圖像 4-連接數 8-連接數

一. 定義：

4-連接數

    4-連接數用於顯示像素的狀態和附近像素的狀態。對於中心像素x_0(x,y)，它的鄰域定義如下：

像素x_0的鄰域 ↑

 

4-連接數的計算公式 ↑

 

    S的取值范圍為[0,4]：

        ① S=0：內部點或孤點

        ② S=1：端點

        ③ S=2：連接點

        ④ S=3：分支點

        ⑤ S=4：交叉點

    對4-連接數得到的不同位置的像素點進行着色，能夠讓我們清晰地觀察到像素點所處的不同位置（可參考本文實驗結果）。

8-連接數：只需要將二值圖像的0和1進行反轉，然后進行和4-連接數一樣的計算即可。

---

二. 實驗：對圖像進行4-連接數着色

源碼：

import cv2
import numpy as np
import matplotlib.pyplot as plt

# Connect 4
def connect_4(img):
    # get shape
    H, W, C = img.shape

    # prepare temporary image
    tmp = np.zeros((H, W), dtype=np.int)

    # binarize
    tmp[img[..., 0] > 0] = 1

    # prepare out image
    out = np.zeros((H, W, 3), dtype=np.uint8)

    # each pixel
    for y in range(H):
        for x in range(W):
            if tmp[y, x] < 1:
                continue

            S = 0
            S += (tmp[y,min(x+1,W-1)] - tmp[y,min(x+1,W-1)] * tmp[max(y-1,0),min(x+1,W-1)] * tmp[max(y-1,0),x])
            S += (tmp[max(y-1,0),x] - tmp[max(y-1,0),x] * tmp[max(y-1,0),max(x-1,0)] * tmp[y,max(x-1,0)])
            S += (tmp[y,max(x-1,0)] - tmp[y,max(x-1,0)] * tmp[min(y+1,H-1),max(x-1,0)] * tmp[min(y+1,H-1),x])
            S += (tmp[min(y+1,H-1),x] - tmp[min(y+1,H-1),x] * tmp[min(y+1,H-1),min(x+1,W-1)] * tmp[y,min(x+1,W-1)])
            
            # 孤點
            if S == 0:
                out[y,x] = [0, 0, 255]
            # 最外端點
            elif S == 1:
                out[y,x] = [0, 255, 0]
            # 連接點
            elif S == 2:
                out[y,x] = [255, 0, 0]
            # 分支點
            elif S == 3:
                out[y,x] = [255, 255, 0]
            # 交叉點
            elif S == 4:
                out[y,x] = [255, 0, 255]
                    
    out = out.astype(np.uint8)

    return out


# Read image
img = cv2.imread("../connect8.png").astype(np.float32)

# connect 4
out = connect_4(img)

# Save result
cv2.imwrite("out.png", out)
cv2.imshow("result", out)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

---

三. 實驗結果：

原圖 ↑

 

4-連接數 着色后的圖像 ↑

 

---

四. 實驗：對圖像進行8-連接數着色

源碼：

import cv2
import numpy as np
import matplotlib.pyplot as plt

# connect 8
def connect_8(img):
    # get shape
    H, W, C = img.shape

    # prepare temporary
    _tmp = np.zeros((H, W), dtype=np.int)

    # get binarize
    _tmp[img[..., 0] > 0] = 1

    # inverse for connect 8
    tmp = 1 - _tmp

    # prepare image
    out = np.zeros((H, W, 3), dtype=np.uint8)

    # each pixel
    for y in range(H):
        for x in range(W):
            if _tmp[y, x] < 1:
                continue

            S = 0
            S += (tmp[y,min(x+1,W-1)] - tmp[y,min(x+1,W-1)] * tmp[max(y-1,0),min(x+1,W-1)] * tmp[max(y-1,0),x])
            S += (tmp[max(y-1,0),x] - tmp[max(y-1,0),x] * tmp[max(y-1,0),max(x-1,0)] * tmp[y,max(x-1,0)])
            S += (tmp[y,max(x-1,0)] - tmp[y,max(x-1,0)] * tmp[min(y+1,H-1),max(x-1,0)] * tmp[min(y+1,H-1),x])
            S += (tmp[min(y+1,H-1),x] - tmp[min(y+1,H-1),x] * tmp[min(y+1,H-1),min(x+1,W-1)] * tmp[y,min(x+1,W-1)])
            
            if S == 0:
                out[y,x] = [0, 0, 255]
            elif S == 1:
                out[y,x] = [0, 255, 0]
            elif S == 2:
                out[y,x] = [255, 0, 0]
            elif S == 3:
                out[y,x] = [255, 255, 0]
            elif S == 4:
                out[y,x] = [255, 0, 255]
                    
    out = out.astype(np.uint8)

    return out


# Read image
img = cv2.imread("../connect8.png").astype(np.float32)

# connect 8
out = connect_8(img)


# Save result
cv2.imwrite("out.png", out)
cv2.imshow("result", out)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

---

五. 實驗結果：

原圖 ↑

 

8-連接數 着色后的圖像 ↑

 

---

六. 寫在最后的話：

    如果您覺得本文對您有所幫助，記得點贊哦！

---

七. 版權聲明：

    未經作者允許，請勿隨意轉載抄襲，抄襲情節嚴重者，作者將考慮追究其法律責任，創作不易，感謝您的理解和配合！