荐 【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）

目录

一、cv2.connectedComponents（）

函数原型：

输入参数解析：

返回参数解析：

二、cv2.connectedComponentsWithStats()

函数原型：

输入参数解析：

输出参数解析：

stats参数解析

cv2.rectangle（）函数

三、实例

---

对于一个二值化图像的后续处理方式有两种方式，一种是利用cv2.findcontours()函数和cv2.ContourArea（）函数对图像轮廓进行跟踪，可以得到图像轮廓的点集合，以及得到各个轮廓的面积值具体可见：

《【图像处理】——Python+opencv实现二值图像的轮廓边界跟踪以及轮廓面积周长的求解（findcontours函数和contourArea函数）》

      另外一种方式就是用函数cv2.connectedComponentsWithStats()和函数cv2.connectedComponents()函数，可以得到轮廓的相关信息

一、cv2.connectedComponents（）

函数原型：

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

输入参数解析：

一般指定需要进行标记的目标图像就行

image：用于标记的8位单通道图像
labels：标记的目标图像
connectivity：连通方式：4连通或8连通
Itype：输出图像的标记类型，当前只支持CV_32U和CV_16U
 

返回参数解析：

retval:不知道，反正用不上

labels：输出的是标记图像，所谓标记图像就是图像中每一个连通域都拥有一个标签（背景的标签是0），该标签即代表了此连通域的灰度值。例如，一幅图像中存在3个连通域（背景除外），那么他们的标签分别是1、2、3，他们的灰度值分别是1、2、3

二、cv2.connectedComponentsWithStats()

函数原型：

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

输入参数解析：

一般指定需要进行标记的目标图像就行

image：用于标记的8位单通道图像
labels：标记的目标图像

stats：含有各个轮廓的外接矩信息和面积的一个参数

centroids：质心
connectivity：连通方式：4连通或8连通
Itype：输出图像的标记类型，当前只支持CV_32U和CV_16U

输出参数解析：

retval：不知道

labels：输出的标记图像

stats：这个参数是最有用的，含有一些轮廓的统计信息，一个numpy数组

centroids：每一个轮廓的质心，返回一个numpy数组，计算公式为：

stats参数解析

stats参数是一个numpy数组，每一行代表一个轮廓，每一行固定为5个参数，依次是：

• CC_STAT_LEFT 组件的左上角点像素点坐标的X位置

• CC_STAT_TOP 组件的左上角点像素点坐标的Y位置

• CC_STAT_WIDTH 组件外接矩形的宽度,计算方式为用每一个轮廓中最右边的点的x坐标减去最左边的点的x坐标

• CC_STAT_HEIGHT 组件外接矩形的高度，计算方式为用每一个轮廓中最下边的点的y坐标减去最上边的点的y坐标

• CC_STAT_AREA 当前连通组件的面积（像素单位）,这里统计的是轮廓所包含的像素点的个数，不是外接矩形的面积

所以stats的shape为：mx5，m是轮廓的个数，第一个轮廓是背景轮廓，前两个参数为0，0

注：这里的矩形不一定是最小外接矩形，通过外接矩形我们就可以得到图像的几何特征——细长值

最小外接矩形可旋转图像得到，在90°范围内以3°为单位增量恒距离地旋转图像，每一次旋转都计算它的外接矩形的面积值。外接矩形面积达到最小值事，就得到了我们想要的最小外接矩形。即按照3度进行图像旋转得到新的图像，对新的图像再次进行轮廓的检测跟踪以及矩形的绘制，旋转一周后，取面积最小的矩形即为最小外接矩形

根据以上的stats参数，我们可以绘制的外接矩形，具体如下：

cv2.rectangle（）函数

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

img：进行绘制矩形的图像

pt1:矩形左上角角点坐标，是一个元组

pt2:矩形右下角角点坐标，是一个元组

color：绘制矩形的颜色，一般通过RGB的表示方式（R.G,B）

thickness:绘制矩形的线宽，如果是负数，则将轮廓区域进行填充

linetype：线型

返回的是：绘制后的图像

    .   @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、实例

代码：

import cv2
import numpy as np

img_=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)

 

 

本文地址：https://blog.csdn.net/qq_45769063/article/details/107361960