OpenCV：二值图像连通区域分析与标记算法实现

http://www.tuicool.com/articles/Z3IVruJ

 

参考文章：

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

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

 

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