使用OpenCV去除面积较小的连通域

这是后期补充的部分,和前期的代码不太一样

效果图

源代码

//测试
void CCutImageVS2013Dlg::OnBnClickedTestButton1()
{
	vector<vector<Point> > contours;  //轮廓数组
	vector<Point2d> centers;    //轮廓质心坐标
	vector<vector<Point> >::iterator itr; //轮廓迭代器
	vector<Point2d>::iterator itrc;  //质心坐标迭代器
	vector<vector<Point> > con;   //当前轮廓

	double area;
	double minarea = 1000;
	double maxarea = 0;
	Moments mom;       // 轮廓矩
	Mat image, gray, edge, dst;
	image = imread("D:\\66.png");
	cvtColor(image, gray, COLOR_BGR2GRAY);
	Mat rgbImg(gray.size(), CV_8UC3); //创建三通道图
	blur(gray, edge, Size(3, 3));       //模糊去噪
	threshold(edge, edge, 200, 255, THRESH_BINARY_INV); //二值化处理,黑底白字
	//--------去除较小轮廓,并寻找最大轮廓--------------------------
	findContours(edge, contours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); //寻找轮廓
	itr = contours.begin();    //使用迭代器去除噪声轮廓
	while (itr != contours.end())
	{
		area = contourArea(*itr);  //获得轮廓面积
		if (area<minarea)    //删除较小面积的轮廓
		{
			itr = contours.erase(itr); //itr一旦erase,需要重新赋值
		}
		else
		{
			itr++;
		}
		if (area>maxarea)    //寻找最大轮廓
		{
			maxarea = area;
		}
	}
	dst = Mat::zeros(image.rows, image.cols, CV_8UC3);
	/*绘制连通区域轮廓,计算质心坐标*/
	Point2d center;
	itr = contours.begin();
	while (itr != contours.end())
	{
		area = contourArea(*itr);
		con.push_back(*itr);   //获取当前轮廓
		if (area == maxarea)
		{
			vector<Rect> boundRect(1); //定义外接矩形集合
			boundRect[0] = boundingRect(Mat(*itr));
			cvtColor(gray, rgbImg, COLOR_GRAY2BGR);
			Rect select;
			select.x = boundRect[0].x;
			select.y = boundRect[0].y;
			select.width = boundRect[0].width;
			select.height = boundRect[0].height;
			rectangle(rgbImg, select, Scalar(0, 255, 0), 3, 2); //用矩形画矩形窗
			drawContours(dst, con, -1, Scalar(0, 0, 255), 2); //最大面积红色绘制
		}
		else
			drawContours(dst, con, -1, Scalar(255, 0, 0), 2); //其它面积蓝色绘制
		con.pop_back();
		//计算质心
		mom = moments(*itr);
		center.x = (int)(mom.m10 / mom.m00);
		center.y = (int)(mom.m01 / mom.m00);
		centers.push_back(center);
		itr++;
	}
	imshow("rgbImg", rgbImg);
	//imshow("gray", gray);
	//imshow("edge", edge);
	imshow("origin", image);
	imshow("connected_region", dst);
	waitKey(0);
	return;
}

前期做的,方法可能不太一样

一,先看效果图

原图

处理前后图

二,实现源代码

//=======函数实现=====================================================================
void RemoveSmallRegion(Mat &Src, Mat &Dst, int AreaLimit, int CheckMode, int NeihborMode)
{
	int RemoveCount = 0;
	//新建一幅标签图像初始化为0像素点,为了记录每个像素点检验状态的标签,0代表未检查,1代表正在检查,2代表检查不合格(需要反转颜色),3代表检查合格或不需检查
	//初始化的图像全部为0,未检查
	Mat PointLabel = Mat::zeros(Src.size(), CV_8UC1);
	if (CheckMode == 1)//去除小连通区域的白色点
	{
		//cout << "去除小连通域.";
		for (int i = 0; i < Src.rows; i++)
		{
			for (int j = 0; j < Src.cols; j++)
			{
				if (Src.at<uchar>(i, j) < 10)
				{
					PointLabel.at<uchar>(i, j) = 3;//将背景黑色点标记为合格,像素为3
				}
			}
		}
	}
	else//去除孔洞,黑色点像素
	{
		//cout << "去除孔洞";
		for (int i = 0; i < Src.rows; i++)
		{
			for (int j = 0; j < Src.cols; j++)
			{
				if (Src.at<uchar>(i, j) > 10)
				{
					PointLabel.at<uchar>(i, j) = 3;//如果原图是白色区域,标记为合格,像素为3
				}
			}
		}
	}
	vector<Point2i>NeihborPos;//将邻域压进容器
	NeihborPos.push_back(Point2i(-1, 0));
	NeihborPos.push_back(Point2i(1, 0));
	NeihborPos.push_back(Point2i(0, -1));
	NeihborPos.push_back(Point2i(0, 1));
	if (NeihborMode == 1)
	{
		//cout << "Neighbor mode: 8邻域." << endl;
		NeihborPos.push_back(Point2i(-1, -1));
		NeihborPos.push_back(Point2i(-1, 1));
		NeihborPos.push_back(Point2i(1, -1));
		NeihborPos.push_back(Point2i(1, 1));
	}
	else int a = 0;//cout << "Neighbor mode: 4邻域." << endl;
	int NeihborCount = 4 + 4 * NeihborMode;
	int CurrX = 0, CurrY = 0;
	//开始检测
	for (int i = 0; i < Src.rows; i++)
	{
		for (int j = 0; j < Src.cols; j++)
		{
			if (PointLabel.at<uchar>(i, j) == 0)//标签图像像素点为0,表示还未检查的不合格点
			{ //开始检查
				vector<Point2i>GrowBuffer;//记录检查像素点的个数
				GrowBuffer.push_back(Point2i(j, i));
				PointLabel.at<uchar>(i, j) = 1;//标记为正在检查
				int CheckResult = 0;
				for (int z = 0; z < GrowBuffer.size(); z++)
				{
					for (int q = 0; q < NeihborCount; q++)
					{
						CurrX = GrowBuffer.at(z).x + NeihborPos.at(q).x;
						CurrY = GrowBuffer.at(z).y + NeihborPos.at(q).y;
						if (CurrX >= 0 && CurrX<Src.cols&&CurrY >= 0 && CurrY<Src.rows) //防止越界
						{
							if (PointLabel.at<uchar>(CurrY, CurrX) == 0)
							{
								GrowBuffer.push_back(Point2i(CurrX, CurrY)); //邻域点加入buffer
								PointLabel.at<uchar>(CurrY, CurrX) = 1;   //更新邻域点的检查标签,避免重复检查
							}
						}
					}
				}
				if (GrowBuffer.size()>AreaLimit) //判断结果(是否超出限定的大小),1为未超出,2为超出
					CheckResult = 2;
				else
				{
					CheckResult = 1;
					RemoveCount++;//记录有多少区域被去除
				}
				for (int z = 0; z < GrowBuffer.size(); z++)
				{
					CurrX = GrowBuffer.at(z).x;
					CurrY = GrowBuffer.at(z).y;
					PointLabel.at<uchar>(CurrY, CurrX) += CheckResult;//标记不合格的像素点,像素值为2
				}
				//********结束该点处的检查**********
			}
		}
	}
	CheckMode = 255 * (1 - CheckMode);
	//开始反转面积过小的区域
	for (int i = 0; i < Src.rows; ++i)
	{
		for (int j = 0; j < Src.cols; ++j)
		{
			if (PointLabel.at<uchar>(i, j) == 2)
			{
				Dst.at<uchar>(i, j) = CheckMode;
			}
			else if (PointLabel.at<uchar>(i, j) == 3)
			{
				Dst.at<uchar>(i, j) = Src.at<uchar>(i, j);
			}
		}
	}
	//cout << RemoveCount << " objects removed." << endl;
}
//=======函数实现=====================================================================
//=======调用函数=====================================================================
	Mat img;
	img = imread("D:\\1_1.jpg", 0);//读取图片
	threshold(img, img, 128, 255, CV_THRESH_BINARY_INV);
	imshow("去除前", img);
	Mat img1;
	RemoveSmallRegion(img, img, 200, 0, 1);
	imshow("去除后", img);
	waitKey(0);
//=======调用函数=====================================================================

以上这篇使用OpenCV去除面积较小的连通域就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持我们。

(0)

相关推荐

  • opencv 查找连通区域 最大面积实例

    今天在弄一个查找连通的最大面积的问题. 要把图像弄成黑底,白字,这样才可以正确找到. 然后调用下边的方法: RETR_CCOMP:提取所有轮廓,并将轮廓组织成双层结构(two-level hierarchy),顶层为连通域的外围边界,次层位内层边界 #include <opencv2/imgproc.hpp> #include <opencv2/highgui.hpp> using namespace cv; using namespace std; int main( int a

  • Python+OpenCV感兴趣区域ROI提取方法

    方法一:使用轮廓 步骤1 """src为原图""" ROI = np.zeros(src.shape, np.uint8) #感兴趣区域ROI proimage = src.copy() #复制原图 """提取轮廓""" proimage=cv2.cvtColor(proimage,cv2.COLOR_BGR2GRAY) #转换成灰度图 proimage=cv2.adaptiveThre

  • Python OpenCV图像指定区域裁剪的实现

    在工作中.在做数据集时,需要对图片进行处理,照相的图片我们只需要特定的部分,所以就想到裁剪一种所需的部分.当然若是图片有规律可循则使用opencv对其进行膨胀腐蚀等操作.这样更精准一些. 一.指定图像位置的裁剪处理 import os import cv2 # 遍历指定目录,显示目录下的所有文件名 def CropImage4File(filepath,destpath): pathDir = os.listdir(filepath) # 列出文件路径中的所有路径或文件 for allDir i

  • 使用OpenCV去除面积较小的连通域

    这是后期补充的部分,和前期的代码不太一样 效果图 源代码 //测试 void CCutImageVS2013Dlg::OnBnClickedTestButton1() { vector<vector<Point> > contours; //轮廓数组 vector<Point2d> centers; //轮廓质心坐标 vector<vector<Point> >::iterator itr; //轮廓迭代器 vector<Point2d&g

  • OPENCV去除小连通区域,去除孔洞的实例讲解

    一.对于二值图,0代表黑色,255代表白色.去除小连通区域与孔洞,小连通区域用8邻域,孔洞用4邻域. 函数名字为:void RemoveSmallRegion(Mat &Src, Mat &Dst,int AreaLimit, int CheckMode, int NeihborMode) CheckMode: 0代表去除黑区域,1代表去除白区域; NeihborMode:0代表4邻域,1代表8邻域; 如果去除小连通区域CheckMode=1,NeihborMode=1去除孔洞CheckM

  • OpenCV根据面积筛选连通域学习示例

    目录 学习目标: 示例代码 学习目标: 对二值图进行分析,设定最大最小面积区间 保留该面积区间内的区域 示例代码 //src为二值图,minArea.maxArea为面积阈值,dest为结果图像 void connectionAreaSelect(Mat src, int minArea, int maxArea, Mat &dest) { Mat labels, stats, centroids, img_color; //连通域计算 int nccomps = connectedCompon

  • 使用openCV去除文字中乱入的线条实例

    今天上午,朋友发来一张图片如下.没错,这就是原图,他希望可以通过一些简单的算法将图中这条穿过单词间的直线去掉,使得到的结果能够通过他的文字识别算法并得出正确结果--The Techniques of Machine Vision. 乍一看这似乎挺简单,(1)将图像二值化:(2)找出这条直线:(3)将直线区域填成背景色(即白色):(4)再通过膨胀.腐蚀等操作将单词缺失的部分给补全.以上4步似乎可以满足要求,但测试发现,效果不尽人意. 一.按上述方法实现过程 二值化结果如图1.1所示,可以看到图像并

  • Python OpenCV去除字母后面的杂线操作

    原图 代码 src = cv2.imread("28.png") gray_src = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY) #cv2.imshow("input image", src) #cv2.imshow("gray image", gray_src) #cv2.waitKey(0) gray_src = cv2.bitwise_not(gray_src) #二值化 binary_src = cv2.

  • OpenCV Python实现拼图小游戏

    基于OpenCV实现拼图版小游戏,供大家参考,具体内容如下 效果展示 实现 思路 1.对图像进行分割,分割成m*n个子图 2.打乱子图的顺序 3.将子图重新组成一幅新的图片并显示 4.添加鼠标点击响应动作,交换鼠标依次点击的两张图的位置 5.每次交换后,判断是否与原图是否一致 python代码 import cv2 as cv import numpy import random import math src = cv.imread("D:\\CvPic\\1.jpg") print

  • java去除中文括号小括号,或者英文括号的实例代码

    我就废话不多说,大家还是直接看代码吧~ /*** * 英文 */ String abc1 = "百度科技(123)公司1"; abc1 = abc1.replaceAll("\\(|\\)", ""); System.out.println(abc1); /** * 中文 */ String abc2 = "百度科技(123)公司2"; abc2 = abc2.replaceAll("(","&q

  • python 基于opencv去除图片阴影

    一.前言 如果你自己打印过东西,应该有过这种经历.如果用自己拍的图片,在手机上看感觉还是清晰可见,但是一打印出来就是漆黑一片.比如下面这两张图片: 因为左边的图片有大片阴影,所以打印出来的图片不堪入目(因为打印要3毛钱,所以第二张图片只是我用程序模拟的效果). 那有什么办法可以解决吗?答案是肯定的,今天我们就来探讨几个去除阴影的方法. 二.如何去除阴影? 首先为了方便处理,我们通常会对图片进行灰度转换(即将图片转换成只有一个图层的灰色图像). 然后我们分析一下,在上面的图片中有三个主色调,分别是

  • 利用python OpenCV去除视频水印

    上面的图片展示的是视频中的某一帧,需要将图片中的,实体拓展和退出全屏以及右上角的两个圆圈按钮给删除掉. 解决思路一个很简单的想法就是,从图片上其它两块背景相同的地方,拷贝两个块替换掉按钮位置的块 用下面的代码先从视频中导出一帧图片,然后统计需要删除按钮的坐标位置 实现代码如下: import cv2 # 创建读取视频的类 capture = cv2.VideoCapture("watermark.mp4") # 得到视频的高度 height = capture.get(cv2.CAP_

  • OpenCV去除绿幕抠图源码

    绿布原图 抠图后的图片 源码 #include <opencv2/opencv.hpp> #include <iostream> #include <vector> #include <cstdio> #include <cstring> using namespace cv; using namespace std; int main() { //1.设置需要去除的颜色 //2.颜色比对 //3.展示效果 //只有png有透明度空间,jpg是没

随机推荐