OpenCV：二值图像连通区域分析与标记算法实现

http://blog.csdn.net/cooelf/article/details/26581539?utm_source=tuicool&utm_medium=referral

 

OpenCV：二值图像连通区域分析与标记算法实现

标签： OpenCV连通图两边扫描法种子填充法形成标记算法

2014-05-22 14:30 2058人阅读 评论(0) 收藏 举报

 分类：

 

OpenCV（6） 

版权声明：本文为博主原创文章，未经博主允许不得转载。

 

目录(?)[+]

 

编译环境：

操作系统：Win8.1  64位

IDE平台：Visual Studio 2013 Ultimate

OpenCV：2.4.8

一、连通域

    在图像中，最小的单位是像素，每个像素周围有8个邻接像素，常见的邻接关系有2种：4邻接与8邻接。4邻接一共4个点，即上下左右，如下左图所示。8邻接的点一共有8个，包括了对角线位置的点，如下右图所示。

       

   如果像素点A与B邻接，我们称A与B连通，于是我们不加证明的有如下的结论：

   如果A与B连通，B与C连通，则A与C连通。

   在视觉上看来，彼此连通的点形成了一个区域，而不连通的点形成了不同的区域。这样的一个所有的点彼此连通点构成的集合，我们称为一个连通区域。

   下面这符图中，如果考虑4邻接，则有3个连通区域；如果考虑8邻接，则有2个连通区域。（注：图像是被放大的效果，图像正方形实际只有4个像素）。

二、连通区域的标记

1）Two-Pass（两遍扫描法）

下面给出Two-Pass算法的简单步骤：

（1）第一次扫描：

访问当前像素B(x,y)，如果B(x,y) == 1：

a、如果B(x,y)的领域中像素值都为0，则赋予B(x,y)一个新的label：

label += 1， B(x,y) = label；

b、如果B(x,y)的领域中有像素值 > 1的像素Neighbors：

1）将Neighbors中的最小值赋予给B(x,y):

B(x,y) = min{Neighbors}

2）记录Neighbors中各个值（label）之间的相等关系，即这些值（label）同属同一个连通区域；

 labelSet[i] = { label_m, .., label_n }，labelSet[i]中的所有label都属于同一个连通区域（注：这里可以有多种实现方式，只要能够记录这些具有相等关系的label之间的关系即可）

（2）第二次扫描：

访问当前像素B(x,y)，如果B(x,y) > 1：

a、找到与label = B(x,y)同属相等关系的一个最小label值，赋予给B(x,y)；

b、完成扫描后，图像中具有相同label值的像素就组成了同一个连通区域。

2）Seed Filling（种子填充法）

     种子填充方法来源于计算机图形学，常用于对某个图形进行填充。思路：选取一个前景像素点作为种子，然后根据连通区域的两个基本条件（像素值相同、位置相邻）将与种子相邻的前景像素合并到同一个像素集合中，最后得到的该像素集合则为一个连通区域。

下面给出基于种子填充法的连通区域分析方法：

（1）扫描图像，直到当前像素点B(x,y) == 1：

a、将B(x,y)作为种子（像素位置），并赋予其一个label，然后将该种子相邻的所有前景像素都压入栈中；

b、弹出栈顶像素，赋予其相同的label，然后再将与该栈顶像素相邻的所有前景像素都压入栈中；

c、重复b步骤，直到栈为空；

此时，便找到了图像B中的一个连通区域，该区域内的像素值被标记为label；

（2）重复第（1）步，直到扫描结束；

扫描结束后，就可以得到图像B中所有的连通区域；

三、程序代码

#include "stdafx.h"
#include<iostream>
#include <string>
#include <list>
#include <vector>
#include <map>
#include <stack>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
using namespace std;

void Seed_Filling(const cv::Mat& binImg, cv::Mat& lableImg)   //种子填充法
{
    // 4邻接方法


    if (binImg.empty() ||
        binImg.type() != CV_8UC1)
    {
        return;
    }

    lableImg.release();
    binImg.convertTo(lableImg, CV_32SC1);

    int label = 1;

    int rows = binImg.rows - 1;
    int cols = binImg.cols - 1;
    for (int i = 1; i < rows-1; i++)
    {
        int* data= lableImg.ptr<int>(i);
        for (int j = 1; j < cols-1; j++)
        {
            if (data[j] == 1)
            {
                std::stack<std::pair<int,int>> neighborPixels;
                neighborPixels.push(std::pair<int,int>(i,j));     // 像素位置: <i,j>
                ++label;  // 没有重复的团，开始新的标签
                while (!neighborPixels.empty())
                {
                    std::pair<int,int> curPixel = neighborPixels.top(); //如果与上一行中一个团有重合区域，则将上一行的那个团的标号赋给它
                    int curX = curPixel.first;
                    int curY = curPixel.second;
                    lableImg.at<int>(curX, curY) = label;

                    neighborPixels.pop();

                    if (lableImg.at<int>(curX, curY-1) == 1)
                    {//左边
                        neighborPixels.push(std::pair<int,int>(curX, curY-1));
                    }
                    if (lableImg.at<int>(curX, curY+1) == 1)
                    {// 右边
                        neighborPixels.push(std::pair<int,int>(curX, curY+1));
                    }
                    if (lableImg.at<int>(curX-1, curY) == 1)
                    {// 上边
                        neighborPixels.push(std::pair<int,int>(curX-1, curY));
                    }
                    if (lableImg.at<int>(curX+1, curY) == 1)
                    {// 下边
                        neighborPixels.push(std::pair<int,int>(curX+1, curY));
                    }
                }
            }
        }
    }

}

void Two_Pass(const cv::Mat& binImg, cv::Mat& lableImg)    //两遍扫描法
{
    if (binImg.empty() ||
        binImg.type() != CV_8UC1)
    {
        return;
    }

    // 第一个通路

    lableImg.release();
    binImg.convertTo(lableImg, CV_32SC1);

    int label = 1;
    std::vector<int> labelSet;
    labelSet.push_back(0);
    labelSet.push_back(1);

    int rows = binImg.rows - 1;
    int cols = binImg.cols - 1;
    for (int i = 1; i < rows; i++)
    {
        int* data_preRow = lableImg.ptr<int>(i-1);
        int* data_curRow = lableImg.ptr<int>(i);
        for (int j = 1; j < cols; j++)
        {
            if (data_curRow[j] == 1)
            {
                std::vector<int> neighborLabels;
                neighborLabels.reserve(2);
                int leftPixel = data_curRow[j-1];
                int upPixel = data_preRow[j];
                if ( leftPixel > 1)
                {
                    neighborLabels.push_back(leftPixel);
                }
                if (upPixel > 1)
                {
                    neighborLabels.push_back(upPixel);
                }

                if (neighborLabels.empty())
                {
                    labelSet.push_back(++label);  // 不连通，标签+1
                    data_curRow[j] = label;
                    labelSet[label] = label;
                }
                else
                {
                    std::sort(neighborLabels.begin(), neighborLabels.end());
                    int smallestLabel = neighborLabels[0];
                    data_curRow[j] = smallestLabel;

                    // 保存最小等价表
                    for (size_t k = 1; k < neighborLabels.size(); k++)
                    {
                        int tempLabel = neighborLabels[k];
                        int& oldSmallestLabel = labelSet[tempLabel];
                        if (oldSmallestLabel > smallestLabel)
                        {
                            labelSet[oldSmallestLabel] = smallestLabel;
                            oldSmallestLabel = smallestLabel;
                        }
                        else if (oldSmallestLabel < smallestLabel)
                        {
                            labelSet[smallestLabel] = oldSmallestLabel;
                        }
                    }
                }
            }
        }
    }

    // 更新等价对列表
    // 将最小标号给重复区域
    for (size_t i = 2; i < labelSet.size(); i++)
    {
        int curLabel = labelSet[i];
        int preLabel = labelSet[curLabel];
        while (preLabel != curLabel)
        {
            curLabel = preLabel;
            preLabel = labelSet[preLabel];
        }
        labelSet[i] = curLabel;
    }  ;

    for (int i = 0; i < rows; i++)
    {
        int* data = lableImg.ptr<int>(i);
        for (int j = 0; j < cols; j++)
        {
            int& pixelLabel = data[j];
            pixelLabel = labelSet[pixelLabel];
        }
    }
}
//彩色显示
cv::Scalar GetRandomColor()
{
    uchar r = 255 * (rand()/(1.0 + RAND_MAX));
    uchar g = 255 * (rand()/(1.0 + RAND_MAX));
    uchar b = 255 * (rand()/(1.0 + RAND_MAX));
    return cv::Scalar(b,g,r);
}


void LabelColor(const cv::Mat& labelImg, cv::Mat& colorLabelImg)
{
    if (labelImg.empty() ||
        labelImg.type() != CV_32SC1)
    {
        return;
    }

    std::map<int, cv::Scalar> colors;

    int rows = labelImg.rows;
    int cols = labelImg.cols;

    colorLabelImg.release();
    colorLabelImg.create(rows, cols, CV_8UC3);
    colorLabelImg = cv::Scalar::all(0);

    for (int i = 0; i < rows; i++)
    {
        const int* data_src = (int*)labelImg.ptr<int>(i);
        uchar* data_dst = colorLabelImg.ptr<uchar>(i);
        for (int j = 0; j < cols; j++)
        {
            int pixelValue = data_src[j];
            if (pixelValue > 1)
            {
                if (colors.count(pixelValue) <= 0)
                {
                    colors[pixelValue] = GetRandomColor();
                }

                cv::Scalar color = colors[pixelValue];
                *data_dst++   = color[0];
                *data_dst++ = color[1];
                *data_dst++ = color[2];
            }
            else
            {
                data_dst++;
                data_dst++;
                data_dst++;
            }
        }
    }
}


int main()
{

    cv::Mat binImage = cv::imread("test.jpg", 0);
    cv::threshold(binImage, binImage, 50, 1, CV_THRESH_BINARY_INV);
    cv::Mat labelImg;
    Two_Pass(binImage, labelImg, num);
    //Seed_Filling(binImage, labelImg);
    //彩色显示
    cv::Mat colorLabelImg;
    LabelColor(labelImg, colorLabelImg);
    cv::imshow("colorImg", colorLabelImg);
/*  //灰度显示
    cv::Mat grayImg;
    labelImg *= 10;
    labelImg.convertTo(grayImg, CV_8UC1);
    cv::imshow("labelImg", grayImg);
*/

    cv::waitKey(0);
    return 0;
}

四、演示结果

原图：

效果图：                                                                                         

参考文章：

http://www.cnblogs.com/ronny/p/img_aly_01.html

http://blog.csdn.net/icvpr/article/details/10259577