这篇教程OpenCV清除小面积连通域的实现方法写得很实用，希望能帮到您。
场景需求 使用OpenCV，往往遇到这类场景：需要清除目标图像中比较小的噪声区，保留主要区域信息。 特此分享自己写的一个简单的清除小面积连通域函数，逻辑比较简单，给大家留出了足够的发展空间，根据自身场景需求进行调整。 原理可以简单归结为：搜索图像的连通区轮廓->遍历各个连通区->基于阈值删除面积较小的连通区 运行速度方面，我没单独测试过这个单元，大家如果试过之后太慢可以评论告诉我哦~ 反正平常我工作跑那种2000*2000的图像，这个函数的耗时几乎忽略不计。。。 C++实现代码/*** @brief Clear_MicroConnected_Areas 清除微小面积连通区函数* @param src 输入图像矩阵* @param dst 输出结果* @return min_area 设定的最小面积清除阈值*/void Clear_MicroConnected_Areas(cv::Mat src, cv::Mat &dst, double min_area){ // 备份复制 dst = src.clone(); std::vector<std::vector<cv::Point> > contours; // 创建轮廓容器 std::vector<cv::Vec4i> hierarchy; // 寻找轮廓的函数 // 第四个参数CV_RETR_EXTERNAL，表示寻找最外围轮廓 // 第五个参数CV_CHAIN_APPROX_NONE，表示保存物体边界上所有连续的轮廓点到contours向量内 cv::findContours(src, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_NONE, cv::Point()); if (!contours.empty() && !hierarchy.empty()) { std::vector<std::vector<cv::Point> >::const_iterator itc = contours.begin(); // 遍历所有轮廓 while (itc != contours.end()) { // 定位当前轮廓所在位置 cv::Rect rect = cv::boundingRect(cv::Mat(*itc)); // contourArea函数计算连通区面积 double area = contourArea(*itc); // 若面积小于设置的阈值 if (area < min_area) { // 遍历轮廓所在位置所有像素点 for (int i = rect.y; i < rect.y + rect.height; i++) { uchar *output_data = dst.ptr<uchar>(i); for (int j = rect.x; j < rect.x + rect.width; j++) { // 将连通区的值置0 if (output_data[j] == 255) { output_data[j] = 0; } } } } itc++; } }}测试代码#include<iostream>#include<opencv2/opencv.hpp> using namespace std;using namespace cv; void Clear_MicroConnected_Areas(cv::Mat src, cv::Mat &dst, double min_area); int main(void){ Mat A = Mat::zeros(500, 500, CV_8UC1); circle(A, Point2i(100, 100), 50, 255, -1); circle(A, Point2i(300, 400), 15, 255, -1); Mat B; Clear_MicroConnected_Areas(A, B, 1000); imshow("before:A", A); imshow("after:B", B); waitKey(0); system("pause"); return 0;} void Clear_MicroConnected_Areas(cv::Mat src, cv::Mat &dst, double min_area){ // 备份复制 dst = src.clone(); std::vector<std::vector<cv::Point> > contours; // 创建轮廓容器 std::vector<cv::Vec4i> hierarchy; // 寻找轮廓的函数 // 第四个参数CV_RETR_EXTERNAL，表示寻找最外围轮廓 // 第五个参数CV_CHAIN_APPROX_NONE，表示保存物体边界上所有连续的轮廓点到contours向量内 cv::findContours(src, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_NONE, cv::Point()); if (!contours.empty() && !hierarchy.empty()) { std::vector<std::vector<cv::Point> >::const_iterator itc = contours.begin(); // 遍历所有轮廓 while (itc != contours.end()) { // 定位当前轮廓所在位置 cv::Rect rect = cv::boundingRect(cv::Mat(*itc)); // contourArea函数计算连通区面积 double area = contourArea(*itc); // 若面积小于设置的阈值 if (area < min_area) { // 遍历轮廓所在位置所有像素点 for (int i = rect.y; i < rect.y + rect.height; i++) { uchar *output_data = dst.ptr<uchar>(i); for (int j = rect.x; j < rect.x + rect.width; j++) { // 将连通区的值置0 if (output_data[j] == 255) { output_data[j] = 0; } } } } itc++; } }}测试效果 
图1 处理前后图 到此这篇关于OpenCV-清除小面积连通域的文章就介绍到这了,更多相关OpenCV-清除小面积连通域内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
python copy模块中的函数实例用法
OpenCV实现背景分离(证件照背景替换) |
