本博文基于python-opencv實現(xiàn)了按照面積閾值篩選連通域、按照面積排序篩選topK連通域、 連通域細(xì)化（連通域骨架提取）、連通域分割（基于分水嶺算法使連通域在細(xì)小處斷開）、按照面積排序賽選topK輪廓等常見的連通域處理代碼。并將代碼封裝為shapeUtils類，在自己的python代碼中import shapeUtil后即可使用相應(yīng)的連通域處理方法。

1、背景知識

1.1 輪廓

輪廓（Contour ）由連續(xù)的點組成，以線條的形式聚集在一起，通常是一個有x,y組成的點集，形式為N x 2(N表示輪廓中有n個點)。其是空心的，通常所統(tǒng)計的輪廓面積是那一圈線所包含的面積。在opencv中使用cv2.findContours來查找輪廓，使用cv2.contourArea來統(tǒng)計輪廓包含的面積，使用cv2.drawContours繪制輪廓。如下圖就包含了2個輪廓

1.2 連通域

連通域（Connection）由在空間上連續(xù)（相鄰）的像素點組成，是一個圖形區(qū)域。相鄰的標(biāo)準(zhǔn)有4連通域和8連通域，具體可以參考https://zhuanlan.zhihu.com/p/394073982。對二值圖統(tǒng)計完連通域后，得到一個labels圖，具體如下右圖所示，其背景區(qū)域被標(biāo)記為0，每個聯(lián)通域的值都從原來的255更改為連通域序號。下圖是按照8連通域的方式進(jìn)行統(tǒng)計的，如果按照4連通域進(jìn)行統(tǒng)計，那么標(biāo)記為2的連通域就會被斷開為兩個（總共會有5個連通域，標(biāo)簽從1~5）。

1.3 連通域與輪廓的轉(zhuǎn)換

連通域信息與輪廓存在本質(zhì)的區(qū)別，聯(lián)通域是一個形狀（Mat），輪廓是一個閉合的線條點集（list，元素為坐標(biāo)）。我們可以使用cv2.drawContours將輪廓繪制為連通域，也可以使用cv2.findContours統(tǒng)計連通域的輪廓信息。在某些情況下，一個輪廓就可以對應(yīng)一個連通域；當(dāng)連通域中存在孔洞的時候，則需要多個輪廓才能表示一個連通域。
具體如下圖所示，當(dāng)連通域沒有孔洞時，可以轉(zhuǎn)換為一個輪廓；當(dāng)前存在一個孔洞時，則需要轉(zhuǎn)換2個輪廓。

2、連通域處理方法

2.1 按照面積閾值篩選連通域

通過cv2.connectedComponentsWithStats函數(shù)統(tǒng)計出聯(lián)通域的信息，labels為連通域標(biāo)記圖（具體參考1.2中的描述），stats為聯(lián)通域統(tǒng)計信息（可見代碼中的注釋，其包含連通域的xywhs信息），通過對聯(lián)通域統(tǒng)計信息stats的判斷(將連通域面積與閾值threshold進(jìn)行比較)，修改連通域標(biāo)記圖labels（將小于閾值的連通域標(biāo)簽值修改為0）。最后通過二值化方法，將聯(lián)通域標(biāo)記圖轉(zhuǎn)換為二值圖。

import cv2
import numpy as np 
class shapeUtils:   
	def find_big_areo(img,threshold=1000):
        #https://blog.csdn.net/weixin_44599604/article/details/111687531
        retval, labels, stats, centroids = cv2.connectedComponentsWithStats(img, connectivity=8)
        #stats的格式為二維數(shù)組，其中每一個元素為 x,y,w,h,s的格式，s為聯(lián)通域面積
        '''
        stats      #我們看出有3個連通區(qū)域
                   # x   y   w   h  s 
        >>> array([[ 0,  0, 10, 10, 76],  # 這代表整個圖片，0值也有連通區(qū)域
                   [ 4,  1,  5,  6, 18],  # 這里18代表有18個像素 下面的6同理
                   [ 2,  2,  3,  2,  6]], dtype=int32)
        '''
        for i in range(1,stats.shape[0]):
            conj=i#獲取聯(lián)通域的標(biāo)記值
            areo=stats[i,4]
            if areo<threshold:
                labels[labels==conj]=0
        labels=labels.astype(np.uint8)
        ret,labels=cv2.threshold(labels,1,255,cv2.THRESH_BINARY)
        return labels
img=cv2.imread("res.png",0)
ret,img=cv2.threshold(img,64,255,cv2.THRESH_BINARY)
im2=shapeUtils.find_big_areo(img,5000)
cv2.imshow("img",img)
cv2.imshow("labels",im2)
cv2.waitKey()

2.2 按照面積排序篩選topK連通域

按照面積排序篩選topK連通域。先使用connectedComponentsWithStats統(tǒng)計出labels和stats，然后創(chuàng)建一個行號（其實就是labels中連通域的標(biāo)簽值），并使其與stats的shape相同并將其與stats拼接在一起（在原始的stats中，第i個信息對應(yīng)著標(biāo)簽值為i的聯(lián)通域，對stats按面積排序后則會無法正常對應(yīng)，故需要進(jìn)行拼接），然后使用np.argsort對stats進(jìn)行排序，在根據(jù)排序結(jié)果將topk個連通域后的標(biāo)簽值全部修改為0(將topk后的連通域刪除)，最后通過二值化方法，將聯(lián)通域標(biāo)記圖轉(zhuǎn)換為二值圖。文章來源地址http://www.zghlxwxcb.cn/news/detail-765591.html

import cv2
import numpy as np 
class shapeUtils:   
        def find_topK_areo(img,k=1):
        #https://blog.csdn.net/weixin_44599604/article/details/111687531
        retval, labels, stats, centroids = cv2.connectedComponentsWithStats(img, connectivity=8)
        #stats的格式為二維數(shù)組，其中每一個元素為 x,y,w,h,s的格式，s為聯(lián)通域面積
        '''
        stats      #我們看出有3個連通區(qū)域
                   # x   y   w   h  s 
        >>> array([[ 0,  0, 10, 10, 76],  # 這代表整個圖片，0值也有連通區(qū)域
                   [ 4,  1,  5,  6, 18],  # 這里18代表有18個像素 下面的6同理
                   [ 2,  2,  3,  2,  6]], dtype=int32)
        '''
        #創(chuàng)建一個行號，并使其與stats的shape相同
        rows_num=[x for x in range(stats.shape[0])]
        rows_num=np.array(rows_num)#shape （3）
        rows_num=rows_num.reshape((-1,1)) #shape （3,1）

        print(rows_num.shape,stats.shape)
        #數(shù)據(jù)維度變化：(3, 1) (3, 5)=>(3, 6)
        stats=np.concatenate((rows_num,stats),axis=1)#拼接時要僅有一個維度不同，才能拼接
        #此時的stats的格式為二維數(shù)組，其中每一個元素為 x,y,w,h,s的格式，s為聯(lián)通域面積
        '''
        拼接后的 stats 如下所示
                  #row x   y   w   h  s 
        >>> array([[0, 0,  0, 10, 10, 76],  # 這代表整個圖片，0值也有連通區(qū)域
                   [1, 4,  1,  5,  6, 18],  # 這里18代表有18個像素 下面的6同理
                   [2, 2,  2,  3,  2,  6]], dtype=int32)
        '''

        #安裝面積對連通域進(jìn)行排序
        sortId=np.argsort(stats[:,-1])#生成一個排序好的下標(biāo)，從小到大排序
        sortId=sortId[::-1]#對下標(biāo)進(jìn)行逆序，使其變?yōu)閺拇蟮叫〉呐判?/span>
        stats=stats[sortId]#根據(jù)序號重新取數(shù)據(jù)
        #stats=stats[np.argsort(stats[:,-1])[::-1] ]
        print(stats)

        #將第k面積個后的連通域label設(shè)置為0
        for i in range(k+1,stats.shape[0]):
            conj=stats[i][0]#獲取聯(lián)通域的標(biāo)記值
            labels[labels==conj]=0
        print(labels

到了這里，關(guān)于opencv 十六 python下各種連通域處理方法（按面積閾值篩選連通域、按面積排序篩選連通域、連通域分割等方法）的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！