如何使用python OpenCV在匹配特定值的单通道图像中找到最大的连通分量？

Question

所以我有一个单通道图像，它主要是 0（背景），以及一些前景像素的值，如 20、21、22。非零前景像素大多与具有相同值的其他前景像素聚集在一起。但是，图像中有一些噪点。为了消除噪音，我想使用连通分量分析，并且对于每个值（在本例中为 20、21、22），将除最大连通分量之外的所有内容归零。所以最后，我将有 3 个大的连接组件并且没有噪音。我将如何使用 cv2.connectedComponentsWithStats 来完成此操作？它似乎没有很好的记录，甚至在看过这篇文章之后，我不完全明白如何解析函数的返回值。有没有办法指定我只想要连接组件匹配特定灰度值的函数？

Answer 1

这是一般方法：

1. 创建一个新的空白图像以将组件添加到
2. 遍历图像中每个不同的非零值
3. 为每个值创建一个掩码（为每个值提供多个 blob）
4. connectedComponentsWithStats()在面具上奔跑
5. 找到最大面积对应的非零标签
6. 创建具有最大标签的蒙版并将值插入新图像的蒙版位置

这里令人讨厌的是第 5 步，因为 0 的值通常但不总是最大的组件。所以我们需要按面积得到最大的非零分量。

这是一些我认为可以实现所有功能的代码（可以肯定一些示例图像会很好）：

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)

显示所需的输出：

[[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]]

要完成代码，首先我们创建新的标记图像，毫无想象力地称为new_img，填充零，稍后由正确的标签填充。然后，np.unique()找到图像中的唯一值，除第一个值外，我将获取所有值；请注意，它np.unique()返回一个已排序的数组，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 val，创建一个填充有 0 和 1 的掩码，并在此掩码上运行连接的组件。这将用不同的标签标记每个不同的区域。然后我们可以获取最大的非零标记组件**，为其创建一个掩码，然后将该 val 添加到该位置的新图像中。

** 这是代码中看起来很奇怪的令人讨厌的部分。

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

首先，您可以查看为stats数组形状链接的答案，但每行对应一个标签（因此标签 0 将对应第一行等），并且该列由整数 cv2.CC_STAT_AREA 定义（这只是 4）。我们需要确保我们正在查看最大的非零标签，所以我只查看第一个之后的行。然后，抓取最大区域对应的索引。由于我们去掉了零行，索引现在对应于label-1，因此加 1 以获得正确的标签。然后我们可以像往常一样屏蔽并插入值。