从图像中删除像素值总和 < 阈值的连通分量

Posted 2023-02-22

【中文标题】从图像中删除像素值总和 < 阈值的连通分量

【英文标题】：Remove connected components from image which have a sum of pixel values < threshold

【发布时间】：2018-02-07 16:52:45

【问题描述】：

简单来说，这是一个可用输入和我想要的相应输出的示例：

In: [ 0 0 0 0 0 0 1 0 1 0
      0 6 6 0 0 0 0 1 1 0
      0 8 9 0 0 0 0 0 1 1
      8 0 0 0 9 9 0 0 0 0
      0 0 0 0 8 8 0 0 0 0
      0 0 0 0 0 0 0 0 0 0
      9 9 7 0 0 0 0 0 1 0
      0 6 8 0 0 0 0 3 2 0
      0 0 0 0 0 0 0 2 1 0
      0 0 0 0 0 0 0 0 0 0 ]

使用cv2.connectedComponents()二值化并获得标记图像后：

labels: [ 0 0 0 0 0 0 1 0 1 0
          0 2 2 0 0 0 0 1 1 0
          0 2 2 0 0 0 0 0 1 1
          2 0 0 0 3 3 0 0 0 0
          0 0 0 0 3 3 0 0 0 0
          0 0 0 0 0 0 0 0 0 0
          4 4 4 0 0 0 0 0 5 0
          0 4 4 0 0 0 0 5 5 0
          0 0 0 0 0 0 0 5 5 0
          0 0 0 0 0 0 0 0 0 0 ]

从这里，我想要以下输出：

Out: [0 0 0 0 0 0 0 0 0 0
      0 6 6 0 0 0 0 0 0 0
      0 8 9 0 0 0 0 0 0 0
      8 0 0 0 9 9 0 0 0 0
      0 0 0 0 8 8 0 0 0 0
      0 0 0 0 0 0 0 0 0 0
      9 9 7 0 0 0 0 0 0 0
      0 6 8 0 0 0 0 0 0 0
      0 0 0 0 0 0 0 0 0 0
      0 0 0 0 0 0 0 0 0 0 ]

存在许多连接组件（在本例中：8 连接的 5 个组件）。 （In 的）像素总和 Out 中被删除。

如何在 C++ 中实现这一点（可能使用 OpenCV）？

我已经使用 OpenCV 在 Python 上完成了它，但无法在 C++ 上实现。

这是我 Python 代码的一部分，如果有用的话（labels 是 cv2.connectedComponents() 的输出）：

for cnt in range(1, labels.max()+1): 
        idx = np.where(labels.copy() == cnt)
        valMat = In[idx]
        sum_valMat = sum(valMat)
        if sum_valMat > 3000:
            fingerNodes[idx] = 0

输入是一个简单的二维矩阵。这是一个连接组件的例子：

【问题讨论】：

定义“blob”。 ...

我已经编辑了这个问题。我希望它足够清楚。

并非如此。连通性与零有关，对吗？非零点的对角相邻是否构成连接？还是必须是左右连接？

零是背景。我的意思是所有非零元素之间的连通性。

从图中可以看出，对角线算作连接。原著中没有这样的例子。

【参考方案1】：

你已经在 Python 中实现了这个，所以你知道如何解决这个问题。我想能够在 C++ 中实现它是知道你想要使用的库的问题。

您的 Python 实现效率非常低：您遍历标签，并为每个标签访问每个图像像素 (idx = np.where(labels.copy() == cnt))。如果您有多个标签，这可能会变得非常昂贵。

在下面的代码中，我循环遍历图像一次以累积每个标签的图像强度总和，然后使用计算的总和绘制图像（对于带有标签的每个像素，查找总和为该标签），然后再对该图像进行阈值处理。然后，我将此阈值图像用作掩码，将输入图像中您不想保留的像素设置为 0。

我在这里使用DIPlib。虽然我确信如果你真的想使用它，你可以使用 OpenCV 以某种方式复制它。

#include "diplib.h"
#include "dipviewer.h"
#include "diplib/file_io.h"
#include "diplib/regions.h"
#include "diplib/measurement.h"

int main() 
   // Create a test image with similar properties to your example
   dip::Image input = -dip::ImageReadICS( "/Users/cris/newdip/examples/cermet.ics" );
   input.At( input < 120 ) = 0;
   // Display
   dip::viewer::ShowSimple( input, "input image" );
   // Threshold and label
   dip::Image label = dip::Label( input > 0 );
   // Obtain sum of pixels per label
   dip::MeasurementTool measurementTool;
   auto msr = measurementTool.Measure( label, input,  "Mass"  );
   // Paint each label with the measured value
   dip::Image feature = dip::ObjectToMeasurement( label, msr[ "Mass" ] );
   // Create output as a copy of the input, with low feature values set to 0
   dip::Image output = input.Copy();
   output.At( feature < 100000 ) = 0;
   // Display
   dip::viewer::ShowSimple( output, "output image" );
   dip::viewer::Spin();

【讨论】：

感谢您的详细解答！你是对的，我也知道要使用的函数，但我就是不知道如何编码（我是 C++ 新手）。这正是我想要的，除了我更喜欢使用 OpenCV。这只是使用 OpenCV 的较大代码的一小部分。我会用你的答案，它可能对我有帮助:) 谢谢！

【参考方案2】：

如果你想坚持使用 opencv，你可以使用cv::calcHist 来计算每个标签的出现次数，以及对应于小于 10 的 bin 值的 filrerout 值。 然后应将生成的标记图像二值化，并按元素乘以源以获得所需的结果。

【讨论】：

我尝试用 C 或 C++ 编写代码，结果卡在了那里（我可以用 Python 轻松完成，因为它很简单）