Opencv中cv2.floodFill算法的使用

Posted on by

一、 泛洪算法——floodFill函數原型

cv2.floodFill(img,mask,seed,newvalue(BGR),(loDiff1,loDiff2,loDiff3),(upDiff1,upDiff2,upDiff3),flag)
  • img：為待使用泛洪算法的圖像
  • mask：為掩碼層，使用掩碼可以規定是在哪個區域使用該算法，如果是對於完整圖像都要使用，則掩碼層大小為原圖行數+2，列數+2.是一個二維的0矩陣，邊緣一圈會在使用算法是置為1。而隻有對於掩碼層上對應為0的位置才能泛洪，所以掩碼層初始化為0矩陣。【dtype:np.uint8】
  • seed：為泛洪算法的種子點，也是根據該點的像素判斷決定和其相近顏色的像素點，是否被泛洪處理。
    【類似於
    】
  • newvalue：是對於泛洪區域新賦的值（B,G,R）
  • (loDiff1,loDiff2,loDiff3)：是相對於seed種子點像素可以往下的像素值，即seed(B0,G0,R0)，泛洪區域下界為（B0-loDiff1,G0-loDiff2,R0-loDiff3）
  • (upDiff1,upDiff2,upDiff3)：是相對於seed種子點像素可以往上的像素值，即seed(B0,G0,R0)，泛洪區域上界為（B0+upDiff1,G0+upDiff2,R0+upDiff3）
  • flag：為泛洪算法的處理模式。

  • 低八位 控制算法的連通性，是以seed點為中心，接著判斷周圍的幾個像素點，再將泛洪區域像素點周圍的幾個像素點進行考慮。 一般為4，8；默認為4
  • 中間八位 與掩碼層賦值密切相關，一般使用（255<<8）使中間8位全位1，則值為255，也就是掩碼層對應原圖的泛洪區域的部分被由原來的初值0賦值成255，如果中間8位為0，則賦值為1.
  • 高八位 由opencv宏參數指定
    • cv2.FLOODFILL_FIXED_RANGE：改變圖像，填充newvalue
    • cv2.FLOODFILL_MASK_ONLY：不改變原圖像，也就是newvalue參數失去作用，而是改變對應區域的掩碼，設為中間八位的值

二、簡單應用

#泛洪填充(彩色圖像填充)
import cv2
import numpy as np
def fill_color_demo(image):
    copyImg = image.copy()
    h, w = image.shape[:2]
    mask = np.zeros([h+2, w+2],np.uint8)   #mask必須行和列都加2，且必須為uint8單通道陣列
    #為什麼要加2可以這麼理解：當從0行0列開始泛洪填充掃描時，mask多出來的2可以保證掃描的邊界上的像素都會被處理
    cv.floodFill(copyImg, mask, (220, 250), (0, 255, 255), (100, 100, 100), (50, 50 ,50), cv.FLOODFILL_FIXED_RANGE)
    cv.imshow("fill_color_demo", copyImg)
 
src = cv.imread('E:/imageload/baboon.jpg')
cv.namedWindow('input_image', cv.WINDOW_AUTOSIZE)
cv.imshow('input_image', src)
fill_color_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

三、應用，結合minareaRect

cv2.floodFill(initial_car,mask,(seed_x,seed_y),(255,0,0),(loDiff,loDiff,loDiff),(upDiff,upDiff,upDiff),flag)
 
points = []
row,column = mask.shape
 
for i in range(row):
    for j in range(column):
        if mask[i][j]==255:
           points.append((j,i))   #點應該輸入點坐標（列，行）
points = np.asarray(points)
new_rect = cv2.minAreaRect(points)

到此這篇關於Opencv中cv2.floodFill算法的使用的文章就介紹到這瞭,更多相關Opencv cv2.floodFill內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：