图像处理 - 计算二值图像中空白质心的算法答案

【问题标题】：Image processing -Algorithm to calculate centroids of white space in binary image图像处理 - 计算二值图像中空白质心的算法
【发布时间】：2023-03-23 21:20:01
【问题描述】：

问题是我需要一个简化版本的算法，它可以计算二进制图像中几个白色轮廓的质心。例如，如果只有一个白色轮廓，则轮廓中心的坐标 Xc 和 Yc 使用公式计算：

其中M是m_i强度之和，m_i是像素强度值，x_i和y_i是图像上的像素位置，n是像素总数。

任何人都可以提出类似的方法来处理多个轮廓，或者如何在使用相同的公式计算其中一个轮廓时忽略其他轮廓？

【问题讨论】：

小心，你的标准化应该超过 sum(m_i)，而不是超过 M。
我在图像处理书上找到了这个公式。直到你提到这是错误的，我才注意到。 :))
你能告诉我们更多关于你的问题吗？根据您的环境，可能会有一些适用的库/简化。也许显示和图像，你有什么代码？
其实我觉得M大概是定义为总权重。（我把它和n 混淆了。）
我不需要用于论文的代码。环境是黑色空间中的两个白色圆圈。二进制图像，没有噪音。

标签： algorithm image-processing formula centroid

【解决方案1】：

首先使用一些称为connected component labeling 的算法来分离不同的blob。这将为每个区域分配一个唯一的 ID。然后，您可以计算每个 blob 的质心。

【讨论】：

如果我这样做不是正确的吗 - 在分离不同的 blob 之后，我将我目前不使用的 blob 的强度设置为零？例如有值的blobls：1 2 3 4..现在我需要计算第一个blob的质心，所以其他blob 2 3 4，得到0，所以我可以使用上面的公式。
@user 是的，但这样你得到的运行时间并不理想。您可以在 O(size if CC) 而不是 O(size of image) 中处理连接的组件
@sansuiso 在某些情况下，某些轮廓之间可能有噪声，并且连接的组件不会整体检测到它。
在我的例子中，没有噪音只有两个白色轮廓。

【解决方案2】：

您可以使用k means 算法与不同的 k 值，其中最小平方误差。查找连接的组件可以帮助您获得图像中的最大斑点，但容易受到噪声的影响，但它是存在的总轮廓的上限。使用 k 计算聚类后，计算轮廓的质心很简单。

【讨论】：