python 提取连通域大小大于某个值的块 python 连通区域

cv2.connectedComponentsWithStats 处理不规则连通区域

• 函数介绍
• 实例-参数详解

• 举个栗子

函数介绍

retval, labels, stats, centroids = cv2.connectedComponentsWithStats(image, connectivity=8)

输入值：

• image : 是要处理的图片，官方文档要求是8位单通道的图像。
• connectivity : 可以选择是4连通还是8连通。

输出值

• retval : 返回值是连通区域的数量。
• labels : labels是一个与image一样大小的矩形（labels.shape = image.shape），其中每一个连通区域会有一个唯一标识，标识从0开始。
• stats ：stats会包含5个参数分别为x,y,h,w,s。分别对应每一个连通区域的外接矩形的起始坐标x,y；外接矩形的wide,height；s其实不是外接矩形的面积，实践证明是labels对应的连通区域的像素个数。
• centroids : 返回的是连通区域的质心。

实例-参数详解

举个栗子

1、 我创建了10x10的图片，其中像素值分别有0和100

输入的image就是我们这个10x10的图片
如果我们要分析8连通，就令

connectivity=8

2、用 opencv 将图片读入

image = cv2.imread('test1.tif') # 将上述的10*10图片存为test.tif的图片
img = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) #转灰度
retval, labels, stats, centroids = cv2.connectedComponentsWithStats(img, connectivity=8)

返回值

retval #retval = 3
>>> 3

stats      #我们看出有3个连通区域
            # x   y   w   h  s 
>>> array([[ 0,  0, 10, 10, 76],  # 这代表整个图片，0值也有连通区域
           [ 4,  1,  5,  6, 18],  # 这里18代表有18个像素 下面的6同理
           [ 2,  2,  3,  2,  6]], dtype=int32)
           
labels  # labdels 将背景0值标为0，值为100的标为1 和 2
>>> array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
	       [0, 0, 0, 0, 0, 0, 0, 1, 0, 0],
	       [0, 0, 2, 2, 2, 0, 1, 0, 0, 0],
	       [0, 0, 2, 2, 2, 0, 1, 1, 1, 0],
	       [0, 0, 0, 0, 0, 0, 1, 1, 1, 0],
	       [0, 0, 0, 0, 1, 1, 1, 1, 1, 0],
	       [0, 0, 0, 0, 1, 1, 1, 1, 1, 0],
	       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
	       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
	       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0]], dtype=int32)
	       
centroids
>>> array([[4.17105263, 4.68421053],
	       [6.38888889, 4.38888889],
	       [3.        , 2.5       ]]

3、我们来详细看一下如何利用stats和labels处理不规则图形

按照 stats返回的外接矩形分别如下两个矩形，其中蓝色的矩形有两个值在红色矩形内，同时可以看到原始数据的连通区域与labels可以相互对应

问题来了： 如果我想要将原始图片红色框内的100变为0，如果我们直接令外接矩形框内全部为0，这样不可避免的会伤及无辜将蓝色框内的两个100值都改为0.这个是不允许的。
所以我们可以利用labels的标识

label = labels[y:y + h, x:x + w] #获取要处理的红色方框外接矩形
lab = label.reshape(-1, )  # 二维转一维
lab = np.unique(lab)  # 去掉重复
lab = np.setdiff1d(lab, 0)  # 去掉0值，因为0值是背景的标识，我们不用处理0，只要除去1保留2即可

之后又因为stats中的返回值s是像素值的个数，并不是外接矩形内所有100值的个数。

下面两个图可以看出，红色框内100的值是20个，但构成连通区域的之后18个像素，所以stats返回值中是18不是20；这个很重要！！！！

这样在红色矩形框内的labels= 2 的数量只有两个，labels = 1的数量有18个，并且与s一致，可以依据这个条件，获取labels = 1 的坐标，并令这些坐标所在值等于0，这样labels = 2 的值并没有受到影像。

for l in lab:
    seeds = np.argwhere(label==l)
    seedlist = list(seeds)
    print(seedlist)
    if len(seedlist) == s:
#         print(seedlist)
        for point in seedlist:
            image[point[0],point[1]] = 0
        img[y:y + h, x:x + w] = image

4 、结果：

原始图：

在这之前我尝试了一些别的函数，都不能很好的操作，下期会整理一下。