Python中连通域分割Two-Pass算法的原理与实现详解
作者:微小冷
两遍扫描法( Two-Pass ),正如其名,指的就是通过扫描两遍图像,将图像中存在的所有连通域找出并标记,本文将详细介绍Two-Pass算法的原理与实现,需要的可以参考下
连通域Two-Pass算法
在没有任何先验知识的情况下,想完成连通域的搜索,几乎最直接的想法,就是遍历图像所有像素点,如果两个像素点相连接,便将二者视为一体,直到遍历所有的像素。但这种遍历在遇到类似下面的图像时就会出现问题。
上面的矩阵中,数字代表有效像素,如果扫描顺序是从左向右,从上到下,那么在扫描第二行时,2并不和1联通,3尽管和1,2均联通,但只能赋予1个编号,从而上面的情况最终标记如下
所以,原本属于一个连通域的3个像素点,被分为1,3和2两个区域,所以需要再去遍历一次,把相邻的不同编号统一,这就是Two-Pass算法的基本思想。
数据准备
在具体实现算法之前,先准备一张二值图像,并封装一个绘图函数。
import matplotlib.pyplot as plt from scipy.ndimage import binary_erosion import numpy as np path = r"coin.png" img = plt.imread(path).astype(float) img = np.mean(img, axis=2) th = 0.513 # climb(img, 0.1, 0, 0.01) b = img>0.4 def drawImg(im1, im2, c1='jet', c2='jet'): fig = plt.figure() ax = fig.add_subplot(121) plt.imshow(im1, cmap=c1) plt.axis('off') ax = fig.add_subplot(122) plt.imshow(im2, cmap=c2) plt.axis('off') plt.show() b = img>0.4 bb = binary_erosion(b, np.ones([5,5]))
第一次
第一次扫描的目的是建立当前像素与左边和上边的像素之间的联通关系,同时需要一个字典保存这种映射,为后续的连通域合并做准备。
def firstPass(inImg): L = 0 # 标记号 outImg = inImg.astype(float) h, w = inImg.shape dct = {} for i,j in product(range(h), range(w)): if inImg[i,j] == 0: continue neighbors = [] # 记录符合要求的邻域前景 if i-1> 0 and inImg[i-1, j]>0: neighbors.append(outImg[i-1, j]) if j-1 > 0 and inImg[i, j-1] > 0: neighbors.append(outImg[i, j-1]) if len(neighbors) == 0: L += 1 outImg[i,j] = L dct[L] = [[i],[j]] else: tmpL = min(neighbors) outImg[i,j] = tmpL dct[tmpL][0].append(i) dct[tmpL][1].append(j) return outImg, dct
实验效果如下
c1, d = firtPass(bb) drawImg(bb, c1)
第二次
第二次扫描的目的是,将属于同一连通域,但编号不同的区域,赋予相同的序号。为此 ,需要再次遍历图像,并通过第一次遍历得到的映射字典,来完成连通域的合并。
def secondPass(outImg, dct): outImg = outImg * 1 print('version') for i,j in zip(*np.where(outImg!=0)): Ls = [outImg[i,j]] if i-1>0 and outImg[i-1,j] != 0: Ls.append(outImg[i-1,j]) if j-1 > 0 and outImg[i, j-1] != 0: Ls.append(outImg[i, j-1]) Ls = np.unique(Ls) if len(Ls)<2: continue minL = np.min(Ls) for L in Ls: if L == minL: continue y,x = dct[L] outImg[y,x] = minL dct[minL][0].extend(dct[L][0]) dct[minL][1].extend(dct[L][1]) del dct[L] u = np.unique(outImg) u = np.sort(u) # 排序 N = len(u) - 1 # 此为图标数 for i in range(1, N+1): outImg[outImg==u[i]] = i N = len(np.unique(outImg)) return N, outImg
效果如下
n, c2 = secondPass(c1, d) drawImg(c1, c2)
到此这篇关于Python中连通域分割Two-Pass算法的原理与实现详解的文章就介绍到这了,更多相关Python连通域分割内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!