查找每个 ConnectedComponent 区域的邻域答案

【问题标题】：Find neighborhood for each ConnectedComponent region查找每个 ConnectedComponent 区域的邻域
【发布时间】：2018-10-15 11:18:59
【问题描述】：

我使用 OpenCV 的 SuperpixelSLIC 来计算超像素并获取每个标签的标签，现在我需要计算每个标签的邻域。例如，考虑下面数组中的 8 连通情况，标签 1 的邻域为 {2, 5}，标签 2 的邻域为 {1, 3, 4, 5}，3 的邻域为 {2, 4}，4是 {2, 3}

如何使用 opencv 有效地实现这一点？

【问题讨论】：

标签： c++ opencv image-processing visual-c++ opencv3.0

【解决方案1】：

不知道OpenCV有没有这方面的具体功能。

如果你想自己构建，可以使用这样的数据结构：

std::unordered_map<int,std::set<int>> neighbors;

这是一个哈希映射，它将标签（我使用int，替换为您在标记图像中使用的任何类型）与一组标签（邻居）相关联。

然后您将遍历每个像素，并检查其 8 连通邻域：

int label = image[ii,jj];
int other = image[ii+1,jj]; // this inside a loop over the neighborhood
if (label != other) {
   neighbors[label].insert(other);
}

如果other 已经在集合中，insert 操作将无效，因此无需显式检查。

在此过程结束时，neighbors 将为图像中的每个标签包含一个条目，并且遍历该条目将给出一个排序的邻居列表：

label = 2;
std::cout << "Neighbors for label " << label << " are: ";
for(auto n : neighbors[label]) {
   std::cout << n << ", ";
}
std::cout << '\n';

在你的例子中应该输出：

Neighbors for label 2 are: 1, 3, 4, 5,

【讨论】：

是的，我做了类似的事情。 OpenCV 提供 2 个 Mat 变量：标签和轮廓（每个标签）。我迭代了轮廓（而不是只检查轮廓的标签）并检查了 8 连接邻域。我使用了一个辅助 Mat 变量来检查当前像素和邻居是否被访问以避免计算。不管怎样，谢谢你的建议