在Python OpenCV中找到connectedComponents的颜色。

Question

假设我有一个已经二值化的numpy数组图像：所有值都是0或255。在Python版的OpenCV中，我可以执行以下操作：

conn = cv2.connectedComponentsWithStats(mask, 8, cv2.CV_32S)

conn 对象将提供以下信息：

• 有多少个联通组件（标签）。
• 原始图像中每个像素的标签。
• 每个联通组件的边界框和面积。
• 每个联通组件的质心位置。

此外，保证标签 0 是“背景”标签，但根据 文档 ，没有说明如何确定背景。

假设我的图像是白色背景上的黑点，其行为实际上没有任何保证：可能是一个黑点实际上溢出了背景（留下了“背景角落”），也可能是多个小块点，甚至是排列成黑点之间形成白色岛屿等。

但我只对我的黑点感兴趣。

当我对 openCV 提供的背景组件的颜色没有信心时，有没有一种简单的 Pythonic 方法 来确定每个连通段的底层颜色？ 或者说：我是否忽略了关于 connectedComponent 功能或 OpenCV API 的明显内容？

（注意：我知道可以 brute force 这个问题：循环遍历标签，在提供的标签数组中查找每个标签的第一个实例，然后探测图像数组中相应的索引。至少我认为我可以这样做--文档很简单。但我认为这种方法非常不简洁。）

- Novak

Answer 1

作为一个有趣的点，ImageMagick中的连通组件列出了区域的平均颜色，因为它允许模糊颜色区域的确定（根据模糊值），这里没有显示。

这是一个简单的二进制示例，因此平均颜色就是实际颜色：

magick objects.gif -define connected-components:verbose=true -connected-components 4 -auto-level regions.png

Objects (id: bounding-box centroid area mean-color):
  0: 256x171+0+0 119.2,80.8 33117 srgb(0,0,0)
  2: 120x135+104+18 159.5,106.5 8690 srgb(255,255,255)
  3: 50x36+129+44 154.2,63.4 1529 srgb(0,0,0)
  4: 21x23+0+45 8.8,55.9 409 srgb(255,255,255)
  1: 4x10+252+0 253.9,4.1 31 srgb(255,255,255)

该列表按最大区域排序。因此，“背景”将由最大区域确定，并列在第一位。

结果通过ID编号编码为灰度级别，通过-auto-level进行拉伸以获得完整的动态范围进行查看。

还有一个定义参数可以设置，以制作一个输出，该输出通过区域过滤，然后显示一个包含其平均颜色的图像。

magick objects.gif -define connected-components:area-threshold=410 -define connected-components:mean-color=true -connected-components 4 filtered.png

- fmw42

Answer 2

对于每个连通组件，您可以创建一个掩码并使用此函数计算平均值： cv2.mean(image, mask)

conn = cv2.connectedComponentsWithStats(input_binary, 8, cv2.CV_32S)
num_labels = conn[0]
labels = conn[1]
stats = conn[2]
centroids = conn[3]

for l in labels:
    mask = np.array(labels, dtype=np.uint8)
    mask[labels==l] = 255 

    mean_label = cv2.mean(input_binary, mask)
    print(mean_label)

- Elodie Dellier