前言
在圖像處理過程中，經常會遇到這樣一部分圖像，圖像的整體部分如果人來看的話一眼就能看出，但是它的內部由於有各種小缺口，導致斷開了，這樣在計算機“眼”里就被認為是斷開的，為了使圖像達到適應人眼的感覺，需要將這些缺口和斷開的口給連接上去，這就需要用到計算機圖形學中的連通域處理技術。本文給出一個簡單的連通域處理函數，當然這個函數是來自OpenCV著名教程Learning OpenCV中，只不過它的接口是基於c版本的OpenCV，而到目前為止，基於C++接口的OpenCV已經是主流，所以我將其接口改成了c++版的，但是其內部一些代碼基本沒有動它。
開發環境：OpenCV2.4.3+QtCreator2.5.1
實驗基礎
首先來看這個連通域處理函數的形式：
void ConnectedComponents(Mat &mask_process, int poly1_hull0, float perimScale, int number = 0, Rect &bounding_box = Rect(), Point &contour_centers = Point(-1, -1));
參數mask表示的是需要進行連通域處理二值圖像。
參數poly1_hull0表示輪廓邊緣是否采用多邊形擬合,如果該參數為1，則表示采用多邊形擬合，否則采用凸包擬合。
參數perimScale是用來將那些小的輪廓去掉，那些小的輪廓時指它的周長小於(mask長+寬)/perimScale。當然你在其內部代碼也可以該為面積來判斷。
參數num表示實際需要處理最多的輪廓的個數（如果輸入的mask有多個輪廓的話），這里的處理是指計算出這些輪廓的外接矩形和中心點。默認值為0，表示函數內部不需要處理這些外接矩形和中心點。
參數bbs表示的是處理完后對應輪廓的外接矩形，默認值為Rect()，表示不需要返回這些外接矩形。
參數centers表示處理完后對應輪廓的中心點坐標，默認值為Point(-1, -1)，表示不需要返回這些中心點。
C/C++知識點總結：
如果一些函數需要默認值的話，可以直接在函數定義的時候指定，該指定並不一定是具體的某個值，也可以是空值等等。另外在函數內部實現時，有時候要注意默認值的特殊性。
實驗結果
所需處理原始圖像的灰度圖：
其對應的mask圖像：
使用多項式擬合的連通域處理后圖像：
使用凸包集擬合的連通域處理后的圖像：
實驗代碼及注釋(附錄有工程code下載地址)：
main.cpp:
#include <iostream> #include <opencv.hpp> using namespace cv; using namespace std; //Just some convienience macros #define CV_CVX_WHITE CV_RGB(0xff,0xff,0xff) #define CV_CVX_BLACK CV_RGB(0x00,0x00,0x00) void ConnectedComponents(Mat &mask_process, int poly1_hull0, float perimScale, int number = 0, Rect &bounding_box = Rect(), Point &contour_centers = Point(-1, -1)) { /*下面4句代碼是為了兼容原函數接口，即內部使用的是c風格，但是其接口是c++風格的*/ IplImage *mask = &mask_process.operator IplImage(); int *num = &number; CvRect *bbs = &bounding_box.operator CvRect(); CvPoint *centers = &contour_centers.operator CvPoint(); static CvMemStorage* mem_storage = NULL; static CvSeq* contours = NULL; //CLEAN UP RAW MASK //開運算作用：平滑輪廓，去掉細節,斷開缺口 cvMorphologyEx( mask, mask, NULL, NULL, CV_MOP_OPEN, 1 );//對輸入mask進行開操作，CVCLOSE_ITR為開操作的次數，輸出為mask圖像 //閉運算作用：平滑輪廓，連接缺口 cvMorphologyEx( mask, mask, NULL, NULL, CV_MOP_CLOSE, 1 );//對輸入mask進行閉操作，CVCLOSE_ITR為閉操作的次數，輸出為mask圖像 //FIND CONTOURS AROUND ONLY BIGGER REGIONS if( mem_storage==NULL ) mem_storage = cvCreateMemStorage(0); else cvClearMemStorage(mem_storage); //CV_RETR_EXTERNAL=0是在types_c.h中定義的，CV_CHAIN_APPROX_SIMPLE=2也是在該文件中定義的 CvContourScanner scanner = cvStartFindContours(mask,mem_storage,sizeof(CvContour),CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE); CvSeq* c; int numCont = 0; //該while內部只針對比較大的輪廓曲線進行替換處理 while( (c = cvFindNextContour( scanner )) != NULL ) { double len = cvContourPerimeter( c ); double q = (mask->height + mask->width) /perimScale; //calculate perimeter len threshold if( len < q ) //Get rid of blob if it's perimeter is too small { cvSubstituteContour( scanner, NULL ); //用NULL代替原來的那個輪廓 } else //Smooth it's edges if it's large enough { CvSeq* c_new; if(poly1_hull0) //Polygonal approximation of the segmentation c_new = cvApproxPoly(c,sizeof(CvContour),mem_storage,CV_POLY_APPROX_DP, 2,0); else //Convex Hull of the segmentation c_new = cvConvexHull2(c,mem_storage,CV_CLOCKWISE,1); cvSubstituteContour( scanner, c_new ); //最開始的輪廓用凸包或者多項式擬合曲線替換 numCont++; } } contours = cvEndFindContours( &scanner ); //結束輪廓查找操作 // PAINT THE FOUND REGIONS BACK INTO THE IMAGE cvZero( mask ); IplImage *maskTemp; //CALC CENTER OF MASS AND OR BOUNDING RECTANGLES if(*num != 0) { int N = *num, numFilled = 0, i=0; CvMoments moments; double M00, M01, M10; maskTemp = cvCloneImage(mask); for(i=0, c=contours; c != NULL; c = c->h_next,i++ ) //h_next為輪廓序列中的下一個輪廓 { if(i < N) //Only process up to *num of them { //CV_CVX_WHITE在本程序中是白色的意思 cvDrawContours(maskTemp,c,CV_CVX_WHITE, CV_CVX_WHITE,-1,CV_FILLED,8); //Find the center of each contour if(centers != &cvPoint(-1, -1)) { cvMoments(maskTemp,&moments,1); //計算mask圖像的最高達3階的矩 M00 = cvGetSpatialMoment(&moments,0,0); //提取x的0次和y的0次矩 M10 = cvGetSpatialMoment(&moments,1,0); //提取x的1次和y的0次矩 M01 = cvGetSpatialMoment(&moments,0,1); //提取x的0次和y的1次矩 centers[i].x = (int)(M10/M00); //利用矩的結果求出輪廓的中心點坐標 centers[i].y = (int)(M01/M00); } //Bounding rectangles around blobs if(bbs != &CvRect()) { bbs[i] = cvBoundingRect(c); //算出輪廓c的外接矩形 } cvZero(maskTemp); numFilled++; } //Draw filled contours into mask cvDrawContours(mask,c,CV_CVX_WHITE,CV_CVX_WHITE,-1,CV_FILLED,8); //draw to central mask } //end looping over contours *num = numFilled; cvReleaseImage( &maskTemp); } //ELSE JUST DRAW PROCESSED CONTOURS INTO THE MASK else { for( c=contours; c != NULL; c = c->h_next ) { cvDrawContours(mask,c,CV_CVX_WHITE, CV_CVX_BLACK,-1,CV_FILLED,8); } } } int main() { Mat src, mask; src = imread("test.png", 0); //以灰度圖像讀入 imshow("src", src); mask = src > 0; //轉換為二值圖像 imshow("mask", mask); ConnectedComponents(mask, 1, 8.0, 1, Rect(), Point(-1, -1)); //采用多邊形擬合處理 imshow("out1", mask); ConnectedComponents(mask, 0, 8.0, 1, Rect(), Point(-1, -1)); //c采用凸包進行處理 imshow("out2", mask); waitKey(0); return 0; }
實驗總結: 通過該連通域處理，能夠達到一定效果。
參考資料：
Bradski, G. and A. Kaehler (2008). Learning OpenCV: Computer vision with the OpenCV library, O'Reilly Media.
附錄：實驗工程code下載地址。