在python 2.7中使用opencv 2.4查找最大连接组件

我正在使用opencv“2.4.9.1”用python 2.7.12编写代码。
我有一个2d numpy数组，其中包含[0255]范围内的值。
我的目标是找到[x，y]范围内包含值的最大区域
我发现 解释得很好。 唯一的问题是——它是为opencv 3设计的

我可以尝试编写这种类型的函数
[伪代码]

def get_component(x,y,list):
  append x,y to list
  visited[x][y]=1
 if(x+1<m && visited[x+1][y]==0)
  get_component(x+1,y,list)
 if(y+1<n && visited[x][y+1]==0)
  get_component(x,y+1,list)
 if(x+1<m)&&(y+1<n)&&visited[x+1][y+1]==0
  get_component(x+1,y+1,list)
 return

MAIN
biggest_component = NULL
biggest_component_size = 0
low = lowest_value_in_user_input_range
high = highest_value_in_user_input_range
matrix a = gray image of size mxn
matrix visited = all value '0' of size mxn
for x in range(m):
 for y in range(n):
  list=NULL
  if(a[x][y]>=low) && (a[x][y]<=high) && visited[x][y]==1:
   get_component(x,y,list)
   if (list.size>biggest_component_size)
    biggest_component = list
Get maximum x , maximum y , min x and min y from above list containing coordinates of every point of largest component to make rectangle R .
Mission accomplished !

def get_组件（x，y，list）：
将x，y附加到列表
访问量[x][y]=1
如果（x+1很高兴看到我的答案被链接！事实上，
connectedComponents swithstats（）
甚至
connectedComponents（）
都是OpenCV 3+函数，所以你不能使用它们。相反，简单的方法是使用
findContours（）

您可以计算每个轮廓的
矩（）
，矩中包括轮廓的面积

重要提示：OpenCV函数
findContours（）
使用8路连接，而不是4路连接（即它还检查对角线连接，而不仅仅是上、下、左、右）。如果需要4路连接，则需要使用不同的方法。如果是这种情况，请告诉我，我可以更新

本着另一篇文章的精神，以下是一般方法：

使用感兴趣的阈值对图像进行二值化
运行
cv2.findContours（）
获取图像中每个不同组件的轮廓
对于每个轮廓，计算轮廓的
cv2.moments（）
，并保留最大面积轮廓（
m00
，从
moments（）
返回的dict中是轮廓的面积）
如果需要，可以将轮廓保留为点列表，否则，如果希望将其作为遮罩，可以在新的空白图像上绘制轮廓

我今天缺乏创造力，所以你得到了我们的示例图像，因为你没有提供

import cv2
import numpy as np

img = cv2.imread('cameraman.png', cv2.IMREAD_GRAYSCALE)


现在，让我们进行二值化以获得一些分离的blob：

bin_img = cv2.inRange(img, 50, 80)


现在让我们找到轮廓线

contours = cv2.findContours(bin_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[0]

# For OpenCV 3+ use: 
# contours = cv2.findContours(bin_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[1]

现在是主钻头；在轮廓上循环，找到最大的一个：

max_area = 0
max_contour_index = 0
for i, contour in enumerate(contours):
    contour_area = cv2.moments(contour)['m00']
    if contour_area > max_area:
        max_area = contour_area
        max_contour_index = i

因此，现在我们有了一个按区域划分的最大轮廓索引
max\u contour\u index
，因此您可以通过执行
轮廓[max\u contour\u index]
直接访问最大轮廓。当然，您可以按轮廓区域对
轮廓列表进行排序，并获取第一个（或最后一个，取决于排序顺序）。若要制作一个组件的遮罩，可以使用

cv2.drawContours(new_blank_image, contours, max_contour_index, color=255, thickness=-1)

注-1将填充轮廓，而不是勾勒轮廓。以下是在原始图像上绘制轮廓的示例：


看起来不错

多功能一体：

def largest_component_mask(bin_img):
    """Finds the largest component in a binary image and returns the component as a mask."""

    contours = cv2.findContours(bin_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[0]
    # should be [1] if OpenCV 3+

    max_area = 0
    max_contour_index = 0
    for i, contour in enumerate(contours):
        contour_area = cv2.moments(contour)['m00']
        if contour_area > max_area:
            max_area = contour_area
            max_contour_index = i

    labeled_img = np.zeros(bin_img.shape, dtype=np.uint8)
    cv2.drawContours(labeled_img, contours, max_contour_index, color=255, thickness=-1)

    return labeled_img

很高兴看到我的答案被链接！事实上，
connectedComponents swithstats（）
甚至
connectedComponents（）
都是OpenCV 3+函数，所以你不能使用它们。相反，简单的方法是使用
findContours（）

您可以计算每个轮廓的
矩（）
，矩中包括轮廓的面积

重要提示：OpenCV函数
findContours（）
使用8路连接，而不是4路连接（即它还检查对角线连接，而不仅仅是上、下、左、右）。如果需要4路连接，则需要使用不同的方法。如果是这种情况，请告诉我，我可以更新

本着另一篇文章的精神，以下是一般方法：

使用感兴趣的阈值对图像进行二值化
运行
cv2.findContours（）
获取图像中每个不同组件的轮廓
对于每个轮廓，计算轮廓的
cv2.moments（）
，并保留最大面积轮廓（
m00
，从
moments（）
返回的dict中是轮廓的面积）
如果需要，可以将轮廓保留为点列表，否则，如果希望将其作为遮罩，可以在新的空白图像上绘制轮廓

我今天缺乏创造力，所以你得到了我们的示例图像，因为你没有提供

import cv2
import numpy as np

img = cv2.imread('cameraman.png', cv2.IMREAD_GRAYSCALE)


现在，让我们进行二值化以获得一些分离的blob：

bin_img = cv2.inRange(img, 50, 80)


现在让我们找到轮廓线

contours = cv2.findContours(bin_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[0]

# For OpenCV 3+ use: 
# contours = cv2.findContours(bin_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[1]

现在是主钻头；在轮廓上循环，找到最大的一个：

max_area = 0
max_contour_index = 0
for i, contour in enumerate(contours):
    contour_area = cv2.moments(contour)['m00']
    if contour_area > max_area:
        max_area = contour_area
        max_contour_index = i

因此，现在我们有了一个按区域划分的最大轮廓索引
max\u contour\u index
，因此您可以通过执行
轮廓[max\u contour\u index]
直接访问最大轮廓。当然，您可以按轮廓区域对
轮廓列表进行排序，并获取第一个（或最后一个，取决于排序顺序）。若要制作一个组件的遮罩，可以使用

cv2.drawContours(new_blank_image, contours, max_contour_index, color=255, thickness=-1)

注-1将填充轮廓，而不是勾勒轮廓。以下是在原始图像上绘制轮廓的示例：


看起来不错

多功能一体：

def largest_component_mask(bin_img):
    """Finds the largest component in a binary image and returns the component as a mask."""

    contours = cv2.findContours(bin_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[0]
    # should be [1] if OpenCV 3+

    max_area = 0
    max_contour_index = 0
    for i, contour in enumerate(contours):
        contour_area = cv2.moments(contour)['m00']
        if contour_area > max_area:
            max_area = contour_area
            max_contour_index = i

    labeled_img = np.zeros(bin_img.shape, dtype=np.uint8)
    cv2.drawContours(labeled_img, contours, max_contour_index, color=255, thickness=-1)

    return labeled_img

我将运行此程序并返回报告。顺便说一句，非常清晰。我可以在彩色图像上绘制此轮廓吗（实际上，灰度图像是从中派生出来的）？此外，我还打印了轮廓[max_contour_index]。形状并获得（924,1,2）。它实际上是924点的x，y坐标。我如何提取xmin，xmax，ymin，ymax，因为它将表示我感兴趣的左上和右下坐标的矩形遮罩？当然，但您需要一个3通道彩色图像来绘制。我在上面代码的第一行中以灰度形式读取图像，所以您希望读取彩色图像因此您可以使用
drawContours（）
和
color=（b，g，r）
元组来表示您要绘制的颜色。@user1371666您也可以简单地使用
boundingRect（）
使用每个轮廓来查找轮廓的边界矩形。请参阅此处的更多信息：@user1371666我无法再现您的错误，可能是因为我使用的是OpenCV 3。当我在带有单个白点的图像上运行此操作时，它会按预期工作。在单点情况下，您能否编辑原始帖子以显示您的
轮廓列表看起来像？另外请打印出所有其他的v