计算 Numpy/OpenCV 中特定值的连接像素数答案

【问题标题】：Calculate the number of conenected pixels of a particular value in Numpy/OpenCV计算 Numpy/OpenCV 中特定值的连接像素数
【发布时间】：2021-02-22 06:59:33
【问题描述】：

def get_area(center_x: int, center_y: int, mask: np.ndarray) -> int:
    if mask[center_x][center_y] != 255:
        return -1
    return ...

现在我得到了上面的这个函数，它接受一个 x 和 y 的值，并找到与这个值为 255 的像素相连的像素数。

现在假设，我有一个简单的 np.ndarray，如下所示：

[
    [255,255,  0,  0,  0,  0,  0,255,255],
    [255,  0,  0,255,255,255,  0,  0,255],
    [  0,  0,255,  0,  0,  0,255,  0,  0],
    [  0,255,  0,  0,255,  0,  0,255,  0],
    [  0,255,  0,255,255,255,  0,255,  0],
    [  0,255,  0,  0,255,  0,  0,255,  0],
    [  0,  0,255,  0,  0,  0,255,  0,  0],
    [255,  0,  0,255,255,255,  0,  0,255],
    [255,255,  0,  0,  0,  0,  0,255,255]
]

如果我将 255 的中心像素作为输入，我尝试构建的函数的输出将为 5，因为有 4 个相邻像素为 255s。

我可以同时使用opencv 和numpy，但np 更可取。

【问题讨论】：

标签： python-3.x opencv numpy-ndarray

【解决方案1】：

from PIL import Image
import numpy as np
from scipy import ndimage

imgMtx = [
    [255,255,  0,  0,  0,  0,  0,255,255],
    [255,  0,  0,255,255,255,  0,  0,255],
    [  0,  0,255,  0,  0,  0,255,  0,  0],
    [  0,255,  0,  0,255,  0,  0,255,  0],
    [  0,255,  0,255,255,255,  0,255,  0],
    [  0,255,  0,  0,255,  0,  0,255,  0],
    [  0,  0,255,  0,  0,  0,255,  0,  0],
    [255,  0,  0,255,255,255,  0,  0,255],
    [255,255,  0,  0,  0,  0,  0,255,255]
]

img = Image.fromarray(np.asarray(imgMtx))

blobs = np.asarray(img) > 125
labels, nlabels = ndimage.label(blobs)

unique, counts = np.unique(labels, return_counts=True)

【讨论】：

没有 scipy 我们可以做到这一点吗？
和 PIL？我认为为 BFS + numpy 任务导入这样的重量级库有点矫枉过正。

【解决方案2】：

import numpy as np

def get_area(center_x: int, center_y: int, mask: np.ndarray) -> int:
    """
    Basic flood-fill area calculation on the mask using Breadth First Search
    """

    area = 0
    moves = [(1, 1), (0, 1), (1, 0), (-1, -1), (0, -1), (-1, 0), (-1, 1), (1, -1)]

    if mask[center_x][center_y] != 255:
        return -1

    visited = [[False for _ in range(mask.shape[0])] for _ in range(mask.shape[1])]
    q = deque()
    q.append((center_x, center_y))
    visited[center_x][center_y] = True

    while q:
        x, y = q.popleft()
        for move in moves:
            if (x + move[0] >= mask.shape[0] or y + move[1] >= mask.shape[1] or
                    x + move[0] < 0 or y + move[1] < 0):
                continue
            if mask[x + move[0]][y + move[1]] == 255 and not visited[x + move[0]][y + move[1]]:
                area += 1
                q.append((x + move[0], y + move[1]))
                visited[x + move[0]][y + move[1]] = True

    return area

决定自己编写一个答案，并在提供的掩码上进行广度优先搜索填充算法。

【讨论】：