floodFill詳解

https://blog.csdn.net/weixin_42296411/article/details/80966724

函數原型

參數：

       image 【輸入/輸出】 1或者3通道、 8bit或者浮點圖像。僅當參數flags的FLOODFILL_MASK_ONLY標誌位被設置時image不會被修改，否則會被修改。

       mask 【輸入/輸出】 操作掩碼，必須爲單通道、8bit，且比image寬2個像素、高2個像素。使用前必須先初始化。Flood-filling無法跨越mask中的非0像素。例如，一個邊緣檢測的結果可以作爲mask來阻止邊緣填充。在輸出中，mask中與image中填充像素對應的像素點被設置爲1，或者flags標誌位中設置的值(詳見flags標誌位的解釋)。此外，該函數還用1填充了mask的邊緣來簡化內部處理。因此，可以在多個調用中使用同一mask，以確保填充區域不會重疊。

       seedPoint 起始像素點

       newVal   重繪像素區域的新的填充值(顏色)

       rect      可選輸出參數，返回重繪區域的最小綁定矩形。

       loDiff     當前選定像素與其連通區中相鄰像素中的一個像素，或者與加入該連通區的一個seedPoint像素，二者之間的最大下行差異值。

       upDiff    當前選定像素與其連通區中相鄰像素中的一個像素，或者與加入該連通區的一個seedPoint像素，二者之間的最大上行差異值。

       flags     flags標誌位是一個32bit的int類型數據，其由3部分組成： 0-7bit表示鄰接性(4鄰接、8鄰接)；8-15bit表示mask的填充顏色；16-31bit表示填充模式（詳見填充模式解釋）

flood fill填充模式:

//! floodfill algorithm flags

enum FloodFillFlags {

    /** If set, the difference between the current pixel andseed pixel is considered. Otherwise,

   the difference between neighbor pixels is considered (that is, the rangeis floating). */

   FLOODFILL_FIXED_RANGE = 1 << 16,

    /** If set, the function does not change the image ( newValis ignored), and only fills the

   mask with the value specified in bits 8-16 of flags as described above.This option only make

   sense in function variants that have the mask parameter. */

   FLOODFILL_MASK_ONLY   = 1 <<17

};

FLOODFILL_FIXED_RANGE：如果設置了該值，則考慮當前像素與seed像素之間的差異，否則考慮相鄰像素之間的差異(即浮動區間)。

FLOODFILL_MASK_ONLY：如果設置了該值，floodFill函數不會修改image的內容(newVal被忽略)，只使用flags標誌中bit8-15的值填充mask。該選項僅在含mask參數的floodFill函數中有效。

函數作用：

       用給定的顏色填充一個連通區域。

 

下面我們通過Code來演示floodFill函數的用法及效果：

先創建一個20*10像素的灰度圖像，爲了便於觀察，我們以60個灰度爲一個等級填充圖片。

Code-1：

import cv2
import numpy as np
 
img = np.zeros((20,10), dtype=np.uint8)
i = 0 
for v in img:
    v[:] = i//5 * 60
    i += 1
    
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

得到的圖片輸出(爲方便觀察，使用畫圖軟件打開，下同)：

該圖片被分爲4個橫條塊，其灰度值自頂向下依次爲：0、60、120、180。

       接下來，我們選定seed=(7,7), 該點落在這裏(下圖第二個橫條小白點處)：

       我們選定該點作爲seedPoint，對img圖片進行floodFill。

Code-2：

#encoding=utf-8
import cv2
import numpy as np
 
img = np.zeros((20,10), dtype=np.uint8)
i = 0 
for v in img:
    v[:] = i//5 * 60
    i += 1
    
cv2.imwrite('img_init.png', img)
 
seed = (7, 7) 
#構建mask,根據mask參數的介紹,其size必須爲寬img+2,高img+2
mask = np.zeros((img.shape[0]+2, img.shape[1] +2), dtype=np.uint8)
newVal = (127) #img fill的填充值
mask_fill = 252 #mask的填充值
#floodFill充值標誌
flags = 4|(mask_fill<<8)|cv2.FLOODFILL_FIXED_RANGE
#連通區範圍設定
loDiff, upDiff = 20,20
#執行floodFill操作
ret, image, mask, rect = cv2.floodFill(img, mask, seed, newVal,(loDiff), (upDiff), flags)
cv2.imwrite('img.png', img)
cv2.imwrite('img_mask.png', mask)

floodFill前、後的img圖像(左前右後)：

 

對比發現，img圖像的第二行顏色變了，check一下第二行的顏色值，發現變爲了127，這與Code-2中

newVal =(127)#img fill的填充值

是一致的：

再check一下得到的mask圖像:

其像素值爲：

我們觀察mask的像素組成會發現，執行floodFill後得到的mask值，其被填充部分的值來自於：

mask_fill =252 #mask的填充值

並且，最外圍邊緣一週的像素點，全部被填充爲1，這與mask參數的描述完全一致。

       接下來，我們調整一下loDiff的值爲70，我們看看會有什麼不一樣：

loDiff, upDiff =70,20

得到的img圖像爲：

與原始img圖片對比：

觀察floodFill後的img像素值：

我們發現img圖像第一、二行的值均被置爲127了，這是因爲當loDiff值爲70時，seed=(7,7)所在點的值爲60，而60-loDiff=-10,60+upDiff=80,而img圖片第一、二行的像素值分別爲0和60，均值[-10,80]這個區間內，故img圖片第一、二行均被填充。

 

以上都是基於FLOODFILL_FIXED_RANGE這種填充方式的，下面我們對比一下使用FLOODFILL_MASK_ONLY方式來填充會有什麼不一樣。其他code保存不變，我們只需將

flags =4|(mask_fill<<8)|cv2.FLOODFILL_FIXED_RANGE

改爲：

flags =4|(mask_fill<<8)|cv2.FLOODFILL_MASK_ONLY

運行程序後，發現img圖片第一、第二行的值均未發生變化：

但mask圖片第一、第二行的值與前面使用FLOODFILL_FIXED_RANGE時是一樣的：

故此，可以驗證前面對FLOODFILL_MASK_ONLY的解釋，隻影響mask的輸出，對image無影響。

 

最後，對flags的0-7bit鄰接性進行分析。

相鄰像素

1)     4領域

對位於座標(x,y)的像素p有4個水平和垂直的相鄰像素，它們的座標是：

(x+1,y), (x-1,y),(x,y+1),(x,y-1)

這組像素稱爲p的4鄰域，用N₄(p)表示：

對角相鄰像素

p的四個對角像素的座標爲：

(x+1,y+1), (x+1,y-1),(x-1,y+1),(x-1,y-1)

用N_D(p)表示：

8領域

N₄(p)和N_D(p)組成像素p的8個相鄰像素，稱爲p的8鄰域，用N₈(p)表示：

鄰接性

4鄰接-如果q在集合N₄(p)中，則p和q是4鄰接。

8鄰接-如果q在集合N₈(p)中，則p和q是8鄰接。

最後，通過代碼來演示一下：

Code-3-1:

#encoding=utf-8
#創建一個8x8的圖片
import cv2
import numpy as np
 
size = 8
img = np.zeros((size,size), dtype=np.uint8)
img[:] = 0
img[4,4] = 1
img[3,4] = 1
img[4,3] = 1
img[4,5] = 1
img[5,4] = 1
img[2,4] = 1
img[1,5] = 1
img[1,3] = 1
img[2,2] = 1
img[3,1] = 1
img[4,0] = 1
img[5,1] = 1
img[6,2] = 1
img[7,3] = 1
print(img)

創建一個以p(4,4)爲中心像素的8x8圖像：

下面以p(4,4)作爲seed，對該圖像進行floodFill操作,對比4鄰接和8鄰接的差異。

Code-3-2：

#encoding=utf-8
#創建一個8x8的圖片
import cv2
import numpy as np
 
size = 8
img = np.zeros((size,size), dtype=np.uint8)
img[:] = 0
seed_x = 4
seed_y = 4
img[seed_x, seed_y] = 1
img[4,4] = 1
img[3,4] = 1
img[4,3] = 1
img[4,5] = 1
img[5,4] = 1
img[2,4] = 1
img[1,5] = 1
img[1,3] = 1
img[2,2] = 1
img[3,1] = 1
img[4,0] = 1
img[5,1] = 1
img[6,2] = 1
img[7,3] = 1
 
seed = (seed_x, seed_y)
mask= np.zeros((size+2,size+2), dtype=np.uint8)
 
img1 = img.copy()
img2 = img.copy()
mask1 = mask.copy()
mask2 = mask.copy()
 
ret, img1,mask1, rect=cv2.floodFill(img1, mask1, seed,(8), (0),(0), flags=4|(3<<2)|cv2.FLOODFILL_FIXED_RANGE)
ret, img2,mask2, rect=cv2.floodFill(img2, mask2, seed,(8), (0),(0), flags=8|(3<<2)|cv2.FLOODFILL_FIXED_RANGE)
print(img)
print(img1)
print(img2)

img1爲4鄰接填充：

img2爲8鄰接填充：