图像处理-在二进制图像中计算白色空间的质心算法

Question

问题在于我需要一个简化版的算法，来计算二值图像中多个白色轮廓的质心。例如，如果只有一个白色轮廓，则可以使用以下公式计算轮廓中心的坐标Xc和Yc：

公式

其中，M是强度m_i的总和，m_i是像素的强度值，x_i和y_i是图像上的像素位置，n是像素总数。

有人能建议一些类似的方法来处理多个轮廓，或者在使用相同公式计算其中一个轮廓时如何忽略其他轮廓？

- user3029227

---

注意，你的归一化应该是在 sum(m_i) 上完成，而不是在 M 上完成。 - Geoff

我在图像处理书中找到了这个公式。在你提到它是错误的之前，我没有注意到它。：）） - user3029227

你能多说一些关于你的问题吗？根据你的环境，可能有一些库/简化可以适用。也许可以展示一张图片和你所拥有的代码？ - Geoff

实际上，我认为M可能被定义为总重量。（我把它和n混淆了。） - Geoff

我不需要代码，这是为了一篇论文。环境是黑色空间中的两个白色圆圈。二进制图像，没有噪音。 - user3029227

Answer 1

首先使用一些被称为连通区域标记的算法来分离不同的斑块。这将为每个区域分配一个唯一的ID。然后，您可以计算每个斑块的质心。

- sansuiso

---

如果我这样做不是很好吗——在分离不同的 blob 后，将我暂时不使用的 blob 的强度设置为零？例如，有值为 1、2、3、4 的 blob。现在我需要计算第一个 blob 的质心，所以其他的 blob 2、3、4 都变成了 0，这样我就可以使用上面的公式了。 - user3029227

@user 是的，但是那样你会得到一个次优的运行时间。你可以在O（CC大小）而不是O（图像大小）中处理连接组件。 - Niklas B.

@sansuiso 有时候会出现一些轮廓中间有噪点的情况，导致连通组件无法将其作为整体检测出来。 - Vikram Bhat

在我的情况下，没有噪音，只有两个白色轮廓。 - user3029227

Answer 2

你可以使用k均值算法k means，并使用不同的k值来获得最小平方误差。找到连通组件可以帮助您获得图像中的最大斑点，但容易受到噪声的影响，但它是总轮廓的上限。在使用k均值计算聚类后，计算轮廓的质心就很容易了。

- Vikram Bhat