python opencv根据连通域面积筛选 opencv连通域提取

 

　　

前言

　　在图像处理过程中，经常会遇到这样一部分图像，图像的整体部分如果人来看的话一眼就能看出，但是它的内部由于有各种小缺口，导致断开了，这样在计算机“眼”里就被认为是断开的，为了使图像达到适应人眼的感觉，需要将这些缺口和断开的口给连接上去，这就需要用到计算机图形学中的连通域处理技术。本文给出一个简单的连通域处理函数，当然这个函数是来自OpenCV著名教程Learning OpenCV中，只不过它的接口是基于c版本的OpenCV，而到目前为止，基于C++接口的OpenCV已经是主流，所以我将其接口改成了c++版的，但是其内部一些代码基本没有动它。

　　开发环境：OpenCV2.4.3+QtCreator2.5.1

 

实验基础

　　首先来看这个连通域处理函数的形式：

　　void ConnectedComponents(Mat &mask_process,  int poly1_hull0,  float perimScale,  int number = 0,  Rect &bounding_box = Rect(),  Point &contour_centers = Point(-1, -1));

　　参数mask表示的是需要进行连通域处理二值图像。

　　参数poly1_hull0表示轮廓边缘是否采用多边形拟合,如果该参数为1，则表示采用多边形拟合，否则采用凸包拟合。

　　参数perimScale是用来将那些小的轮廓去掉，那些小的轮廓时指它的周长小于(mask长+宽)/perimScale。当然你在其内部代码也可以该为面积来判断。

　　参数num表示实际需要处理最多的轮廓的个数（如果输入的mask有多个轮廓的话），这里的处理是指计算出这些轮廓的外接矩形和中心点。默认值为0，表示函数内部不需要处理这些外接矩形和中心点。

　　参数bbs表示的是处理完后对应轮廓的外接矩形，默认值为Rect()，表示不需要返回这些外接矩形。

　　参数centers表示处理完后对应轮廓的中心点坐标，默认值为Point(-1, -1)，表示不需要返回这些中心点。

 

C/C++知识点总结：

　　如果一些函数需要默认值的话，可以直接在函数定义的时候指定，该指定并不一定是具体的某个值，也可以是空值等等。另外在函数内部实现时，有时候要注意默认值的特殊性。

 

实验结果

　　所需处理原始图像的灰度图：

　　

 

　　其对应的mask图像：

　　

 

　　使用多项式拟合的连通域处理后图像：

　　

 

　　使用凸包集拟合的连通域处理后的图像：

　　

 

实验代码及注释(附录有工程code下载地址)：

　　main.cpp:

#include <iostream>
#include <opencv.hpp>


using namespace cv;
using namespace std;

//Just some convienience macros
#define CV_CVX_WHITE    CV_RGB(0xff,0xff,0xff)
#define CV_CVX_BLACK    CV_RGB(0x00,0x00,0x00)


void ConnectedComponents(Mat &mask_process, int poly1_hull0, float perimScale, int number = 0,
                         Rect &bounding_box = Rect(), Point &contour_centers = Point(-1, -1))
{
    /*下面4句代码是为了兼容原函数接口，即内部使用的是c风格，但是其接口是c++风格的*/
    IplImage *mask = &mask_process.operator IplImage();
    int *num = &number;
    CvRect *bbs = &bounding_box.operator CvRect();
    CvPoint *centers = &contour_centers.operator CvPoint();
    static CvMemStorage*    mem_storage    = NULL;
    static CvSeq*            contours    = NULL;
    //CLEAN UP RAW MASK
        //开运算作用：平滑轮廓，去掉细节,断开缺口
        cvMorphologyEx( mask, mask, NULL, NULL, CV_MOP_OPEN, 1 );//对输入mask进行开操作，CVCLOSE_ITR为开操作的次数，输出为mask图像
        //闭运算作用：平滑轮廓，连接缺口
        cvMorphologyEx( mask, mask, NULL, NULL, CV_MOP_CLOSE, 1 );//对输入mask进行闭操作，CVCLOSE_ITR为闭操作的次数，输出为mask图像
    //FIND CONTOURS AROUND ONLY BIGGER REGIONS
        if( mem_storage==NULL ) mem_storage = cvCreateMemStorage(0);
            else cvClearMemStorage(mem_storage);
        //CV_RETR_EXTERNAL=0是在types_c.h中定义的，CV_CHAIN_APPROX_SIMPLE=2也是在该文件中定义的
        CvContourScanner scanner = cvStartFindContours(mask,mem_storage,sizeof(CvContour),CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE);
        CvSeq* c;
        int numCont = 0;
        //该while内部只针对比较大的轮廓曲线进行替换处理
        while( (c = cvFindNextContour( scanner )) != NULL )
        {
            double len = cvContourPerimeter( c );
            double q = (mask->height + mask->width) /perimScale;   //calculate perimeter len threshold
            if( len < q ) //Get rid of blob if it's perimeter is too small
            {
                cvSubstituteContour( scanner, NULL );    //用NULL代替原来的那个轮廓
            }
            else //Smooth it's edges if it's large enough
            {
                CvSeq* c_new;
                if(poly1_hull0) //Polygonal approximation of the segmentation
                    c_new = cvApproxPoly(c,sizeof(CvContour),mem_storage,CV_POLY_APPROX_DP, 2,0);
                else //Convex Hull of the segmentation
                    c_new = cvConvexHull2(c,mem_storage,CV_CLOCKWISE,1);
                cvSubstituteContour( scanner, c_new ); //最开始的轮廓用凸包或者多项式拟合曲线替换
                numCont++;
            }
        }
        contours = cvEndFindContours( &scanner );    //结束轮廓查找操作
    // PAINT THE FOUND REGIONS BACK INTO THE IMAGE
        cvZero( mask );
        IplImage *maskTemp;
        //CALC CENTER OF MASS AND OR BOUNDING RECTANGLES
        if(*num != 0)
        {
            int N = *num, numFilled = 0, i=0;
            CvMoments moments;
            double M00, M01, M10;
            maskTemp = cvCloneImage(mask);
            for(i=0, c=contours; c != NULL; c = c->h_next,i++ )        //h_next为轮廓序列中的下一个轮廓
            {
                if(i < N) //Only process up to *num of them
                {
                    //CV_CVX_WHITE在本程序中是白色的意思
                    cvDrawContours(maskTemp,c,CV_CVX_WHITE, CV_CVX_WHITE,-1,CV_FILLED,8);
                    //Find the center of each contour
                    if(centers != &cvPoint(-1, -1))
                    {
                        cvMoments(maskTemp,&moments,1);    //计算mask图像的最高达3阶的矩
                        M00 = cvGetSpatialMoment(&moments,0,0); //提取x的0次和y的0次矩
                        M10 = cvGetSpatialMoment(&moments,1,0); //提取x的1次和y的0次矩
                        M01 = cvGetSpatialMoment(&moments,0,1); //提取x的0次和y的1次矩
                        centers[i].x = (int)(M10/M00);    //利用矩的结果求出轮廓的中心点坐标
                        centers[i].y = (int)(M01/M00);
                    }
                    //Bounding rectangles around blobs
                    if(bbs != &CvRect())
                    {
                        bbs[i] = cvBoundingRect(c); //算出轮廓c的外接矩形
                    }
                    cvZero(maskTemp);
                    numFilled++;
                }
                //Draw filled contours into mask
                cvDrawContours(mask,c,CV_CVX_WHITE,CV_CVX_WHITE,-1,CV_FILLED,8); //draw to central mask
            } //end looping over contours
            *num = numFilled;
            cvReleaseImage( &maskTemp);
        }
        //ELSE JUST DRAW PROCESSED CONTOURS INTO THE MASK
        else
        {
            for( c=contours; c != NULL; c = c->h_next )
            {
                cvDrawContours(mask,c,CV_CVX_WHITE, CV_CVX_BLACK,-1,CV_FILLED,8);
            }
        }
}

int main()
{
    Mat src, mask;
    src = imread("test.png", 0);    //以灰度图像读入
    imshow("src", src);

    mask = src > 0;     //转换为二值图像
    imshow("mask", mask);

    ConnectedComponents(mask, 1, 8.0, 1, Rect(), Point(-1, -1));    //采用多边形拟合处理
    imshow("out1", mask);

    ConnectedComponents(mask, 0, 8.0, 1, Rect(), Point(-1, -1));    //c采用凸包进行处理
    imshow("out2", mask);
    waitKey(0);

    return 0;
}

 

实验总结:通过该连通域处理，能够达到一定效果。

 

参考资料：

　　Bradski, G. and A. Kaehler (2008). Learning OpenCV: Computer vision with the OpenCV library, O'Reilly Media.

 

附录：实验工程code下载地址。