c++ - 如何为二进制图像中的形状重新着色以进行索引(填充)？

Question

我创建了带有阈值的二进制图像。如下图所示如何改变白色形状的颜色以使其可索引？

到目前为止，这是我的代码:

void threshold()
{
    cv::Mat src_8uc3_img = cv::imread("images/train.png", CV_LOAD_IMAGE_GRAYSCALE); // load color image from file system to Mat variable, this will be loaded using 8 bits (uchar)

    if (src_8uc3_img.empty()) {
        printf("Unable to read input file (%s, %d).", __FILE__, __LINE__); 
    }

    double thresh = 0;
    double maxValue = 255;

    cv::Mat thresh_holding = src_8uc3_img.clone();
    cv::Mat indexing = src_8uc3_img.clone();
    cv::imshow("Train", src_8uc3_img);

    for (int y = 0; y < thresh_holding.rows ; y++) {
        for (int x = 0; x < thresh_holding.cols ; x++) {
            uchar thX = thresh_holding.at<uchar>(y, x);
            if (thX < 128 ) {
                thresh_holding.at<uchar>(y, x) = thresh;
            }
            else if (thX>128){
                thresh_holding.at<uchar>(y, x) = maxValue;
            }
        }
    }

    cv::imshow("ThreshHolding", thresh_holding);

    cv::waitKey(0); // wait until keypressed

}

Answer 1

首先，它是“阈值”，而不是“阈值保持”。这意味着设置/应用阈值，而不意味着保持阈值。

您想要的显然是找到图像的connected components。除非您想学习基本的图像处理，否则首先要使用 threshold() 函数。然后不要使用findContours() / drawContours() ，因为它们很慢。如果要使用不同的连接组件，请使用 connectedComponents() :速度很快，并且每个组件都有一个不同的标签。根据索引，颜色取决于您。

受Alex Alex Python答案的启发，您可以在此处找到C++版本:

#include <opencv2/opencv.hpp>

int main(void)
{
    using namespace cv;
    // Read image
    Mat1b img = imread("input.png", IMREAD_GRAYSCALE);
    // Make sure it's binary
    threshold(img, img, 128, 255, THRESH_BINARY);
    // Extract connected components
    Mat1i labels;
    int nlabels = connectedComponents(img, labels);
    // Make the connected components from 0 to 255 (assume less than 256 labels)
    img = labels * 255 / nlabels;
    // Make the labels colored
    Mat3b colored, output;
    applyColorMap(img, colored, COLORMAP_JET);
    // Mask background with zeros in original image
    colored.copyTo(output, img);
    // Write output
    imwrite("output.png", output);
}

唯一的区别是，我为图像指定了类型，以便将 img的分配也转换为8 bpp。输入的 Mat更好用。