浅谈OpenCV中的新函数connectedComponentsWithStats用法_Python

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

浅谈OpenCV中的新函数connectedComponentsWithStats用法

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

浅谈OpenCV中的新函数connectedComponentsWithStats用法

				?

									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();