2图像连通域_每日习题-图像处理-4、8邻接连通域标记-2020.5.1

阅读： 评论：0

2图像连通域_每⽇习题-图像处理-4、8邻接连通域标记-

2020.5.1

题⽬地址：gzr2017/ImageProcessing100Wen

# 第58题 4邻接连通域标记

def connected_component_labeling_4(image):

H, W, C = image.shape

加工pcb板label = np.zeros((H, W), dtype=np.int)

# 将⽩⾊区域标记为1

label[image[:, :, 0] > 0] = 1

# 建⽴⼀个标签盒，表⽰表内所检测到的所有⽩⾊连通域

LT = np.zeros((1, H*W)).astype(np.uint8)

城市通讯

n = 1

for h in range(H):

for w in range(W):

if label[h, w] == 0:

continue

# 判断该像素上⽅和左侧是否已被标记雷击次数

c_up = label[max(h-1, 0), w]

c_left = label[h, max(w-1, 0)]

# 如上⽅和左⽅未标记，则视为完全未标记的区域

# 有可能重复计算同⼀区域，需要进⾏标签筛选

if c_up < 2 and c_left < 2:

n += 1

label[h, w] = n

# 若为已标记的区域

else:

c_near = [c_up, c_left]

# 剔除0标签，也就是⿊⾊区域

_c_near = [a for a in c_near if a > 1]

c_min = min(_c_near)

label[h, w] = c_min

min_label = c_min

# 将新标签加⼊标签盒中并检验重复

for index in _c_near:

if LT[0, index] != 0:

min_label = min(min_label, LT[0, index])

for index in _c_near:

LT[0, index] = min_label

# 标签重新按由⼩到⼤排列

count = 1

for l in range(2, n+1):

flag = True

for i in range(n+1):

if LT[0, i] == l:

纳米碳化硅if flag:

count += 1

flag = False

LT[0, i] = count

# 标签区域上⾊

Colors = [[0, 0, 255], [0, 255, 0], [255, 0, 0]]

result = np.zeros_like(image).astype(np.uint8)

for i, lt in enumerate(LT[0, 2:]):铅封螺丝

result[label == (i+2)] = Colors[lt % len(Colors)]

return result

# 第59题 8邻接连通域标记

def connected_component_labeling_8(image):

小型变速箱

H, W, C = image.shape

label = np.zeros((H, W), dtype=np.int)

# 将⽩⾊区域标记为1

label[image[:, :, 0] > 0] = 1

如有任何问题或错误，欢迎在评论区讨论和指正

本文发布于:2023-06-19 05:32:15，感谢您对本站的认可！

本文链接：https://patent.en369.cn/patent/3/144339.html

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。

上一篇：XStream添加CDATA标签解析

下一篇：深度学习，图片数据集生成标签文件列表，即文件（lmdb文件格式）

标签：标记   标签   区域   评论   欢迎   图像处理