Python opencv连通域-优快云博客

本文介绍了如何使用OpenCV的connectedComponentsWithStats函数进行图像连通域检测，包括函数参数、示例代码以及测试结果。通过实例展示了如何标记和可视化不同连通域，适用于图像处理和计算机视觉任务。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、求解连通域

Opencv 连通域函数connectedComponentsWithStats

num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(image)

输入：

image：必须是二值化图像，检测的连通域为白色部分。

输出：

num_labels：所有连通域的数目

labels：图像上每一像素的标记，用数字1、2、3…表示（不同的数字表示不同的连通域）

stats：每一个标记的统计信息，是一个5列的矩阵，每一行对应每个连通区域的外接矩形的 x（左上角）、y（左上角）、width（宽度）、height（高度）和面积（点的数量），示例如下： 0 0 720 720 291805。

centroids：连通域的中心。

2、示例代码

import cv2
import numpy as np

if __name__ == '__main__':
    image = np.zeros((640, 640)).astype(np.uint8)
    #绘制圆形
    image = cv2.circle(image, (100, 100), 50, 255, -1)
    #绘制多边形
    points = [[200, 200], [300, 100], [400, 400], [250, 300]]
    cv2.fillPoly(image, np.array([points]), 255, cv2.LINE_AA)
    #绘制矩形
    cv2.rectangle(image, (200,500), (500, 600), 255, -1)
    cv2.imshow('image', image)
    num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(image)
    print('num_labels: ', num_labels)
    labels[labels>0] = 255
    labels = labels.astype(np.uint8)
    #将一维灰度图像扩展到三维
    labels= np.expand_dims(labels,axis=2).repeat(3,axis=2).astype(np.uint8)
    for st in stats[1:]:
        cv2.rectangle(labels, (st[0], st[1]), (st[0]+st[2], st[1]+st[3]), (0, 255, 0), 3)
    cv2.imshow('labels', labels)
    cv2.waitKey(0)