OpenCV學習筆記——尋找連通域的幾何中心（不規則圖形也適用），及篩選最大連通域中心

參考https://blog.csdn.net/qq_34914551/article/details/78916084

Opencv尋找連通域的幾何中心

其中連通域的輪廓選取用到了OTSU算法

#include "stdafx.h"
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace cv; 
using namespace std;
//otsu算法實現函數
int Otsu(Mat &image)
{
    int width = image.cols;
    int height = image.rows;
    int x = 0, y = 0;
    int pixelCount[256];
    float pixelPro[256];
    int i, j, pixelSum = width * height, threshold = 0;

    uchar* data = (uchar*)image.data;

    //初始化  
    for (i = 0; i < 256; i++)
    {
        pixelCount[i] = 0;
        pixelPro[i] = 0;
    }

    //統計灰度級中每個像素在整幅圖像中的個數  
    for (i = y; i < height; i++)
    {
        for (j = x; j<width; j++)
        {
            pixelCount[data[i * image.step + j]]++;
        }
    }


    //計算每個像素在整幅圖像中的比例  
    for (i = 0; i < 256; i++)
    {
        pixelPro[i] = (float)(pixelCount[i]) / (float)(pixelSum);
    }

    //經典ostu算法,得到前景和背景的分割  
    //遍歷灰度級[0,255],計算出方差最大的灰度值,爲最佳閾值  
    float w0, w1, u0tmp, u1tmp, u0, u1, u, deltaTmp, deltaMax = 0;
    for (i = 0; i < 256; i++)
    {
        w0 = w1 = u0tmp = u1tmp = u0 = u1 = u = deltaTmp = 0;

        for (j = 0; j < 256; j++)
        {
            if (j <= i) //背景部分  
            {
                //以i爲閾值分類，第一類總的概率  
                w0 += pixelPro[j];
                u0tmp += j * pixelPro[j];
            }
            else       //前景部分  
            {
                //以i爲閾值分類，第二類總的概率  
                w1 += pixelPro[j];
                u1tmp += j * pixelPro[j];
            }
        }

        u0 = u0tmp / w0;        //第一類的平均灰度  
        u1 = u1tmp / w1;        //第二類的平均灰度  
        u = u0tmp + u1tmp;      //整幅圖像的平均灰度  
                                //計算類間方差  
        deltaTmp = w0 * (u0 - u)*(u0 - u) + w1 * (u1 - u)*(u1 - u);
        //找出最大類間方差以及對應的閾值  
        if (deltaTmp > deltaMax)
        {
            deltaMax = deltaTmp;
            threshold = i;
        }
    }
    //返回最佳閾值;  
    return threshold;
}

int main()
{
	Mat matSrc = imread("1.png", 0);
	GaussianBlur(matSrc, matSrc, Size(5, 5), 0);
	vector<vector<Point> > contours;//contours的類型，雙重的vector
	vector<Vec4i> hierarchy;//Vec4i是指每一個vector元素中有四個int型數據。
	//閾值
	threshold(matSrc, matSrc, 100, 255, THRESH_BINARY);
	imshow("threshold", matSrc);
	//尋找輪廓，這裏注意，findContours的輸入參數要求是二值圖像，二值圖像的來源大致有兩種，第一種用threshold，第二種用canny
	findContours(matSrc.clone(), contours, hierarchy,CV_RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point(0, 0));
	/// 計算矩
	vector<Moments> mu(contours.size());
	for (int i = 0; i < contours.size(); i++)
	{
		mu[i] = moments(contours[i], false);
	}
	///  計算中心矩:
	vector<Point2f> mc(contours.size());
	for (int i = 0; i < contours.size(); i++)
	{
		mc[i] = Point2f(mu[i].m10 / mu[i].m00, mu[i].m01 / mu[i].m00);
	}
	/// 繪製輪廓
	Mat drawing = Mat::zeros(matSrc.size(), CV_8UC1);
	for (int i = 0; i < contours.size(); i++)
	{
		Scalar color = Scalar(255);
		drawContours(drawing, contours, i, color, 2, 8, hierarchy, 0, Point());
		circle(drawing, mc[i], 4, Scalar(128), -1, 8, 0);	//中心用灰點表示
	}
	imshow("outImage",drawing);
	waitKey();
	return 0;
 
}

篩選最大連通域中心

#include "stdafx.h"
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace cv; 
using namespace std;
//otsu算法實現函數
int Otsu(Mat &image)
{
    int width = image.cols;
    int height = image.rows;
    int x = 0, y = 0;
    int pixelCount[256];
    float pixelPro[256];
    int i, j, pixelSum = width * height, threshold = 0;

    uchar* data = (uchar*)image.data;

    //初始化  
    for (i = 0; i < 256; i++)
    {
        pixelCount[i] = 0;
        pixelPro[i] = 0;
    }

    //統計灰度級中每個像素在整幅圖像中的個數  
    for (i = y; i < height; i++)
    {
        for (j = x; j<width; j++)
        {
            pixelCount[data[i * image.step + j]]++;
        }
    }


    //計算每個像素在整幅圖像中的比例  
    for (i = 0; i < 256; i++)
    {
        pixelPro[i] = (float)(pixelCount[i]) / (float)(pixelSum);
    }

    //經典ostu算法,得到前景和背景的分割  
    //遍歷灰度級[0,255],計算出方差最大的灰度值,爲最佳閾值  
    float w0, w1, u0tmp, u1tmp, u0, u1, u, deltaTmp, deltaMax = 0;
    for (i = 0; i < 256; i++)
    {
        w0 = w1 = u0tmp = u1tmp = u0 = u1 = u = deltaTmp = 0;

        for (j = 0; j < 256; j++)
        {
            if (j <= i) //背景部分  
            {
                //以i爲閾值分類，第一類總的概率  
                w0 += pixelPro[j];
                u0tmp += j * pixelPro[j];
            }
            else       //前景部分  
            {
                //以i爲閾值分類，第二類總的概率  
                w1 += pixelPro[j];
                u1tmp += j * pixelPro[j];
            }
        }

        u0 = u0tmp / w0;        //第一類的平均灰度  
        u1 = u1tmp / w1;        //第二類的平均灰度  
        u = u0tmp + u1tmp;      //整幅圖像的平均灰度  
                                //計算類間方差  
        deltaTmp = w0 * (u0 - u)*(u0 - u) + w1 * (u1 - u)*(u1 - u);
        //找出最大類間方差以及對應的閾值  
        if (deltaTmp > deltaMax)
        {
            deltaMax = deltaTmp;
            threshold = i;
        }
    }
    //返回最佳閾值;  
    return threshold;
}

int main()
{
	Mat matSrc = imread("1.png", 0);
	GaussianBlur(matSrc, matSrc, Size(5, 5), 0);
	vector<vector<Point> > contours;//contours的類型，雙重的vector
	vector<Vec4i> hierarchy;//Vec4i是指每一個vector元素中有四個int型數據。
	//閾值
	threshold(matSrc, matSrc, 100, 255, THRESH_BINARY);
	imshow("threshold", matSrc);
	//尋找輪廓，這裏注意，findContours的輸入參數要求是二值圖像，二值圖像的來源大致有兩種，第一種用threshold，第二種用canny
	findContours(matSrc.clone(), contours, hierarchy,CV_RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point(0, 0));
	//計算最大連通域中心點
	int index;
	double area, maxArea(0);
	for (int i = 0; i < contours.size(); i++)
	{
		area = contourArea(Mat(contours[i]));
		if (area > maxArea)
		{
			maxArea = area;
			index = i;
		}
	}
	// 計算矩
	vector<Moments> mu(contours.size());
	mu[index] = moments(contours[index], false);
	//  計算中心矩:
	vector<Point2f> mc(contours.size());
	mc[index] = Point2f(mu[index].m10 / mu[index].m00, mu[index].m01 / mu[index].m00);
	// 繪製輪廓
	Mat drawing = Mat::zeros(matSrc.size(), CV_8UC1);
	Scalar color = Scalar(255);
	drawContours(drawing, contours, index, color, 2, 8, hierarchy, 0, Point());
	circle(drawing, mc[index], 4, Scalar(128), -1, 8, 0);	//中心用灰點表示
	imshow("outImage",drawing);
	waitKey();
	return 0;
 
}