时间戳

首页 > 解决方案 > 在没有 scipy 的情况下计算二值化图像中的对象

python - 在没有 scipy 的情况下计算二值化图像中的对象

问题描述

我正在尝试计算图像中对象的数量，我已经对其进行了二值化，但是，我不允许使用 scipy 或 numpy 包，因此我不能使用scipy.ndimage.label，有什么想法吗？我的尝试计算了 80 多个对象，但只有 13 个（用 scipy 计算）

def label(img):
    n=1
    for i in range(h):
        for j in range(c):
            if img[i][j]==255:
                if img[i-1][j]!=0 and img[i-1][j]!=255:
                    img[i][j]=img[i-1][j]
                elif img[i+1][j]!=0 and img[i+1][j]!=255:
                    img[i][j]=img[i-1][j]
                elif img[i][j+1]!=0 and img[i][j+1]!=255:
                    img[i][j]=img[i][j+1]                    
                elif img[i][j-1]!=0 and img[i][j-1]!=255:
                    img[i][j]=img[i][j-1]
                else:
                    img[i][j]=n
                    if img[i-1][j]!=0:
                        img[i-1][j]=img[i][j]
                    if img[i+1][j]!=0:
                        img[i+1][j]=img[i][j]                        
                    if img[i][j+1]!=0:
                        img[i][j+1]=img[i][j]
                    if img[i][j-1]!=0:
                        img[i][j-1]=img[i][j]                        
                    n+=1
            elif img[i][j]!=0:
                if img[i-1][j]!=0:
                    img[i-1][j]=img[i][j]
                if img[i+1][j]!=0:
                    img[i+1][j]=img[i][j]  
                if img[i][j+1]!=0:
                    img[i][j+1]=img[i][j]  
                if img[i][j-1]!=0:
                    img[i][j-1]=img[i][j]                
    return img,n

标签： pythonimage-processingcountingconnected-components

解决方案

你会想要像https://codereview.stackexchange.com/questions/148897/floodfill-algorithm这样的东西，它实现了https://en.wikipedia.org/wiki/Flood_fill。如果这对您可行，它非常适合numba或 cython。

或许您可以使用已经提供 Floodfill 的 OpenCV：https ://docs.opencv.org/3.4/d7/d1b/group__imgproc__misc.html#gaf1f55a048f8a45bc3383586e80b1f0d0 。

假设您已经二值化，所以背景是颜色一，对象是颜色零。设置c = 2，扫描一个零像素，并用颜色填充它c。现在递增c，扫描为零，填充，起泡，冲洗，重复。您最终会看到每个对象都带有不同的颜色，因此您可以将其用作隔离蒙版。不同的颜色在调试过程中非常有帮助，但如果您只想计数，当然三种颜色就足够了（甚至两种颜色）。最终的位图将统一为双色情况下的背景颜色。

使用 4 元素Von Neumann 邻域与8 元素邻域将对最终结果产生很大影响。通过 8 元素设置中的对角连接，油漆更容易“泄漏”。进行边缘检测和加厚可以帮助减少不必要的颜色泄漏。

推荐阅读