使用OpenCV去除面积较小的连通域
更新时间:2020年7月5日 17:36 点击:2991
这是后期补充的部分,和前期的代码不太一样
效果图
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
处理前后图
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猪先飞。
上一篇: 增大python字体的方法步骤
相关文章
- 这篇文章主要介绍了python-opencv-画外接矩形框的实例代码,代码简单易懂,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下...2021-09-04
- 图片剪裁是常用的方法,那么如何通过4坐标剪裁图片,本文就详细的来介绍一下,感兴趣的小伙伴们可以参考一下...2021-06-04
- 这篇文章主要介绍了OpenCV如何去除图片中的阴影的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作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...2021-03-29
- 这篇文章主要介绍了解决使用OpenCV中的imread()内存报错问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-16
- 这篇文章主要介绍了python OpenCV的相关资料,帮助大家更好的理解和学习使用python的opencv,感兴趣的朋友可以了解下...2021-03-31
- 这篇文章主要介绍了使用OpenCV去除面积较小的连通域,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-07-05
详解pycharm的python包opencv(cv2)无代码提示问题的解决
这篇文章主要介绍了详解pycharm的python包opencv(cv2)无代码提示问题的解决,文中通过示例代码介绍的非常详细,对大家的学习或者工作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...2021-01-29在C#中使用OpenCV(使用OpenCVSharp)的实现
这篇文章主要介绍了在C#中使用OpenCV(使用OpenCVSharp)的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作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...2020-11-15- 这篇文章主要为大家详细介绍了C++ opencv实现车道线识别,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下...2021-02-20
详解opencv中画圆circle函数和椭圆ellipse函数
这篇文章主要介绍了opencv中画圆circle函数和椭圆ellipse函数,本文通过实例代码给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下...2020-05-09- 这篇文章主要为大家详细介绍了Opencv LBPH人脸识别算法的相关资料,具有一定的参考价值,感兴趣的小伙伴们可以参考一下...2020-04-25
python中的opencv和PIL(pillow)转化操作
这篇文章主要介绍了python中的opencv和PIL(pillow)转化操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-16- 这篇文章主要介绍了python基于opencv检测程序运行效率,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下...2020-05-09
浅谈OpenCV中的新函数connectedComponentsWithStats用法
这篇文章主要介绍了浅谈OpenCV中的新函数connectedComponentsWithStats用法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-07-05- 这篇文章主要为大家详细介绍了Opencv实现绿幕视频背景替换功能,具有一定的参考价值,感兴趣的小伙伴们可以参考一下...2020-04-25
- 这篇文章主要介绍了Opencv图像处理之详解掩膜mask,文中通过示例代码介绍的非常详细,对大家的学习或者工作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...2021-03-21
- 凸包是一个计算几何中的概念,在图像处理过程中,我们常常需要寻找图像中包围某个物体的凸包,本文就使用OpenCV实现,感兴趣的可以了解一下...2021-06-08
- 这篇文章主要介绍了python基于OpenCV模板匹配识别图片中的数字,帮助大家更好的理解和学习使用python,感兴趣的朋友可以了解下...2021-03-31
- 今天小编就为大家分享一篇python-OpenCV 实现将数组转换成灰度图和彩图,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-04-27
- 这篇文章主要介绍了使用opencv识别图像红色区域,并输出红色区域中心点坐标,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-06-03