EmguCV学习笔记 VB.Net 4.5 像素距离和连通区域

版权声明:本文为博主原创文章,转载请在显著位置标明本文出处以及作者网名,未经作者允许不得用于商业目的。
教程VB.net版本请访问:
EmguCV学习笔记 VB.Net 目录-CSDN博客

教程C#版本请访问: EmguCV学习笔记 C# 目录-CSDN博客

笔者的博客网址:https://blog.csdn.net/uruseibest

教程配套文件及相关说明以及如何获得pdf教程和代码,请移步:************************************************************************************************************************************************************************************************************************************************************EmguCV学习笔记****************************************************************************************************************************************************************************************************************************************************************

学习VB.Net知识,请移步: https://blog.csdn.net/uruseibest/article/details/69663231

学习C#知识,请移步: https://blog.csdn.net/uruseibest/article/details/136127499

4.5 像素距离和连通区域

4.5.1 DistanceTransform 像素距离

在VB.NET中使用EmguCV,可以通过`CvInvoke.DistanceTransform`函数进行距离变换操作。

Public Shared Sub DistanceTransform(src As Emgu.CV.IInputArray, dst As Emgu.CV.IOutputArray, labels As Emgu.CV.IOutputArray, distanceType As Emgu.CV.CvEnum.DistType, maskSize As Integer, Optional labelType As Emgu.CV.CvEnum.DistLabelType = 0)

参数说明:

  1. src:输入图像,类型为单通道CV8U的Mat。
  2. dst:输出图像,类型为CV8U或者CV32F的Mat。与输入图像具有相同的尺寸和类型,用于存储距离变换结果,它的每个像素的值表示该像素与0像素的最小距离。
  3. labels:输出图像,类型为CV32S的Mat。用于存储每个前景像素所属的连通域标签。
  4. distanceType:指定计算距离所使用的度量类型,类型为DistanceType,主要成员包括:
    1. L1:曼哈顿距离,也称为城市街区距离,表示两点之间在水平和垂直方向上的距离之和。
    2. L2:欧几里得距离,表示两点之间的直线距离,即两点之间的最短距离。
    3. C:Chebyshev距离,表示两点之间在水平、垂直和对角线方向上的最大距离。
  5. maskSize:指定掩膜大小,即要使用的邻域尺寸,常见的有3、5、7等,3表示3x3的掩膜,5表示5x5的掩膜,以此类推。
  6. labelType:指定计算连通域标签所使用的算法类型,可选值为DistLabelType.CComp或DistLabelType.Pixel。

【代码位置:frmChapter4】Button18_Click、printMatSingle

'DistanceTransform

Private Sub Button18_Click(sender As Object, e As EventArgs) Handles Button18.Click

Dim bte(,) As Byte

bte = {

{0, 0, 0, 0, 0, 0, 0, 0, 0},

{0, 1, 1, 1, 1, 1, 1, 1, 0},

{0, 1, 1, 1, 1, 1, 1, 1, 0},

{0, 1, 1, 1, 1, 1, 1, 1, 0},

{0, 1, 1, 1, 1, 1, 1, 1, 0},

{0, 1, 1, 1, 1, 1, 1, 1, 0},

{0, 1, 1, 1, 1, 1, 1, 1, 0},

{0, 1, 1, 1, 1, 1, 1, 1, 0},

{0, 0, 0, 0, 0, 0, 0, 0, 0}

}

Dim matr As New Matrix(Of Byte)(bte)

Dim m As New Mat(matr.Size, DepthType.Cv8U, 1)

m = matr.Mat

Dim mdistance As New Mat(m.Size, DepthType.Cv8U, 1)

Dim labels1 As New Mat()

CvInvoke.DistanceTransform(m, mdistance, labels1, DistType.L2, 3)

'如果参数labels使用nothing,那么 mdistance 中的元素类型是single

'CvInvoke.DistanceTransform(m, mdistance, Nothing, DistType.L2, 3)

Call printMatSingle(mdistance)

End Sub

'输出single类型Mat的元素的值

Private Sub printMatSingle(ByVal m As Mat)

Dim matr As New Matrix(Of Single)(m.Rows, m.Cols, m.NumberOfChannels)

m.CopyTo(matr)

For i As Integer = 0 To matr.Rows - 1

For j As Integer = 0 To matr.Cols - 1

Console.Write(matr(i, j))

If j <> matr.Cols - 1 Then

Console.Write(",")

End If

Next

Console.WriteLine()

Next

End Sub

运行后如下图所示:

图4-18 像素间距离

4.5.2 connectedComponents 图像连通区域

ConnectedComponents方法是EmguCV中用于实现连通区域分析的函数。在图像处理中,经常需要对图像中的连通区域进行分析和处理,如区域标记、分割、形状识别等。ConnectedComponents函数可以将图像中的连通区域分析出来,并返回每个连通区域的标记和属性信息。声明如下:

Public Shared Function ConnectedComponents(image As Emgu.CV.IInputArray, labels As Emgu.CV.IOutputArray, Optional connectivity As Emgu.CV.CvEnum.LineType = 8, Optional labelType As Emgu.CV.CvEnum.DepthType = 4, Optional cclType As Emgu.CV.CvEnum.ConnectedComponentsAlgorithmsTypes = -1) As Integer

参数说明:

  1. image:输入图像,类型为Mat。
  2. labels:输出一个单通道Mat。连通区域标记的结果将存储在该Mat中。背景一般存储为0,相同连通区域的值相同。
  3. connectivity:连通区域的连接方式,类型为LineType。指定连通区域的连接方式,常见的有4连通(LineType.FourConnected)和8连通(LineType. Eight Connected)。
  4. ltype:labels图像的深度类型,类型为DepthType。可以选择浮点型(DepthType.Cv32F)或整型(DepthType.Cv32S)。
  5. ccltype:连通区域标签类型,类型为ConnectedComponentsAlgorithmsTypes,这是一个枚举类型,它表示连通区域分析算法的类型。连通区域分析是一种将二值图像中的像素划分为不同连通区域的技术。在EmguCV中,提供了多种不同的算法来进行连通区域分析,每种算法都有其特点和适用范围。ConnectedComponentsAlgorithmsTypes枚举类型定义了可用的连通区域分析算法类型,主要包括:
    1. CCL_GRANA:Grana算法,一种基于扫描线的算法,适用于较小的图像。
    2. CCL_WU:Wu算法,一种基于扫描线的算法,适用于较大的图像。
    3. CCL_DEFAULT:默认算法,使用基于扫描线的算法,但会根据图像大小和特征动态选择算法。

返回值:

分析出的连通区域的数量。

【代码位置:frmChapter4】Button19_Click

'connectedComponents

Private Sub Button19_Click(sender As Object, e As EventArgs) Handles Button19.Click

Dim m1 As New Mat("C:\learnEmgucv\shape.jpg", CvEnum.ImreadModes.Grayscale)

ImageBox1.Image = m1

'二值化

Dim mid1 As New Mat

CvInvoke.Threshold(m1, mid1, 150, 255, ThresholdType.BinaryInv)

'连通区域分析结果存储到result中

Dim result As New Mat

Dim num As Integer

'获得连通区域

num = CvInvoke.ConnectedComponents(mid1, result, LineType.FourConnected, DepthType.Cv16U)

Console.WriteLine("连通区域数量:" & num)

'在本代码中使用的图像,获得的连通区域为12(含背景),result中像素的值从0-11,

'所以这里看到的是全黑色的图

ImageBox2.Image = result

Dim img As New Image(Of Gray, Byte)(m1.Size)

img = result.ToImage(Of Gray, Byte)

Dim img1 As New Image(Of Bgr, Byte)(m1.Size)

Dim maxsize As Integer = 0

'使用循环遍历分析出的连通区域,这里对非背景(0)的区域着相同颜色

For i As Integer = 0 To img.Rows - 1

For j As Integer = 0 To img.Cols - 1

'0的区域作为背景

If img.Data(i, j, 0) = 0 Then

img1.Data(i, j, 0) = 0

img1.Data(i, j, 1) = 0

img1.Data(i, j, 2) = 0

Else

Console.WriteLine(img.Data(i, j, 0))

maxsize = IIf(maxsize > img.Data(i, j, 0), maxsize, img.Data(i, j, 0))

img1.Data(i, j, 0) = 0

img1.Data(i, j, 1) = 255

img1.Data(i, j, 2) = 255

End If

Next

Next

ImageBox3.Image = img1

'为什么差1,因为包含了背景部分。

MessageBox.Show("num " & num & " maxsize " & maxsize)

End Sub

运行后如下图所示:

图4-19 连通区域

4.5.3 connectedComponentsWithStats

ConnectedComponentsWithStats方法是用于进行连通区域分析的函数,它可以分析二值图像中的连通区域,并返回每个连通区域的标记值、面积、重心和边界框等信息。声明如下:

Public Shared Function ConnectedComponentsWithStats(image As Emgu.CV.IInputArray, labels As Emgu.CV.IOutputArray, stats As Emgu.CV.IOutputArray, centroids As Emgu.CV.IOutputArray, Optional connectivity As Emgu.CV.CvEnum.LineType = 8, Optional labelType As Emgu.CV.CvEnum.DepthType = 4, Optional cclType As Emgu.CV.CvEnum.ConnectedComponentsAlgorithmsTypes = -1) As Integer

参数说明(其余参数请参看4.4.2节【connectedComponents 图像连通区域】):

  1. stats:统计信息,类型为Mat。用于存储每个连通区域的统计信息,如面积、位置、宽度、高度等。它是一个5列的矩阵, 每一行对应一个连通区域,分别为连通区域外接矩形的x、y、width、height和面积。
  2. centroids:质心坐标,类型为Mat。用于存储每个连通组件的质心坐标。

【代码位置:frmChapter4】Button20_Click

'连通区域的统计信息自定义结构,

'包含x、y、width、height和面积,

'由于Rectangle已经包含x、y、width、height,

'所以这里的结构是Rectangle和Integer

Public Structure sstats

Dim rec As Rectangle

Dim area As Integer

End Structure

'连通区域分析

'注意:白色255代表有数据,黑色0代表没有数据,

'所以要根据图像实际情况,确保图像输入之前转换成黑底白图

Private Sub Button20_Click(sender As Object, e As EventArgs) Handles Button20.Click

Dim m1 As New Mat("C:\learnEmgucv\shape.jpg", CvEnum.ImreadModes.Grayscale)

ImageBox1.Image = m1

'二值化

Dim mid1 As New Mat

'这里过滤了一部分连通区域

CvInvoke.Threshold(m1, mid1, 150, 255, ThresholdType.BinaryInv)

ImageBox2.Image = mid1

Dim result As New Mat

Dim mstats As New Mat

Dim mcentroids As New Mat

Dim num As Integer

num = CvInvoke.ConnectedComponentsWithStats(mid1, result, mstats, mcentroids, LineType.EightConnected, DepthType.Cv16U)

Dim stats(num - 1) As sstats

'拷贝到sstats数组

mstats.CopyTo(stats)

Dim centroids(num - 1) As MCvPoint2D64f

'拷贝到点数组

mcentroids.CopyTo(centroids)

'载入彩色图像

Dim m2 As New Mat("C:\learnEmgucv\shape.jpg", CvEnum.ImreadModes.AnyColor)

'总的面积,算下来就是mid1或者result点的数量。

Dim allpoints As Integer = 0

For i As Integer = 0 To num - 1

'画出每个连通区域的中心点

CvInvoke.Circle(m2, New Point(CInt(centroids(i).X), CInt(centroids(i).Y)), 10, New MCvScalar(0, 255, 255), -1)

'画出每个连通区域的外接矩形

CvInvoke.Rectangle(m2, stats(i).rec, New MCvScalar(255, 0, 0), 2)

'在本例中,使用的图像高度486,宽度537,即总的像素数量486*537=260982

'这里计算出的面积(总的点的数量)=260982

allpoints += stats(i).area

Next

ImageBox3.Image = m2

End Sub

运行后如下图所示:

图4-20 绘制连通区域的中心和外接矩形

相关推荐
程序猿小D3 分钟前
【完整源码+数据集+部署教程】【零售和消费品&存货】价格标签检测系统源码&数据集全套:改进yolo11-RFAConv
前端·yolo·计算机视觉·目标跟踪·数据集·yolo11·价格标签检测系统源码
滑水滑成滑头6 分钟前
**点云处理:发散创新,探索前沿技术**随着科技的飞速发展,点云处理技术在计算机视觉、自动驾驶、虚拟现实等领域的应用愈发广
java·python·科技·计算机视觉·自动驾驶
CoovallyAIHub1 小时前
超越“识别”:下一代机器视觉如何破解具身智能落地难题?
深度学习·算法·计算机视觉
CoovallyAIHub2 小时前
全球OCR新标杆!百度0.9B小模型斩获四项SOTA,读懂复杂文档像人一样自然
深度学习·算法·计算机视觉
Francek Chen2 小时前
【深度学习计算机视觉】14:实战Kaggle比赛:狗的品种识别(ImageNet Dogs)
人工智能·pytorch·深度学习·计算机视觉·kaggle·imagenet dogs
茜茜西西CeCe3 小时前
数字图像处理-图像编码与压缩
人工智能·计算机视觉·matlab·数字图像处理·图像压缩·图像编码
WWZZ202513 小时前
快速上手大模型:机器学习2(一元线性回归、代价函数、梯度下降法)
人工智能·算法·机器学习·计算机视觉·机器人·大模型·slam
2401_8588698014 小时前
目标检测2
人工智能·目标检测·计算机视觉
ARM+FPGA+AI工业主板定制专家14 小时前
基于ZYNQ的目标检测算法硬件加速器优化设计
人工智能·目标检测·计算机视觉·fpga开发·自动驾驶
格林威15 小时前
UV紫外相机的简单介绍和场景应用
人工智能·数码相机·计算机视觉·视觉检测·制造·uv·工业相机