如何使用Python OpenCV在单通道图像中查找与特定值匹配的最大连通组件？

Question

如何使用Python OpenCV在单通道图像中查找与特定值匹配的最大连通组件？

pythonopencvimage-processingnoise-reductionconnected-components

4

所以我有一个单通道图像，大部分是0（背景），一些前景像素的值如20、21、22。非零前景像素大多聚集在一起，具有相同的值。然而，图像中存在一些噪点。为了去除噪点，我想使用连通组件分析，并对于每个值（在这种情况下是20、21、22），将除最大连通组件之外的所有内容都清零。因此，最终我将拥有3个大的连通组件和没有噪点。我如何使用cv2.connectedComponentsWithStats来完成这个任务？它似乎文档不够完整，即使在查看这篇文章后，我仍然不完全理解如何解析函数的返回值。有没有一种方法可以指定函数只返回特定灰度值的连通组件？

- Terry Martin

那么只需屏蔽给定的强度并在其上运行分析呢？ - Dan Mašek

所以你的意思是可能有许多值为20的不同区域，但是你只想要每个值中最大的那个？ - alkasm

请问您能否添加一些示例输入图片？ - Dan Mašek

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- alkasm · Accepted Answer

这是一般的方法：

创建一个新的空白图像以添加组件
循环遍历图像中每个不同的非零值
为每个值创建一个掩模（给出每个值的多个 blob）
在掩模上运行 connectedComponentsWithStats()
找到与最大面积相对应的非零标签
创建一个具有最大标签的掩模，并将该值插入到掩膜位置处的新图像中

这里讨厌的是第5步，因为值为0通常（但不总是）是最大的组件。因此，我们需要通过面积获取最大的非零组件。

以下是我认为实现了所有内容的代码（一些示例图像会很好地确保结果正确）：

import cv2
import numpy as np

img = np.array([
    [1, 0, 1, 1, 2],
    [1, 0, 1, 1, 2],
    [1, 0, 1, 1, 2],
    [1, 0, 1, 1, 2],
    [1, 0, 1, 1, 2]], dtype=np.uint8)

new_img = np.zeros_like(img)                                        # step 1
for val in np.unique(img)[1:]:                                      # step 2
    mask = np.uint8(img == val)                                     # step 3
    labels, stats = cv2.connectedComponentsWithStats(mask, 4)[1:3]  # step 4
    largest_label = 1 + np.argmax(stats[1:, cv2.CC_STAT_AREA])      # step 5
    new_img[labels == largest_label] = val                          # step 6

print(new_img)

展示所需的输出：

[[0 0 1 1 2]
 [0 0 1 1 2]
 [0 0 1 1 2]
 [0 0 1 1 2]
 [0 0 1 1 2]]

为了查看代码，首先我们创建一个新的标记图像，无聊地称为new_img，填充零以后再用正确的标签填充。然后，np.unique()在图像中找到唯一值，我取除第一个值之外的所有值；请注意，np.unique()返回一个排序数组，因此0将是第一个值，我们不需要找到零的组件。对于每个唯一的值，创建一个由0和1填充的掩码，并在该掩码上运行连接组件。这将使用不同的标签标记每个不同的区域。然后，我们可以抓取最大的非零标记组件**，为其创建一个掩码，并将该值添加到该位置的新图像中。

** 这就是在代码中看起来奇怪的烦人部分。

largest_label = 1 + np.argmax(stats[1:, cv2.CC_STAT_AREA])

首先，您可以查看链接中的答案以了解stats数组的形状，但每行对应一个标签（因此标签0将对应于第一行等），列由整数cv2.CC_STAT_AREA（只是4）定义。我们需要确保我们正在查看最大的非零标签，所以我只看超过第一行的行。然后，获取相应于最大区域的索引。由于我们去掉了零行，因此索引现在对应于label-1，因此添加1以获取正确的标签。然后我们可以像往常一样进行掩码并插入值。