务描述2、代码实现3、完整代码4、结果展示5、涉及到的库函数6、参考

1、任务描述

cv2.connectedComponentscv2.connectedComponentsWithStatscv2.connectedComponentsWithAlgorithmcv2.connectedComponentsWithStatsWithAlgorithm

2、代码实现

cv2.connectedComponentsWithStats(thresh,

args[connectivity],

outputcv2.connectedComponentsWithStats

(366,

cv2.connectedComponentsWithStats

[labels]

157.22083333]])注意这里是质心不是连通区域矩形框的中心

同理上下两边像素和相等

背景提取当前标签的连通分量统计信息和质心可视化边界框和当前连通分量的质心

for

clone原始图在图上画当前连通分量的边界框以及质心output

image.copy()cv2.rectangle(output,

(x,

output)cv2.imwrite(foutput-{str(i).zfill(3)}.jpg,

Component,

componentMask)cv2.imwrite(fcomponentMask-{str(i).zfill(3)}.jpg,

componentMask)cv2.waitKey(0)创建掩码的时候比较巧妙

componentMask

cv2.connectedComponentsWithStats(thresh,

args[connectivity],

clone原始图在图上画当前连通分量的边界框以及质心output

image.copy()cv2.rectangle(output,

(x,

output)cv2.imwrite(foutput-{str(i).zfill(3)}.jpg,

Component,

componentMask)cv2.imwrite(fcomponentMask-{str(i).zfill(3)}.jpg,

componentMask)cv2.waitKey(0)4、结果展示

输入图片

cv2.connectedComponentsWithStats

OpenCV

库中的一个函数用于寻找图像中的连通区域并计算每个连通区域的统计信息。

这个函数在处理二值图像时非常有用可以帮助我们了解图像中不同对象的数量和特征。

一、函数原型

cv2.connectedComponentsWithStats(image,

connectivity8,

输入图像应为二值图像黑白图像即图像中的每个像素点非黑即白。

connectivity:

8表示每个像素点与其上下左右4连通或上下左右加对角线方向8连通的像素点是否视为连通。

默认值为

三、返回值

连通区域的数量包括背景如果背景被视为一个连通区域的话。

labels:

与输入图像同样大小的标签图像其中每个连通区域被赋予一个唯一的标签值。

stats:

一个矩阵包含了每个连通区域的统计信息。

对于每个连通区域矩阵中存储了以下信息(x,

width,

cv2.connectedComponentsWithStats

import

cv2.connectedComponentsWithStats(binary)

print(Number

在处理二值图像时确保图像已经正确地进行了二值化处理。

连通区域的数量返回值

retval包括了背景区域如果背景被视为一个连通区域的话。

输出的标签图像

labels

cv2.connectedComponentsWithStats我们可以方便地获取图像中连通区域的数量和统计信息这对于图像分析和处理中的许多任务都是非常有用的。

6、参考

连通分量标记和分析https://pyimagesearch.com/2021/02/22/opencv-connected-component-labeling-and-analysis/https://docs.opencv.org/4.x/de/d01/samples_2cpp_2connected_components_8cpp-example.html