连接组件标记功能后计算图像矩答案

【问题标题】：Calculating image moments after connected component labeling function连接组件标记功能后计算图像矩
【发布时间】：2017-12-26 12:09:57
【问题描述】：

我需要从输入图像中计算 Hu 矩。输入图像input 由多个对象组成，因此我需要使用连接组件标记函数对其进行预处理：

# input image is thresholded
(T, thresh) = cv2.threshold(input, 90, 255, cv2.THRESH_BINARY)

# getting the labels of the connected components
output = cv2.connectedComponentsWithStats(thresh, 4, cv2.CV_32S)
num_labels = output[0]
labels = output[1]
stats = output[2]
centroids = output[3]

# for every component in the output image
for c in centroids[1:num_labels]:
img_moments = cv2.moments(c)
hu = cv2.HuMoments(img_moments)

但是，这并没有给我正确的组件 Hu 矩值。最初我使用阈值图像来获取时刻cv2.moments(thresh)，但是当它们是图像中的多个组件时，这没有用。我正在使用 Python 2 和 OpenCV 3。

更新：为了记录，我已经获得了正确数量的图像标签，在这种情况下input 图像有 10 个组件 + 1 个背景标签，即 11 个标签，我知道第一个标签是背景，因此数组值全为零。我想要获取其余标签的值（从 1 到 n 标签）并将这些值解析为 Numpy 数组以单独计算时刻。

更新 2：添加了阈值源图像。

【问题讨论】：

“没有给我正确的 Hu 时刻”是什么意思？提供图片也无妨...
@Piglet 我已经用图像中显示的 4 种对象训练了一个距离分类器，因此我知道每种对象的 Hu 矩的近似值。 img_moments = cv2.moments(c) 的输出值不是所需的值，因为返回的矩值都与用于训练的矩值不相似。

标签： python opencv computer-vision connected-components

【解决方案1】：

我设法通过使用每个标签stats = output[2] 的统计输出提供的信息解决了我的问题。

利用这些信息，我为输入图像中的每个组件创建了一个 ROI（感兴趣区域），然后我计算了 ROI 的图像矩和 Hu 矩，以获得所需的输出值。

提出的解决方案如下：

# for every component in the output image
for label in range(num_labels):

# retrieving the width of the bounding box of the component
width = stats[label, cv2.CC_STAT_WIDTH]
# retrieving the height of the bounding box of the component
height = stats[label, cv2.CC_STAT_HEIGHT]
# retrieving the leftmost coordinate of the bounding box of the component
x = stats[label, cv2.CC_STAT_LEFT]
# retrieving the topmost coordinate of the bounding box of the component
y = stats[label, cv2.CC_STAT_TOP]

# creating the ROI using indexing
roi = thresh[y:y+height, x:x+width]

# calculating the image moments and Hu moments of the ROI
img_moments = cv2.moments(roi)
hu = cv2.HuMoments(img_moments)

我确信还有其他方法可以分割输入图像中的连接组件，但目前这种方法正在为我工作。

【讨论】：