将图像对象分成相等像素的N个部分方法

编程问答 2022-08-12

问题描述

对不起，这更多是算法问题，而不是编码问题，但是我不确定该放在哪里。为简单起见，假设您有一个二进制图像（白色背景，前景中为纯黑色物体）

示例： sample input

我想将此对象（仅表示黑色像素）划分为N个部分，所有部分均具有相同的像素数（因此每个部分应包含（1 / N）*（黑色像素总数）。） >

使用我当前使用的算法，我（1）找到黑色像素的总数，然后（2）除以N。然后（3）逐行扫描图像，标记所有黑色像素。结果看起来像这样：

current output sketch

问题是最后一个（黄色）部分，该部分不是连续的。我想以一种更有意义的方式来划分图像，像这样：

ideal output

基本上，我希望各部分之间的边界尽可能短。

我已经为此感到困惑了一段时间，但是我的旧代码不再适用了。我只需要一种识别部分的方法，最终将每个部分输出为单独的图像，并输入图像的灰度副本，其中每个像素的值对应于其部分编号（这些我不需要帮助。与）。有什么想法吗？

解决方法

我只需要一种方法来识别部分

因此，我尝试了几种方法，这些方法可能有助于指导原则：

  • 查找图像轮廓
  • 找到轮廓的moments并检测重心。
  • 对于外角，您只需使用convex hull
  • 找到最靠近轮廓线的点（将是内角）
  • 然后您可以通过使用这些要点将其分离到所需区域

以下是结果和代码：

enter image description here 

#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include <iostream>
using namespace cv;
using namespace std;

vector<Point>innerCorners;
bool isClose(Point test);
int main()
{
    Mat src_gray;
    int thresh = 100;
    Mat src = imread("image/dir/star.png");
    cvtColor( src,src_gray,COLOR_BGR2GRAY );
    namedWindow( "Source",WINDOW_NORMAL );

    Mat canny_output;
    Canny( src_gray,canny_output,thresh,thresh*2 );
    vector<vector<Point> > contours;
    findContours( canny_output,contours,RETR_TREE,CHAIN_APPROX_SIMPLE );
    vector<Vec4i> hierarchy;
    vector<vector<Point> >hull( contours.size() );

    vector<Moments> mu(contours.size() );
    for( int i = 0; i <(int)contours.size(); i++ )
    { mu[i] = moments( contours[i],false ); }

    for( size_t i = 0; i < contours.size(); i++ )
     {
         if(contours[i].size()>20)
             convexHull( contours[i],hull[i] );
     }

    vector<Point2f> mc( contours.size() );
    for( int i = 0; i <(int)contours.size(); i++ )
    { mc[i] = Point2f( mu[i].m10/mu[i].m00,mu[i].m01/mu[i].m00 ); }

    Mat drawing = Mat::zeros( canny_output.size(),CV_8UC3 );
    int onlyOne = 1;
    for( size_t i = 0; i< contours.size(); i++ )
    {
        if(contours[i].size()>20 && onlyOne)
        {
            circle( src,mc[i],4,Scalar(0,255,255),-1,8,0 );
            Scalar color = Scalar(255,0);
            drawContours( drawing,(int)i,color );
            drawContours( src,hull,color,5 );

            Point centerMass = mc[i];
            for(int a=0; a<(int)contours[i].size();a++)
            {
                if(cv::norm(cv::Mat(contours[i][a]),Mat(centerMass))<200 && isClose(contours[i][a]))
                {
                    circle(src,contours[i][a],5,10);
                    innerCorners.push_back(contours[i][a]);
                    line(src,centerMass,5);
                }
            }

            onlyOne = 0;
        }
    }
    namedWindow( "Hull demo",WINDOW_NORMAL );
    imshow( "Hull demo",drawing );
    imshow("Source",src );


    waitKey();
    return 0;
}

bool isClose(Point test){
    if(innerCorners.size()==0)
        return 1;

    for(Point a:innerCorners)
        if((cv::norm(cv::Mat(a),cv::Mat(test)))<70)
            return 0;
    return 1;
}
algorithmimage-processingmatlabopencvtheory