遥感数字图像处理与分析练习三¶

本文在线地址：https://gis-xh.github.io/yanxue-notes/RS/RS-DIP/practice/03/

本次任务¶

实现连通域标记算法（8-邻域）

1 相关知识点¶

图像的连通域：是指图像中具有相同像素值并且位置相邻的像素组成的区域。
连通域分析：是指在图像中寻找出彼此互相独立的连通域并将其标记出来。
一般情况下，一个连通域内只包含一个像素值，因此为了防止像素值波动对提取不同连通域的影响，连通域分析通常处理的是二值化后的图像。
图像邻域 4-邻域：两个像素相邻必须在水平和垂直方向上相邻，相邻的两个像素坐标必须只有一位不同而且只能相差1个像素。（如下图左图所示）

图 1 （左）4-邻域和（右）8-邻域示意图

图像邻域 8-邻域：两个像素相邻允许在对角线方向相邻，相邻的两个像素坐标在X方向和Y方向上的最大差值为1。（如上图右图所示）

2 OpenCV 介绍¶

OpenCV 是一个基于 BSD 许可（开源）发行的跨平台计算机视觉库，可以运行在 Linux、Windows、Android 和 Mac OS 操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了 Python、Ruby、MATLAB 等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

OpenCV 用 C++ 语言编写，它的主要接口也是 C++ 语言，但是依然保留了大量的C语言接口。（CV：Computer Vision，计算机视觉）

3 开发环境配置¶

接下来，我们将延续练习一创建的虚拟环境，并在其中安装 OpenCV Python 库。

激活创建好的虚拟环境

conda activate rs01

安装 OpenCV Python 库

pip install opencv-python

4 实现 4-邻域连通域标记¶

4.1 标记规则¶

表 1 查找表

源数据 (Source)	目标数据 (Distination)
1	1
2	2
3	1

一开始被打上 1 标签的像素（即 Source=1 的像素）最终被分配到的标签 1（Distination=1）
一开始被打上 3 标签的像素（即 Source=3 的像素）最终被分配的的标签也为 1（Distination=1）

4.2 算法实现¶

做 4−邻域连通域标记时，我们只用考察上方像素和左边像素

从图像的左上角开始进行光栅扫描
如果当前遍历到的像素 \(i(x,y)\) 是黑像素，则不做处理。如果是白像素，考察该像素的上方像素 \(i(x,y-1)\) 和左边像素 \(i(x-1,y)\)，如果两个的取值都为 0，则将该像素分配一个新的标签。
在这里我们用数字做标签，即 \(1,2,3,4,...\)
如果两个像素中有一个不为 0（也就是说已经分配了标签），则将上方和左边的像素分配的标签中数值较小的那一个（0 除外）分配给当前遍历到的像素 \(i(x,y)\)。在这里，将上方像素和左边像素的标签写入查找表的源数据，将当前遍历的像素 \(i(x,y)\) 分配的标签写入目标数据。
最后，对照查找表，对像素分配的标签由源数据变为目标数据。

4.3 代码实现¶

import cv2
import numpy as np
def four_cc_label(img):
    height, width, channel = img.shape
    label = np.zeros((height, width), dtype=np.int32)
    LUT = np.zeros(height * width, dtype=np.uint8)

    COLORS = np.array([[0, 0, 255], [0, 255, 0], [255, 0, 0],
                       [255, 255, 0], [255, 0, 255], [0, 255, 255],
                       [125, 0, 255], [0, 255, 125], [255, 0, 125],
                       [255, 255, 125], [255, 125, 255], [0, 125, 255]], dtype=np.uint8)
    out = np.zeros((height, width, channel), dtype=np.uint8)
    label[img[:, :, 0] > 0] = 1
    n = 1
    for y in range(height):
        for x in range(width):
            if label[y, x] == 0:
                continue
            c3 = label[max(y - 1, 0), x]
            c5 = label[y, max(x - 1, 0)]
            if c3 < 2 and c5 < 2:
                n += 1
                label[y, x] = n
            else:
                _vs = [c3, c5]
                vs = [a for a in _vs if a > 1]
                v = min(vs)
                label[y, x] = v

                minv = v
                for _v in vs:
                    if LUT[_v] != 0:
                        minv = min(minv, LUT[_v])
                for _v in vs:
                    LUT[_v] = minv
    count = 1
    for l in range(2, n + 1):
        flag = True
        for i in range(n + 1):
            if LUT[i] == l:
                if flag:
                    count += 1
                    flag = False
                LUT[i] = count
    for index, lut in enumerate(LUT[2:]):
        out[label == (index + 2)] = COLORS[lut - 2]
    return out
if __name__ == '__main__':
    img = cv2.imread("img/test1234.png")
    out = four_cc_label(img)
    cv2.imwrite("img/out1234.png", out)
    cv2.imshow("result", out)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

4.4 结果对比¶

左图是输入图像，右图为 4-邻域连通域标记 输出图像。

图 2 （左）输入图像（右）输出图像

5 实现 8-邻域连通域标记¶

要进行 8−邻域连通域标记，我们需要考察 4 个像素：左上 \(i(x-1,y-1)\)，正上 \(i(x, y-1)\)，正左 \(i(x-1,y)\)，左下 \(i(x+1,y-1)\) 或者右上。

5.1 代码实现¶

import cv2
import numpy as np
def four_cc_label(img):
    height, width, channel = img.shape
    label = np.zeros((height, width), dtype=np.int32)
    LUT = np.zeros(height * width,dtype=np.uint8)

    COLORS = np.array([[0, 0, 255], [0, 255, 0], [255, 0, 0],
                       [255, 255, 0], [255, 0, 255], [0, 255, 255]],dtype=np.uint8)
    out = np.zeros((height, width, channel), dtype=np.uint8)
    label[img[:,:, 0] > 0] = 1
    n = 1
    for y in range(height):
        for x in range(width):
            if label[y, x] == 0:
                continue
            c2 = label[max(y - 1, 0), min(x + 1, width - 1)]
            c3 = label[max(y - 1, 0), x]
            c4 = label[max(y - 1, 0), max(x - 1, 0)]
            c5 = label[y, max(x - 1, 0)]
            if c3 < 2 and c5 < 2 and c2 < 2 and c4 < 2:
                n += 1
                label[y, x] = n
            else:
                _vs = [c3, c5, c2, c4]
                vs = [a for a in _vs if a > 1]
                v = min(vs)
                label[y, x] = v

                minv = v
                for _v in vs:
                    if LUT[_v] != 0:
                        minv = min(minv, LUT[_v])
                for _v in vs:
                    LUT[_v] = minv
    count = 1
    for l in range(2, n + 1):
        flag = True
        for i in range(n + 1):
            if LUT[i] == l:
                if flag:
                    count += 1
                    flag = False
                LUT[i] = count
    for i, lut in enumerate(LUT[2:]):
        out[label == (i + 2)] = COLORS[lut - 2]
    return out
if __name__ == '__main__':
    img = cv2.imread("img/test1234.png")
    out = four_cc_label(img)
    cv2.imwrite("img/out5678.png", out)
    cv2.imshow("result", out)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

5.2 结果对比¶

左图是输入图像，中图为 4-邻域连通域标记输出图像，最右图为 8-邻域连通域标记 输出图像。

图 3 （最右）8-邻域连通域标记输出结果

参考文章¶

最后更新: 2023-06-20
创建日期: 2022-12-27
作者: gis-xh

遥感数字图像处理与分析 练习三¶