问题标签 [connected-components]

我有我试图操纵的 OCT 成像数据：

我想删除由图像中心的同心圆包围的所有点。到目前为止，我手动指定了最大圆的半径并将圆区域内的所有点设置为黑色。这些圆圈的大小可能会因图像源和伪影而异，因此我正在尝试找到一种更理想的方法来执行此删除操作。

我最初以为我可以使用 imfindcircles() 来识别这些圆，但是无论指定的半径如何，该算法都无法检测到其中的大部分。依赖连接组件（bwareaopen、regionprops）的方法也会失败，因为同心圆似乎连接到更大的结构。

我的一个想法是我可以转换为极坐标，因为同心圆的中心将始终位于图像的中心，从而产生此图像：

这应该更容易处理。有没有人有任何想法？

我正在尝试使用 OpenCV 将背景（绿色区域和浅绿色毛巾）与对象分开，因此我手动分割了以下图像：

通过将对象边框以红色和蓝色着色，连接的组件不应被考虑，如您在图像的右下角看到的：

在对 254 通道 R 和 B 进行阈值处理后，我得到以下信息：

1. 红色通道

2. 蓝色频道

如果我使用完成红色通道的所有轮廓

右下角将是：

但我需要的是忽略只包含蓝点的轮廓，以便获得类似：

所以我必须将红色和蓝色通道结合起来才能得到它，但还不知道怎么做。任何意见，将不胜感激。

谢谢。

我正在使用 MATLAB 进行分割任务。为了分析我的算法的性能，我需要两个图像中每个连接组件的交集区域。

在图像中以什么方式标记连接的组件？另外，是否PixelIdxList列出了作为连通分量一部分的点的所有线性索引？

我正在尝试使用 python OpenCV 查找并分离边缘检测图像中的所有边缘。边缘可以是轮廓的形式，但不是必须的。我只想将所有连接的边缘像素组合在一起。所以从技术上讲，该算法在程序上可能听起来像这样：

1. 对于每个边缘像素，找到一个相邻的（连接的）边缘像素并将其添加到图像的当前细分中，直到找不到一个为止。
2. 然后移动到下一个未检查的边缘像素并开始新的细分并再次执行 1)。

我已经看过了，cv.findContours但结果并不令人满意，可能是因为它是用于轮廓（封闭边缘）而不是自由端的。结果如下：

检测到原始边缘：

轮廓处理后：

我预计这五个边缘将各自分组到其自己的图像细分中，但显然 cv2.findContours 函数将边缘中的 2 个甚至进一步细分为我不想要的细分。

这是我用来保存这两张图片的代码：

但是，我的实施有一些限制。我必须使用 Python 2.7 和 OpenCV2。除了这些，我不能使用任何其他版本或语言。我这样说是因为我知道 OpenCV 2 有一个使用 C++ 的 connectedComponent 函数。我本可以使用它，但问题是，由于某些限制，我无法使用它。

那么，知道我应该如何解决这个问题吗？

我认为标签很好地解释了我的问题:)

我一直在尝试编写一个 Gremlin 遍历来计算帖子末尾描述的简单图的连通分量。

我试过了

获得

这很糟糕，因为cyclicPath过滤器从e到达之前终止了遍历g。显然，如果我删除该until子句，我会得到一个无限循环。此外，如果我simplePath在一步后使用遍历结束。有没有办法告诉它以深度优先顺序探索节点？

干杯!

找到第一个轮廓后如何使行进广场继续进行？

我正在处理的图像中的轮廓会经常发生变化，因为我处于嵌入式环境（android/ios）中，所以我首先想要一个快速性能的解决方案。并且使用外部库不是一种选择。

我尝试了连接组件标签，但从未让它工作，因为我有一个不是黑白（没有阈值）的 PNG，如果我没记错的话，CCL 只适用于黑白（二进制）图像。

我考虑过将 blob 信息保存到另一个向量并检查新发现的像素是否属于较早发现的 blob，但我认为这不够快，因为向量中充满了越来越多的 blob，因此检查的成本越来越高向量中的每个 blob。

这让我几乎完成了当前的方法，即擦除我找到并重复的轮廓，直到什么都没有？但这是我目前使用的方法，似乎也很昂贵。

如果没有快速的解决方案，那么任何人都可以提出不同的方法......即使这意味着不同的算法。

Mark1：我选择了行军广场，因为即使主题有洞，我也只需要轮廓的轮廓。

我正在尝试根据其位置对视频中的连接组件进行分类。我正在使用 opencv 3 中的 connectedComponentsWithStats 函数。我试图从 1x5 矩阵的 stats 矩阵中访问值。当我使用以下代码时，我成功访问了连接组件的区域。

当我尝试使用访问矩阵的第一个值时

我得到的所有值都是零。

只是为了确认当我输出完整的统计矩阵时，矩阵的 0,0 位置中的值并不总是零，因此它们应该以与面积矩阵相同的方式变化。统计矩阵中的值也总是整数。

如果您能看到我做错了什么，我将不胜感激！

如何为简单图像（如上）标记和着色 3 个形状。

• 使用具有 8 个邻域的连通分量分析
• 形状是白色的，外面是黑色的
• 每个形状都会得到蓝色、绿色等颜色。
• 应该是一个简单的代码（使用 MATLAB），它根据连通分量分析逐像素处理图像

感谢您的任何帮助。

我有一个 0 和 1 的矩阵。我可以从任何单元格开始。我想知道覆盖所有可能的 1 所需的最小步数（上、下、左、右）是多少。我可以从 0 或 1 开始。

例子：

在 1 步内从 (2,2) 开始，我可以达到所有 1。我将此与未加权无向图的邻接矩阵联系起来。本质上，当我可以从任何点开始时，我需要找到最远的邻居。如果我只能从顶点开始，我可以简单地使用 BFS/DFS 并保留一个计数器，但这会带来问题。

Scikit-Image 有很多方法可用于斑点检测：

高斯拉普拉斯算子 (LoG)

高斯差 (DoG)

Hessian 行列式 (DoH)

这三个都返回一个数组，其中包含找到的组件范围内的单个点：

我想使用该信息来生成包含给定组件中所有点的坐标的列表。

我可以自己从种子开始遍历整个图像，然后收集字典中的所有点，关键是blob检测提供的点，但我想除非我使用cython（非常愿意错了，因为我对python还很陌生）。更真实地说，我只是认为可能有比自己做更好的方法。