改进的二值图像像素标记算法及程序实现

笔者实现了一个论文里面的算法程序，论文（可以网上搜索到，实在搜不到可以联系笔者或留下邮箱发给你）讲解比较到位，按照作者的思路写完了代码，测试效果很好，在此分享一下算法思路及实现代码。

此算法优于一般的像素标记算法，只需扫描一遍就可以得出图像边界、面积等等，大大减少了计算量。

算法描述：

一、全图扫描

对二值图像全图扫描，左到右，上到下，一遇到像素边界就进行判断。像素边界指当前像素灰度为1，其他8领域至少有一个灰度值为0。

1.先依次判断当前像素（i,j）的左侧、左上侧、上侧像素和右上侧像素是否被已标记，一旦遇到已标记则说明当前像素（i,j）和这个已标记像素属于同一个目标，赋予Edge[i][j]相同的标记值，结束本像素标记，如四个像素都未标记则进入第二步。

2.当前像素右移一部，即变为（i,j+1），进入一子循环，每次循环判断当前像素右上侧像素是否已标记。如已标记则赋予Edge[i][j]相同的标记值并跳出循环结束，如当前像素右上侧像素未标记则右移一位像素继续判断，直到到达这一行像素的右侧边界，跳出循环说明像素（i,j）属于新目标。则原来最大目标标记值temp加1并赋予Edge[i][j],结束本像素标记。

这一大步需要注意可能会有同一类别被分到不同目标，需要全图扫描时进行判断，主要是凹形。

二、扫描后处理

1.归类。前面记录的等价标记数组只是记录了两两等价情况，而实际可能超过两个，如三个等价。这里需要补充的是，Same2数组是一个tempX1的数组，第几行就对应第几个目标处理情况。依次扫描Same1数组每一行，在Same2中修改类别值，保证统一类的值归为一类。

2.标以正确的目标值。经过上一步，属于同一目标的像素标记值都已归为一类，有几类就有几个带下凹的目标，再加上0的个数(不带下凹的目标个数)就是实际目标总数。顺序扫描Same2,遇到0说明该行号表示的目标位没有下凹的，result+1赋予Same3的同一行，遇到非零数字，则看它是否第一次出现，如果第一次出现，result+1并赋予Same3同一行，如Same2这一行的值不是第一次出现，则把前***有相同数字那一行在Same3中同行的值赋予Same3的这一行，直到检测完Same2。最后在Same3的最后数字表示的就是目标数。

3.根据得到目标数进行目标划分，整个图像就被分到了几个目标值。得到的目标值可以统计目标数目、实现面积、周长和质心等特征值。

程序代码：

//改进的像素标记算法实现代码及注释

//作者用这个算法来绘制目标外接矩形用的

//返回找到图像目标处理凹形数目，参数frame是原始二值图像，num为处理前凹形找到目标数目，s和e分别表示绘制矩形的开始点和结束点

int pixelFlag(cv::Mat &frame,int &num,vector<Point2f> &s,vector<Point2f> &e)//返回个数

{

//frame.

int kind=0,kindEnd=0,kindResult=0;//归类类别

vector<int> same1[2];//可疑边界目标
int edge[frame.rows][frame.cols];//表明边界属于哪个类

memset(edge,0,sizeof(edge));

//qDebug()<<frame.channels();

//扫描每个像素判断

for(int i=1;i<frame.rows-1;i++)

for(int j=1;j<frame.cols-1;j++)

{

if((frame.at<uchar>(i,j)!=0)&&(!frame.at<uchar>(i-1,j)||!frame.at<uchar>(i-1,j-1)||!frame.at<uchar>(i-1,j+1)

||!frame.at<uchar>(i,j-1)||!frame.at<uchar>(i,j+1)||!frame.at<uchar>(i+1,j-1)

||!frame.at<uchar>(i+1,j)||!frame.at<uchar>(i+1,j+1)))//判断边界点

{

if(edge[i][j-1])//判断是否紧邻已被标物体 左

{

edge[i][j]=edge[i][j-1];

}

else

if(edge[i-1][j-1])//左上

{

edge[i][j]=edge[i-1][j-1];

}

else

if(edge[i-1][j])//上

{

edge[i][j]=edge[i-1][j];

}else

if(edge[i-1][j+1])//右上

{

edge[i][j]=edge[i-1][j+1];

}else

{

int f=0;

while(frame.at<uchar>(i,j+f)&&((j+f)<frame.cols-1))//右移判断

{

if(edge[i-1][j+f+1])

{

edge[i][j]=edge[i-1][j+f+1];

break;

}

else

{

f++;

}

}

if(!frame.at<uchar>(i,j+f))//未找到处理

{

kind++;

edge[i][j]=kind;
}

}

if(edge[i][j]&&edge[i-1][j+1])//如果当前点和右上不在一个类别就记录

{

if(edge[i][j]!=edge[i-1][j+1])

{

same1[0].push_back(edge[i][j]);

same1[1].push_back(edge[i-1][j+1]);

}

}
 

}

}
//处理扫描后的结果

int same2[kind];memset(same2,0,sizeof(same2));

int sameEnd[kind];memset(sameEnd,0,sizeof(sameEnd));

//QDebug debug;

if(!same1[0].empty())

{

for(uint i=0;i<same1[0].size();i++)

{

if((!same2[same1[0][i]-1])&&(!same2[same1[1][i]-1]))//如果都没有处理，种类加1

{

kindEnd++;

same2[same1[0][i]-1]=kindEnd;

same2[same1[1][i]-1]=kindEnd;

}else

if(same2[same1[0][i]-1]&&same2[same1[1][i]-1])

{

same2[same1[0][i]-1]=same2[same1[1][i]-1];
}else

if(!same2[same1[0][i]-1]&&same2[same1[1][i]-1])

{

same2[same1[0][i]-1]=same2[same1[1][i]-1];

}else if(same2[same1[0][i]-1]&&!same2[same1[1][i]-1])

{

same2[same1[1][i]-1]=same2[same1[0][i]-1];

}
}

}
for(int i=0;i<kind;i++)//复制到sameend

{
if(!same2[i])

{

kindResult++;

sameEnd[i]=kindResult;

}

else

//if(same2)

{

int j=0;

while(j<i)

{

if(same2[j]==same2[i])

{

break;

}

j++;

}

if(j<i)

{

sameEnd[i]=sameEnd[j];

}else

{

kindResult++;

sameEnd[i]=kindResult;

}
}

}

num=kind;

//对边界进行处理

for(int i=1;i<frame.rows-1;i++)

for(int j=1;j<frame.cols-1;j++)

{

if(edge[i][j])

{

edge[i][j]=sameEnd[edge[i][j]-1];

}

}

for(int i=0;i<kindResult;i++)

{

s.push_back(Point2f(1000,1000));

e.push_back(Point2f(0,0));

}

for(int i=1;i<frame.rows-1;i++)//求边界对角点

for(int j=1;j<frame.cols-1;j++)

{

if(edge[i][j])

{

if(s[edge[i][j]-1].y>i)

{

s[edge[i][j]-1].y=i;

}

if(s[edge[i][j]-1].x>j)

{

s[edge[i][j]-1].x=j;

}

if(e[edge[i][j]-1].y<i)

{

e[edge[i][j]-1].y=i;

}
if(e[edge[i][j]-1].x<j)

{

e[edge[i][j]-1].x=j;

}

}

}

return kindResult;
}

效果如下：