目錄

一、cv2.connectedComponents（）

函數(shù)原型：

輸入?yún)?shù)解析：

返回參數(shù)解析：

二、cv2.connectedComponentsWithStats()

函數(shù)原型：

輸入?yún)?shù)解析：

輸出參數(shù)解析：

stats參數(shù)解析

cv2.rectangle（）函數(shù)

三、實例

---

對于一個二值化圖像的后續(xù)處理方式有兩種方式，一種是利用cv2.findcontours()函數(shù)和cv2.ContourArea（）函數(shù)對圖像輪廓進行跟蹤，可以得到圖像輪廓的點集合，以及得到各個輪廓的面積值具體可見：

《【圖像處理】——Python+opencv實現(xiàn)二值圖像的輪廓邊界跟蹤以及輪廓面積周長的求解（findcontours函數(shù)和contourArea函數(shù)）》

????? 另外一種方式就是用函數(shù)cv2.connectedComponentsWithStats()和函數(shù)cv2.connectedComponents()函數(shù)，可以得到輪廓的相關(guān)信息

一、cv2.connectedComponents（）

函數(shù)原型：

retval, labels = connectedComponents(image, labels=None, connectivity=None, ltype=None)

輸入?yún)?shù)解析：

一般指定需要進行標記的目標圖像就行

image：用于標記的8位單通道圖像
labels：標記的目標圖像
connectivity：連通方式：4連通或8連通
Itype：輸出圖像的標記類型，當前只支持CV_32U和CV_16U
?

返回參數(shù)解析：

retval:不知道，反正用不上

labels：輸出的是標記圖像，所謂標記圖像就是圖像中每一個連通域都擁有一個標簽（背景的標簽是0），該標簽即代表了此連通域的灰度值。例如，一幅圖像中存在3個連通域（背景除外），那么他們的標簽分別是1、2、3，他們的灰度值分別是1、2、3

二、cv2.connectedComponentsWithStats()

函數(shù)原型：

retval, labels, stats, centroids = connectedComponentsWithStats(image, labels=None, stats=None, centroids=None, connectivity=None, ltype=None)

輸入?yún)?shù)解析：

一般指定需要進行標記的目標圖像就行

image：用于標記的8位單通道圖像
labels：標記的目標圖像

stats：含有各個輪廓的外接矩信息和面積的一個參數(shù)

centroids：質(zhì)心
connectivity：連通方式：4連通或8連通
Itype：輸出圖像的標記類型，當前只支持CV_32U和CV_16U

輸出參數(shù)解析：

retval：不知道

labels：輸出的標記圖像

stats：這個參數(shù)是最有用的，含有一些輪廓的統(tǒng)計信息，一個numpy數(shù)組

centroids：每一個輪廓的質(zhì)心，返回一個numpy數(shù)組，計算公式為：

stats參數(shù)解析

stats參數(shù)是一個numpy數(shù)組，每一行代表一個輪廓，每一行固定為5個參數(shù)，依次是：

• CC_STAT_LEFT 組件的左上角點像素點坐標的X位置

• CC_STAT_TOP 組件的左上角點像素點坐標的Y位置

• CC_STAT_WIDTH 組件外接矩形的寬度,計算方式為用每一個輪廓中最右邊的點的x坐標減去最左邊的點的x坐標

• CC_STAT_HEIGHT 組件外接矩形的高度，計算方式為用每一個輪廓中最下邊的點的y坐標減去最上邊的點的y坐標

• CC_STAT_AREA 當前連通組件的面積（像素單位）,這里統(tǒng)計的是輪廓所包含的像素點的個數(shù)，不是外接矩形的面積

所以stats的shape為：mx5，m是輪廓的個數(shù)，第一個輪廓是背景輪廓，前兩個參數(shù)為0，0

注：這里的矩形不一定是最小外接矩形，通過外接矩形我們就可以得到圖像的幾何特征——細長值

最小外接矩形可旋轉(zhuǎn)圖像得到，在90°范圍內(nèi)以3°為單位增量恒距離地旋轉(zhuǎn)圖像，每一次旋轉(zhuǎn)都計算它的外接矩形的面積值。外接矩形面積達到最小值事，就得到了我們想要的最小外接矩形。即按照3度進行圖像旋轉(zhuǎn)得到新的圖像，對新的圖像再次進行輪廓的檢測跟蹤以及矩形的繪制，旋轉(zhuǎn)一周后，取面積最小的矩形即為最小外接矩形

根據(jù)以上的stats參數(shù)，我們可以繪制的外接矩形，具體如下：

cv2.rectangle（）函數(shù)

img = rectangle(img, pt1, pt2, color, thickness=None, lineType=None, shift=None)

img：進行繪制矩形的圖像

pt1:矩形左上角角點坐標，是一個元組

pt2:矩形右下角角點坐標，是一個元組

color：繪制矩形的顏色，一般通過RGB的表示方式（R.G,B）

thickness:繪制矩形的線寬，如果是負數(shù)，則將輪廓區(qū)域進行填充

linetype：線型

返回的是：繪制后的圖像

. @brief Draws a simple, thick, or filled up-right rectangle.. . The function cv::rectangle draws a rectangle outline or a filled rectangle whose two opposite corners. are pt1 and pt2.. . @param img Image.. @param pt1 Vertex of the rectangle.. @param pt2 Vertex of the rectangle opposite to pt1 .. @param color Rectangle color or brightness (grayscale image).. @param thickness Thickness of lines that make up the rectangle. Negative values, like #FILLED,. mean that the function has to draw a filled rectangle.. @param lineType Type of the line. See #LineTypes. @param shift Number of fractional bits in the point coordinates.

三、實例

代碼：

import cv2 import numpy as npimg_=cv2.imread('rice.png') img=cv2.cvtColor(img_,cv2.COLOR_BGR2GRAY)_, labels, stats, centroids = cv2.connectedComponentsWithStats(img,ltype=cv2.CV_16U)for istat in stats:if istat[3] > istat[4]:r = istat[3]else:r = istat[4]cv2.rectangle(img_, tuple(istat[0:2]), tuple(istat[0:2] + istat[2:4]), (0, 0, 255), thickness=2)cv2.imshow('',img_) cv2.waitKey(0)

?

?

?

總結(jié)

以上是生活随笔為你收集整理的【图像处理】——实现二值图像的轮廓边界跟踪以及轮廓面积周长的求解（connectedComponentsWithStats()函数和connectedComponents()函数）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。