在没有 scipy 的情况下对二值化图像中的对象进行计数

Question

我正在尝试计算我已经二值化的图像中对象的数量，但是，我不允许使用 scipy 或 numpy 包，因此我不能使用 scipy.ndimage.label，有什么想法吗？我尝试计算了 80 多个对象，但只有 13 个（用 scipy 计算）

def label(img):
    n=1
    for i in range(h):
        for j in range(c):
            if img[i][j]==255:
                if img[i-1][j]!=0 and img[i-1][j]!=255:
                    img[i][j]=img[i-1][j]
                elif img[i+1][j]!=0 and img[i+1][j]!=255:
                    img[i][j]=img[i-1][j]
                elif img[i][j+1]!=0 and img[i][j+1]!=255:
                    img[i][j]=img[i][j+1]                    
                elif img[i][j-1]!=0 and img[i][j-1]!=255:
                    img[i][j]=img[i][j-1]
                else:
                    img[i][j]=n
                    if img[i-1][j]!=0:
                        img[i-1][j]=img[i][j]
                    if img[i+1][j]!=0:
                        img[i+1][j]=img[i][j]                        
                    if img[i][j+1]!=0:
                        img[i][j+1]=img[i][j]
                    if img[i][j-1]!=0:
                        img[i][j-1]=img[i][j]                        
                    n+=1
            elif img[i][j]!=0:
                if img[i-1][j]!=0:
                    img[i-1][j]=img[i][j]
                if img[i+1][j]!=0:
                    img[i+1][j]=img[i][j]  
                if img[i][j+1]!=0:
                    img[i][j+1]=img[i][j]  
                if img[i][j-1]!=0:
                    img[i][j-1]=img[i][j]                
    return img,n

Answer 1

你会想要像 https://codereview.stackexchange.com/questions/148897/floodfill-algorithm, which implements https://en.wikipedia.org/wiki/Flood_fill 这样的东西。如果可行，它非常适合 numba 或 cython。

也许您可以使用 OpenCV，它已经提供了 floodfill：https://docs.opencv.org/3.4/d7/d1b/group__imgproc__misc.html#gaf1f55a048f8a45bc3383586e80b1f0d0.

假设您已二值化，因此背景为颜色 1，对象为颜色 0。设置 c = 2，扫描零像素，并用颜色 c 对其进行填充。现在增加 c，扫描零，填充，起泡沫，冲洗，重复。您最终会得到带有不同颜色的每个对象，因此您可以将其用作隔离遮罩。不同的颜色在调试过程中非常有用，但如果您只想计数，当然三种颜色就足够了（甚至两种）。最终位图在双色情况下统一为背景色。

使用 4 元素 Von Neumann neighborhood versus an 8-element neighborhood 会对最终结果产生很大影响。通过 8 元素设置中的对角线连通性，绘制 "leak" 更容易。进行边缘检测和加厚有助于减少不必要的颜色泄漏。

在没有 scipy 的情况下对二值化图像中的对象进行计数

Count objects in a binarized image without scipy

python

image-processing

counting

connected-components