mask, (220, 250), (0, 255, 255), (100, 100, 100), (50, 50 ,50), cv.floodfill_fixed_range)

									    cv.imshow("fill_color_demo", copyimg)

									src = cv.imread('e:/imageload/baboon.jpg')

									cv.namedwindow('input_image', cv.window_autosize)

									cv.imshow('input_image', src)

									fill_color_demo(src)

									cv.waitkey(0)

									cv.destroyallwindows()

Opencv中cv2.floodFill算法的使用

三、应用，结合minarearect

				?

									cv2.floodfill(initial_car,mask,(seed_x,seed_y),(255,0,0),(lodiff,lodiff,lodiff),(updiff,updiff,updiff),flag)

									points = []

									row,column = mask.shape

									for i in range(row):

									    for j in range(column):

									        if mask[i][j]==255:

									           points.append((j,i))   #点应该输入点坐标（列，行）

									points = np.asarray(points)

									new_rect = cv2.minarearect(points)