网站后台界面设计,设计制作建筑模型综合实践教案,嘉兴网站备案,网页制作WordPress模板图像处理中连通域指由前景相同像素#xff0c;并且相同像素邻接的像素组成的域。图像处理中一般都是对二值图像#xff08;1白色#xff0c;0为黑色#xff0c;一般前景为0黑色#xff09;做连通域分析。连通域分析指把连通域找出来并且标记出来。
连通域标记方法#x…图像处理中连通域指由前景相同像素并且相同像素邻接的像素组成的域。图像处理中一般都是对二值图像1白色0为黑色一般前景为0黑色做连通域分析。连通域分析指把连通域找出来并且标记出来。
连通域标记方法1两次遍历实现2深度优先搜索遍历
1.第一次遍历
如果当前元素为0则赋值一个labellebel从大于1开始如果像素的邻接像素的标签有大于1的则当前元素赋值为大于1的最小的label。记录等价标签。
第二次遍历
遍历找到等价标签标记等价标签的最小值为label。
如果只求连通域的数量则只需循环一次就够了连通域数等于label-等价标签的个数-label起始值。
如起始标记为label 1等价标签存放在列表中list[(2,6),(3,7)],即等价标签个数有len(list),则连通域个数为label -1-len(list).
如果需要将连通区域标记的的话需要循环两次。
import numpy
a [[1 for i in range(10)] for j in range(10)]
a [[1, 0, 0, 1, 1, 1, 1, 1, 1, 1],[1, 0, 0, 1, 1, 1, 1, 1, 0, 1],[1, 1, 1, 1, 1, 1, 0, 0, 0, 1],[1, 1, 1, 0, 0, 0, 1, 1, 0, 1],[1, 1, 1, 1, 1, 0, 1, 1, 1, 1],[1, 1, 1, 1, 1, 0, 1, 1, 1, 1],[1, 0, 0, 0, 1, 1, 1, 1, 0, 1],[1, 0, 1, 0, 1, 1, 1, 1, 0, 1],[1, 0, 0, 0, 1, 1, 1, 1, 0, 1],[1, 1, 1, 1, 1, 1, 1, 1, 0, 1]]
a numpy.array(a)
#cv2.imwrite(/home/lijq/IdeaProjects/AnimalRecognition_Demo/demo/person3.jpg,a)
label 1
list []
if a[0][0]1:label 1a[0][0] label
for j in range(1,len(a[0])):if a[0][j]1:if a[0][j-1]1:a[0][j]a[0][j-1]else:label 1a[0][j] label
for i in range(1,len(a)):if a[i][0]1:if a[i-1][0]1:a[i][0]a[i-1][0]else:label 1a[i][0] label
for i in range(1,len(a)):for j in range(1,len(a[0])):if a[i][j]1:if a[i][j-1]1 and a[i-1][j]1:a[i][j] min(a[i][j-1],a[i-1][j])if a[i][j-1]!a[i-1][j]:list.append((a[i][j-1],a[i-1][j]))elif a[i][j-1]1 and a[i-1][j]1:a[i][j] a[i][j-1]elif a[i-1][j]1 and a[i][j-1] 1:a[i][j] a[i-1][j]else:label 1a[i][j] label
nums_lt label-1-len(list)
print label,list,nums_lt
print a 2.深度遍历标记
通过深度优先把所有连通的找出来标记完再继续遍历下一个连通区域。连通域数量为 label-1.设置的label默认值为1歧视标记为2如果从1标记的话会和图像值里的1混淆所以为了方便起始值可以是任意大于1的数
a [[1, 0, 0, 1, 1, 1, 1, 1, 1, 1],[1, 0, 0, 1, 1, 1, 1, 1, 0, 1],[1, 1, 1, 1, 1, 1, 0, 0, 0, 1],[1, 1, 1, 0, 0, 0, 1, 1, 0, 1],[1, 1, 1, 1, 1, 0, 1, 1, 1, 1],[1, 1, 1, 1, 1, 0, 1, 1, 1, 1],[1, 0, 0, 0, 1, 1, 1, 1, 0, 1],[1, 0, 1, 0, 1, 1, 1, 1, 0, 1],[1, 0, 0, 0, 1, 1, 1, 1, 0, 1],[1, 1, 1, 1, 1, 1, 1, 1, 0, 1]]
a numpy.array(a)
def dfs(nums,i,j,label):if i len(nums) or jlen(nums[0]) or i0 or j0:returnif nums[i][j]1:nums[i][j]labeldfs(nums,i,j1,label)dfs(nums,i1,j,label)dfs(nums,i-1,j,label)dfs(nums,i,j-1,label)dfs(nums,i-1,j-1,label)label 1
for i in range(len(a)):for j in range(len(a[0])):if a[i][j]1:label 1a[i][j] labeldfs(a,i,j1,label)dfs(a,i1,j,label)
print a
