筆者實現了一個論文里面的算法程序，論文（可以網上搜索到，實在搜不到可以聯系筆者或留下郵箱發給你）講解比較到位，按照作者的思路寫完了代碼，測試效果很好，在此分享一下算法思路及實現代碼。

　　此算法優于一般的像素標記算法，只需掃描一遍就可以得出圖像邊界、面積等等，大大減少了計算量。

算法描述：

　　一、全圖掃描

　　　　對二值圖像全圖掃描，左到右，上到下，一遇到像素邊界就進行判斷。像素邊界指當前像素灰度為1，其他8領域至少有一個灰度值為0。

　　　　1.先依次判斷當前像素（i,j）的左側、左上側、上側像素和右上側像素是否被已標記，一旦遇到已標記則說明當前像素（i,j）和這個已標記像素屬于同一個目標，賦予Edge[i][j]相同的標記值，結束本像素標記，如四個像素都未標記則進入第二步。

　　　　2.當前像素右移一部，即變為（i,j+1），進入一子循環，每次循環判斷當前像素右上側像素是否已標記。如已標記則賦予Edge[i][j]相同的標記值并跳出循環結束，如當前像素右上側像素未標記則右移一位像素繼續判斷，直到到達這一行像素的右側邊界，跳出循環說明像素（i,j）屬于新目標。則原來最大目標標記值temp加1并賦予Edge[i][j],結束本像素標記。

　　　　這一大步需要注意可能會有同一類別被分到不同目標，需要全圖掃描時進行判斷，主要是凹形。

　　二、掃描后處理

　　　　1.歸類。前面記錄的等價標記數組只是記錄了兩兩等價情況，而實際可能超過兩個，如三個等價。這里需要補充的是，Same2數組是一個tempX1的數組，第幾行就對應第幾個目標處理情況。依次掃描Same1數組每一行，在Same2中修改類別值，保證統一類的值歸為一類。

　　　　2.標以正確的目標值。經過上一步，屬于同一目標的像素標記值都已歸為一類，有幾類就有幾個帶下凹的目標，再加上0的個數(不帶下凹的目標個數)就是實際目標總數。順序掃描Same2,遇到0說明該行號表示的目標位沒有下凹的，result+1賦予Same3的同一行，遇到非零數字，則看它是否第一次出現，如果第一次出現，result+1并賦予Same3同一行，如Same2這一行的值不是第一次出現，則把前面具有相同數字那一行在Same3中同行的值賦予Same3的這一行，直到檢測完Same2。最后在Same3的最后數字表示的就是目標數。

　　　　3.根據得到目標數進行目標劃分，整個圖像就被分到了幾個目標值。得到的目標值可以統計目標數目、實現面積、周長和質心等特征值。

程序代碼：

　　

1 //改進的像素標記算法實現代碼及注釋 2 //作者用這個算法來繪制目標外接矩形用的 3 //返回找到圖像目標處理凹形數目，參數frame是原始二值圖像，num為處理前凹形找到目標數目，s和e分別表示繪制矩形的開始點和結束點 4 int pixelFlag(cv::Mat &frame,int &num,vector<Point2f> &s,vector<Point2f> &e)//返回個數 5 { 6 //frame. 7 int kind=0,kindEnd=0,kindResult=0;//歸類類別 8 vector<int> same1[2];//可疑邊界目標 9 10 int edge[frame.rows][frame.cols];//表明邊界屬于哪個類 11 memset(edge,0,sizeof(edge)); 12 //qDebug()<<frame.channels(); 13 //掃描每個像素判斷 14 for(int i=1;i<frame.rows-1;i++) 15 for(int j=1;j<frame.cols-1;j++) 16 { 17 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) 18 ||!frame.at<uchar>(i,j-1)||!frame.at<uchar>(i,j+1)||!frame.at<uchar>(i+1,j-1) 19 ||!frame.at<uchar>(i+1,j)||!frame.at<uchar>(i+1,j+1)))//判斷邊界點 20 { 21 if(edge[i][j-1])//判斷是否緊鄰已被標物體 左 22 { 23 edge[i][j]=edge[i][j-1]; 24 } 25 else 26 if(edge[i-1][j-1])//左上 27 { 28 edge[i][j]=edge[i-1][j-1]; 29 } 30 else 31 if(edge[i-1][j])//上 32 { 33 edge[i][j]=edge[i-1][j]; 34 }else 35 if(edge[i-1][j+1])//右上 36 { 37 edge[i][j]=edge[i-1][j+1]; 38 }else 39 { 40 int f=0; 41 while(frame.at<uchar>(i,j+f)&&((j+f)<frame.cols-1))//右移判斷 42 { 43 if(edge[i-1][j+f+1]) 44 { 45 edge[i][j]=edge[i-1][j+f+1]; 46 break; 47 } 48 else 49 { 50 f++; 51 } 52 } 53 if(!frame.at<uchar>(i,j+f))//未找到處理 54 { 55 kind++; 56 edge[i][j]=kind; 57 58 } 59 } 60 if(edge[i][j]&&edge[i-1][j+1])//如果當前點和右上不在一個類別就記錄 61 { 62 if(edge[i][j]!=edge[i-1][j+1]) 63 { 64 same1[0].push_back(edge[i][j]); 65 same1[1].push_back(edge[i-1][j+1]); 66 } 67 } 68 69 70 71 } 72 } 73 74 //處理掃描后的結果 75 int same2[kind];memset(same2,0,sizeof(same2)); 76 int sameEnd[kind];memset(sameEnd,0,sizeof(sameEnd)); 77 //QDebug debug; 78 if(!same1[0].empty()) 79 { 80 for(uint i=0;i<same1[0].size();i++) 81 { 82 if((!same2[same1[0][i]-1])&&(!same2[same1[1][i]-1]))//如果都沒有處理，種類加1 83 { 84 kindEnd++; 85 same2[same1[0][i]-1]=kindEnd; 86 same2[same1[1][i]-1]=kindEnd; 87 }else 88 if(same2[same1[0][i]-1]&&same2[same1[1][i]-1]) 89 { 90 same2[same1[0][i]-1]=same2[same1[1][i]-1]; 91 92 }else 93 if(!same2[same1[0][i]-1]&&same2[same1[1][i]-1]) 94 { 95 same2[same1[0][i]-1]=same2[same1[1][i]-1]; 96 }else if(same2[same1[0][i]-1]&&!same2[same1[1][i]-1]) 97 { 98 same2[same1[1][i]-1]=same2[same1[0][i]-1]; 99 } 100 101 } 102 } 103 104 for(int i=0;i<kind;i++)//復制到sameend 105 { 106 107 if(!same2[i]) 108 { 109 kindResult++; 110 sameEnd[i]=kindResult; 111 } 112 else 113 //if(same2) 114 { 115 int j=0; 116 while(j<i) 117 { 118 if(same2[j]==same2[i]) 119 { 120 break; 121 } 122 j++; 123 } 124 if(j<i) 125 { 126 sameEnd[i]=sameEnd[j]; 127 }else 128 { 129 kindResult++; 130 sameEnd[i]=kindResult; 131 } 132 133 } 134 } 135 num=kind; 136 //對邊界進行處理 137 for(int i=1;i<frame.rows-1;i++) 138 for(int j=1;j<frame.cols-1;j++) 139 { 140 if(edge[i][j]) 141 { 142 edge[i][j]=sameEnd[edge[i][j]-1]; 143 } 144 } 145 for(int i=0;i<kindResult;i++) 146 { 147 s.push_back(Point2f(1000,1000)); 148 e.push_back(Point2f(0,0)); 149 } 150 for(int i=1;i<frame.rows-1;i++)//求邊界對角點 151 for(int j=1;j<frame.cols-1;j++) 152 { 153 if(edge[i][j]) 154 { 155 if(s[edge[i][j]-1].y>i) 156 { 157 s[edge[i][j]-1].y=i; 158 } 159 if(s[edge[i][j]-1].x>j) 160 { 161 s[edge[i][j]-1].x=j; 162 } 163 if(e[edge[i][j]-1].y<i)

164 { 165 e[edge[i][j]-1].y=i; 166 } 167 168 if(e[edge[i][j]-1].x<j) 169 { 170 e[edge[i][j]-1].x=j; 171 } 172 } 173 } 174 return kindResult; 175 176 177 178 }

效果如下：

　　

共享園友，學習共勉！

轉載于:https://www.cnblogs.com/zCoderJoy/p/3921763.html

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的改进的二值图像像素标记算法及程序实现（含代码）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。