如何在Python中使用OpenCV的connectedComponentsWithStats？

Question

我正在寻找一个使用OpenCV的connectedComponentsWithStats()函数的Python示例。请注意，此功能仅适用于OpenCV 3或更新版本。官方文档仅显示了C++的API，即使在为Python编译时也存在该函数。我无法在任何地方在线找到它。

- Zack Knopp

---

有关如何使用标签来遮盖图像等方面的见解，请参见Python OpenCV - 连通组件标记和分析 - GeeksforGeeks。 - nealmcb

Answer 1

该函数的工作方式如下：

# Import the cv2 library
import cv2
# Read the image you want connected components of
src = cv2.imread('/directorypath/image.bmp')
# Threshold it so it becomes binary
ret, thresh = cv2.threshold(src,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
# You need to choose 4 or 8 for connectivity type
connectivity = 4  
# Perform the operation
output = cv2.connectedComponentsWithStats(thresh, connectivity, cv2.CV_32S)
# Get the results
# The first cell is the number of labels
num_labels = output[0]
# The second cell is the label matrix
labels = output[1]
# The third cell is the stat matrix
stats = output[2]
# The fourth cell is the centroid matrix
centroids = output[3]

标签是一个矩阵，其大小与输入图像相同，其中每个元素的值等于其标签。

统计信息是函数计算出的统计信息的矩阵。它的长度等于标签数量，宽度等于统计信息的数量。可以与OpenCV文档一起使用：

每个标签的统计输出，包括背景标签，请参见下面提供的可用统计信息。可以通过stats[label, COLUMN]访问统计信息，其中列的名称在下面定义。

• cv2.CC_STAT_LEFT 包围框在水平方向上的最左（x）坐标，其中包括开始位置。
• cv2.CC_STAT_TOP 包围框在垂直方向上的最顶（y）坐标，其中包括开始位置。
• cv2.CC_STAT_WIDTH 包围盒的水平大小
• cv2.CC_STAT_HEIGHT 包围盒的垂直大小
• cv2.CC_STAT_AREA 连通组件的总面积（以像素为单位）

质心是一个矩阵，其中包含每个质心的x和y位置。该矩阵中的行对应于标签编号。

- Zack Knopp

---

@ypnos，您不需要使用stats来获取已连接组件的信息，但对于没有stats的已连接组件需要使用。我认为那部分只是剩下来的，因为我之前是另一种方法。现在我已经修复了。干杯！ - Zack Knopp

有人能解释一下如何使用标签吗？如何检查质心是否匹配标签？ - recurf

图像中的每个组件都会得到一个数字标签。背景的标签为0，其他附加对象的标签从1到“num_labels-1”进行编号。质心也按照相同的数字标签进行索引。centroids[0]并不是特别有用——它只代表背景。你需要的是 centroids[1:num_labels]。 - krs013

@ZackKnopp 这是不正确的，你也可以像这样使用函数而不需要统计信息：_, labels = cv2.connectedComponents(segmentation) :) - smcs

你可以使用组件区域创建一个数组：areas=output[2][:,4]，然后创建一个包含组件数字的数组：nr=np.arange(output[0])。然后按区域大小对它们进行排序：ranked=sorted(zip(areas,nr))。参考这里的帮助: https://dev59.com/PGw15IYBdhLWcg3wbbNx - smcs

Answer 2

我来这里几次是为了回忆它的工作方式，每次都要把上面的代码简化成：

_, thresh = cv2.threshold(src,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
connectivity = 4  # You need to choose 4 or 8 for connectivity type
num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(thresh , connectivity , cv2.CV_32S)

希望对每个人都有用：）

- Dan Erez

Answer 3

在 Zack Knopp 的回答中，补充一点： 如果你正在使用灰度图像，你可以简单地使用以下方法：

import cv2
import numpy as np

src = cv2.imread("path\\to\\image.png", 0)
binary_map = (src > 0).astype(np.uint8)
connectivity = 4 # or whatever you prefer

output = cv2.connectedComponentsWithStats(binary_map, connectivity, cv2.CV_32S)

当我尝试使用 Zack Knopp 的答案来处理灰度图像时，它没有起作用，以下是我的解决方案。

- Barel Levy

Answer 4

输入图像需要是单通道的。因此，首先要转换为灰度图像，否则在opencv 4.x中会导致错误。您需要将其转换为灰度图像，然后再使用Zack的答案。

src = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

- Threadprogrammer