使用OpenCV去除面积较小的连通域


Posted in Python onJuly 05, 2020

这是后期补充的部分,和前期的代码不太一样

效果图

使用OpenCV去除面积较小的连通域

源代码

//测试
void CCutImageVS2013Dlg::OnBnClickedTestButton1()
{
	vector<vector<Point> > contours;  //轮廓数组
	vector<Point2d> centers;    //轮廓质心坐标 
	vector<vector<Point> >::iterator itr; //轮廓迭代器
	vector<Point2d>::iterator itrc;  //质心坐标迭代器
	vector<vector<Point> > con;   //当前轮廓

	double area;
	double minarea = 1000;
	double maxarea = 0;
	Moments mom;       // 轮廓矩
	Mat image, gray, edge, dst;
	image = imread("D:\\66.png");
	cvtColor(image, gray, COLOR_BGR2GRAY);
	Mat rgbImg(gray.size(), CV_8UC3); //创建三通道图
	blur(gray, edge, Size(3, 3));       //模糊去噪
	threshold(edge, edge, 200, 255, THRESH_BINARY_INV); //二值化处理,黑底白字
	//--------去除较小轮廓,并寻找最大轮廓--------------------------
	findContours(edge, contours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); //寻找轮廓
	itr = contours.begin();    //使用迭代器去除噪声轮廓
	while (itr != contours.end())
	{
		area = contourArea(*itr);  //获得轮廓面积
		if (area<minarea)    //删除较小面积的轮廓 
		{
			itr = contours.erase(itr); //itr一旦erase,需要重新赋值
		}
		else
		{
			itr++;
		}
		if (area>maxarea)    //寻找最大轮廓
		{
			maxarea = area;
		}
	}
	dst = Mat::zeros(image.rows, image.cols, CV_8UC3);
	/*绘制连通区域轮廓,计算质心坐标*/
	Point2d center;
	itr = contours.begin();
	while (itr != contours.end())
	{
		area = contourArea(*itr);		
		con.push_back(*itr);   //获取当前轮廓
		if (area == maxarea)
		{
			vector<Rect> boundRect(1); //定义外接矩形集合
			boundRect[0] = boundingRect(Mat(*itr));
			cvtColor(gray, rgbImg, COLOR_GRAY2BGR);
			Rect select;
			select.x = boundRect[0].x;
			select.y = boundRect[0].y;
			select.width = boundRect[0].width;
			select.height = boundRect[0].height;
			rectangle(rgbImg, select, Scalar(0, 255, 0), 3, 2); //用矩形画矩形窗
			drawContours(dst, con, -1, Scalar(0, 0, 255), 2); //最大面积红色绘制
		}
		else
			drawContours(dst, con, -1, Scalar(255, 0, 0), 2); //其它面积蓝色绘制
		con.pop_back();
		//计算质心
		mom = moments(*itr);
		center.x = (int)(mom.m10 / mom.m00);
		center.y = (int)(mom.m01 / mom.m00);
		centers.push_back(center);
		itr++;
	}
	imshow("rgbImg", rgbImg);
	//imshow("gray", gray);
	//imshow("edge", edge);
	imshow("origin", image);
	imshow("connected_region", dst);
	waitKey(0);
	return;
}

前期做的,方法可能不太一样

一,先看效果图

原图

使用OpenCV去除面积较小的连通域

处理前后图

使用OpenCV去除面积较小的连通域

二,实现源代码

//=======函数实现=====================================================================
void RemoveSmallRegion(Mat &Src, Mat &Dst, int AreaLimit, int CheckMode, int NeihborMode)
{
	int RemoveCount = 0;
	//新建一幅标签图像初始化为0像素点,为了记录每个像素点检验状态的标签,0代表未检查,1代表正在检查,2代表检查不合格(需要反转颜色),3代表检查合格或不需检查 
	//初始化的图像全部为0,未检查 
	Mat PointLabel = Mat::zeros(Src.size(), CV_8UC1);
	if (CheckMode == 1)//去除小连通区域的白色点 
	{
		//cout << "去除小连通域.";
		for (int i = 0; i < Src.rows; i++)
		{
			for (int j = 0; j < Src.cols; j++)
			{
				if (Src.at<uchar>(i, j) < 10)
				{
					PointLabel.at<uchar>(i, j) = 3;//将背景黑色点标记为合格,像素为3 
				}
			}
		}
	}
	else//去除孔洞,黑色点像素 
	{
		//cout << "去除孔洞";
		for (int i = 0; i < Src.rows; i++)
		{
			for (int j = 0; j < Src.cols; j++)
			{
				if (Src.at<uchar>(i, j) > 10)
				{
					PointLabel.at<uchar>(i, j) = 3;//如果原图是白色区域,标记为合格,像素为3 
				}
			}
		}
	}
	vector<Point2i>NeihborPos;//将邻域压进容器 
	NeihborPos.push_back(Point2i(-1, 0));
	NeihborPos.push_back(Point2i(1, 0));
	NeihborPos.push_back(Point2i(0, -1));
	NeihborPos.push_back(Point2i(0, 1));
	if (NeihborMode == 1)
	{
		//cout << "Neighbor mode: 8邻域." << endl;
		NeihborPos.push_back(Point2i(-1, -1));
		NeihborPos.push_back(Point2i(-1, 1));
		NeihborPos.push_back(Point2i(1, -1));
		NeihborPos.push_back(Point2i(1, 1));
	}
	else int a = 0;//cout << "Neighbor mode: 4邻域." << endl;
	int NeihborCount = 4 + 4 * NeihborMode;
	int CurrX = 0, CurrY = 0;
	//开始检测 
	for (int i = 0; i < Src.rows; i++)
	{
		for (int j = 0; j < Src.cols; j++)
		{
			if (PointLabel.at<uchar>(i, j) == 0)//标签图像像素点为0,表示还未检查的不合格点 
			{ //开始检查 
				vector<Point2i>GrowBuffer;//记录检查像素点的个数 
				GrowBuffer.push_back(Point2i(j, i));
				PointLabel.at<uchar>(i, j) = 1;//标记为正在检查 
				int CheckResult = 0;
				for (int z = 0; z < GrowBuffer.size(); z++)
				{
					for (int q = 0; q < NeihborCount; q++)
					{
						CurrX = GrowBuffer.at(z).x + NeihborPos.at(q).x;
						CurrY = GrowBuffer.at(z).y + NeihborPos.at(q).y;
						if (CurrX >= 0 && CurrX<Src.cols&&CurrY >= 0 && CurrY<Src.rows) //防止越界 
						{
							if (PointLabel.at<uchar>(CurrY, CurrX) == 0)
							{
								GrowBuffer.push_back(Point2i(CurrX, CurrY)); //邻域点加入buffer 
								PointLabel.at<uchar>(CurrY, CurrX) = 1;   //更新邻域点的检查标签,避免重复检查 
							}
						}
					}
				}
				if (GrowBuffer.size()>AreaLimit) //判断结果(是否超出限定的大小),1为未超出,2为超出 
					CheckResult = 2;
				else
				{
					CheckResult = 1;
					RemoveCount++;//记录有多少区域被去除 
				}
				for (int z = 0; z < GrowBuffer.size(); z++)
				{
					CurrX = GrowBuffer.at(z).x;
					CurrY = GrowBuffer.at(z).y;
					PointLabel.at<uchar>(CurrY, CurrX) += CheckResult;//标记不合格的像素点,像素值为2 
				}
				//********结束该点处的检查********** 
			}
		}
	}
	CheckMode = 255 * (1 - CheckMode);
	//开始反转面积过小的区域 
	for (int i = 0; i < Src.rows; ++i)
	{
		for (int j = 0; j < Src.cols; ++j)
		{
			if (PointLabel.at<uchar>(i, j) == 2)
			{
				Dst.at<uchar>(i, j) = CheckMode;
			}
			else if (PointLabel.at<uchar>(i, j) == 3)
			{
				Dst.at<uchar>(i, j) = Src.at<uchar>(i, j);
			}
		}
	}
	//cout << RemoveCount << " objects removed." << endl;
}
//=======函数实现=====================================================================
//=======调用函数=====================================================================
	Mat img;
	img = imread("D:\\1_1.jpg", 0);//读取图片
	threshold(img, img, 128, 255, CV_THRESH_BINARY_INV);
	imshow("去除前", img);
	Mat img1;
	RemoveSmallRegion(img, img, 200, 0, 1);
	imshow("去除后", img);
	waitKey(0);
//=======调用函数=====================================================================

以上这篇使用OpenCV去除面积较小的连通域就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python获取DLL和EXE文件版本号的方法
Mar 10 Python
python实现word 2007文档转换为pdf文件
Mar 15 Python
Python中的TCP socket写法示例
May 11 Python
python抓取网站的图片并下载到本地的方法
May 22 Python
Django框架多表查询实例分析
Jul 04 Python
Python 实现Windows开机运行某软件的方法
Oct 14 Python
python实现一组典型数据格式转换
Dec 15 Python
python将字典列表导出为Excel文件的方法
Sep 02 Python
Python操作qml对象过程详解
Sep 26 Python
linux 下selenium chrome使用详解
Apr 02 Python
Pycharm打开已有项目配置python环境的方法
Jul 03 Python
Python利用socket模块开发简单的端口扫描工具的实现
Jan 27 Python
学python最电脑配置有要求么
Jul 05 #Python
浅谈OpenCV中的新函数connectedComponentsWithStats用法
Jul 05 #Python
python怎么对数字进行过滤
Jul 05 #Python
python主要用于哪些方向
Jul 05 #Python
python右对齐的实例方法
Jul 05 #Python
使用Python-OpenCV消除图像中孤立的小区域操作
Jul 05 #Python
python使用opencv resize图像不进行插值的操作
Jul 05 #Python
You might like
PHP原生函数一定好吗?
2014/12/08 PHP
ThinkPHP通过AJAX返回JSON的两种实现方法
2014/12/18 PHP
PHP中SESSION的注销与清除
2015/04/16 PHP
Yii扩展组件编写方法实例分析
2015/06/29 PHP
PHP的PDO大对象(LOBs)
2019/01/27 PHP
php获取是星期几的的一些常用姿势
2019/12/15 PHP
js继承 Base类的源码解析
2008/12/30 Javascript
JavaScript 对任意元素,自定义右键菜单的实现方法
2013/05/08 Javascript
让人蛋疼的JavaScript语法特性
2014/09/30 Javascript
详解Bootstrap创建表单的三种格式(一)
2016/01/04 Javascript
JavaScript常用截取字符串的三种方式用法区别实例解析
2018/05/15 Javascript
Vue数据双向绑定原理及简单实现方法
2018/05/18 Javascript
关于Vue组件库开发详析
2018/07/01 Javascript
详解Vue源码之数据的代理访问
2018/12/11 Javascript
微信小程序获取用户信息及手机号(后端TP5.0)
2019/09/12 Javascript
JS中的变量作用域(console版)
2020/07/18 Javascript
jquery实现广告上下滚动效果
2021/03/04 jQuery
Python的爬虫程序编写框架Scrapy入门学习教程
2016/07/02 Python
Python 通过pip安装Django详细介绍
2017/04/28 Python
itchat和matplotlib的结合使用爬取微信信息的实例
2017/08/25 Python
Python实现的根据文件名查找数据文件功能示例
2018/05/02 Python
浅谈Tensorflow由于版本问题出现的几种错误及解决方法
2018/06/13 Python
Django CBV与FBV原理及实例详解
2019/08/12 Python
Python字符串大小写转换拼接删除空白
2019/09/19 Python
python 列表、字典和集合的添加和删除操作
2019/12/16 Python
在CentOS7下安装Python3教程解析
2020/07/09 Python
Django中template for如何使用方法
2021/01/31 Python
python绘图模块之利用turtle画图
2021/02/12 Python
html5 touch事件实现触屏页面上下滑动(二)
2016/03/10 HTML / CSS
锐步香港官方网上商店:Reebok香港
2020/11/05 全球购物
中专生自我鉴定范文
2013/12/19 职场文书
组织关系转移介绍信
2014/01/16 职场文书
多媒体编辑专业毕业生求职信
2014/06/13 职场文书
小学教师师德师风演讲稿
2014/08/22 职场文书
吃通javascript正则表达式
2021/04/21 Javascript
angular异步验证器防抖实例详解
2022/03/31 Javascript