idea可以做网站吗,长沙免费旅游景点大全,百度提交网站入口网址,wordpress火车头数据库模块【C介绍】
关于opencv实现有比较好的算法#xff0c;可以参考这个博客OpenCV去除面积较小的连通域_c#opencv 筛选小面积区域-CSDN博客
但是没有对应opencvsharp实现同类算法#xff0c;为了照顾懂C#编程同学们#xff0c;因此将 去除面积较小的连通域算法转成C#代码。
方…【C介绍】
关于opencv实现有比较好的算法可以参考这个博客OpenCV去除面积较小的连通域_c#opencv 筛选小面积区域-CSDN博客
但是没有对应opencvsharp实现同类算法为了照顾懂C#编程同学们因此将 去除面积较小的连通域算法转成C#代码。
方法一流程
//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.atuchar(i, j) 10){PointLabel.atuchar(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.atuchar(i, j) 10){PointLabel.atuchar(i, j) 3;//如果原图是白色区域标记为合格像素为3 }}}}vectorPoint2iNeihborPos;//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.atuchar(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 vectorPoint2iGrowBuffer;//记录检查像素点的个数 GrowBuffer.push_back(Point2i(j, i));PointLabel.atuchar(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 CurrXSrc.colsCurrY 0 CurrYSrc.rows) //防止越界 {if (PointLabel.atuchar(CurrY, CurrX) 0){GrowBuffer.push_back(Point2i(CurrX, CurrY)); //邻域点加入buffer PointLabel.atuchar(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.atuchar(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.atuchar(i, j) 2){Dst.atuchar(i, j) CheckMode;}else if (PointLabel.atuchar(i, j) 3){Dst.atuchar(i, j) Src.atuchar(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);
//调用函数此段代码包含一个名为RemoveSmallRegion的函数其功能是从给定的二值图像中移除符合条件的小连通区域。函数接受五个参数
Mat Src: 输入的原始二值图像单通道通常为黑白图像。Mat Dst: 输出的目标图像存储经过处理后的结果。int AreaLimit: 面积阈值低于该阈值的连通区域会被移除。int CheckMode: 检查模式决定要移除的是图像中的小连通白区还是小连通黑区。 CheckMode 1: 移除小连通白区白色像素点构成的区域。CheckMode 0: 移除小连通黑区黑色像素点构成的区域。int NeihborMode: 邻域模式决定采用4邻域还是8邻域算法进行连通区域扩展。 NeihborMode 1: 使用8邻域算法包括上下左右和四个对角方向相邻的像素。NeihborMode 0: 使用4邻域算法仅考虑上下左右相邻的像素。
函数的具体实现步骤如下 初始化RemoveCount变量记录移除的连通区域数量创建与输入图像相同大小的PointLabel矩阵作为标签图像用于记录每个像素点的检验状态0未检查1正在检查2检查不合格3检查合格或无需检查。 根据CheckMode确定移除目标分别针对小连通白区和小连通黑区对PointLabel进行初始化。对于不需要移除的像素点即背景或前景将其标签设为3表示已检查且合格。 定义NeihborPos容器存储邻域位置并根据NeihborMode选择使用4邻域或8邻域。 使用两层嵌套循环遍历输入图像的所有像素点。对于未检查的像素点标签为0执行以下操作 初始化GrowBuffer容器用于记录当前连通区域内的像素点。将当前像素点标记为正在检查标签设为1并启动基于邻域扩展的生长过程。使用广度优先搜索BFS策略依次访问GrowBuffer中的像素点及其邻域像素将未检查的邻域像素加入GrowBuffer并标记为正在检查。当遍历完所有邻域像素后根据GrowBuffer的大小与AreaLimit比较判断该连通区域是否应被移除。根据判断结果更新GrowBuffer内所有像素点在PointLabel上的标签为2检查不合格或保持为1检查合格。 得到最终的PointLabel后根据CheckMode对255取反即255 * (1 - CheckMode)用于后续翻转图像像素值。遍历Src和PointLabel将标签为2的像素点在Dst中翻转颜色即将白变黑或黑变白标签为3的像素点保持原色不变。
最后代码提供了对RemoveSmallRegion函数的调用示例
读取图像D:\1_1.jpg并对其进行二值化处理阈值为128反相。显示二值化处理后的原始图像。调用RemoveSmallRegion函数移除面积小于200的黑区CheckMode 0使用8邻域算法NeihborMode 1。显示经过处理后的图像。等待用户按键后关闭窗口。
方法二流程
//测试
void CCutImageVS2013Dlg::OnBnClickedTestButton1()
{vectorvectorPoint contours; //轮廓数组vectorPoint2d centers; //轮廓质心坐标 vectorvectorPoint ::iterator itr; //轮廓迭代器vectorPoint2d::iterator itrc; //质心坐标迭代器vectorvectorPoint 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 (areaminarea) //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 (areamaxarea) //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){vectorRect 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}elsedrawContours(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;}提供的代码为一个使用OpenCV库对输入图像D:\66.png进行处理的C实现执行以下任务 图像预处理 读取图像并将其从BGR色彩空间转换为灰度图像(cvtColor)。应用高斯模糊使用大小为3x3的核来减少噪声(blur)。对模糊后的图像执行二值阈值处理阈值设为200将高于该值的像素设置为白色其余为黑色(threshold)。 轮廓检测与筛选 使用findContours函数在二值化图像上查找外部轮廓存储在contours容器中。遍历所有轮廓通过contourArea函数计算每个轮廓的面积。 删除面积小于最小阈值minarea(初始设定为1000)的噪声轮廓使用迭代器itr进行动态删除。同时记录下当前遍历到的最大轮廓面积maxarea。最后保留下来的轮廓为满足面积条件的有效轮廓。 绘制轮廓与计算质心 创建一个新的Mat对象dst用于绘制处理结果。初始化一个空的centers向量用于存储各个轮廓的质心坐标。再次遍历有效轮廓 将当前轮廓添加到临时向量con中。计算当前轮廓面积。如果面积等于最大面积maxarea则执行以下操作 计算当前轮廓的外接矩形并用绿色边框在RGB图像rgbImg上绘制。在最终输出图像dst上以红色绘制当前轮廓。否则在dst上以蓝色绘制当前轮廓。使用moments函数计算当前轮廓的矩进而得到质心坐标并将其添加到centers向量。清除临时向量con中的当前轮廓。显示各阶段处理结果 RGB图像rgbImg仅包含最大轮廓的绿色外接矩形。原始灰度图像gray注释掉未显示。二值边缘图像edge注释掉未显示。
【C#版本效果展示】
方法一使用opencvsharp效果 方法二opencvsharp效果 可见已经用opencvsharp复刻C版本算法。
【测试环境】
vs2019
netframework4.7.2
opencvsharp4.8.0
【源码下载地址】
https://download.csdn.net/download/FL1623863129/89074335
