bwconncomp
查找二值图像中的连通分量并对其计数
说明
示例
创建小型三维数组示例。
BW = cat(3, [1 1 0; 0 0 0; 1 0 0],... [0 1 0; 0 0 0; 0 1 0],... [0 1 1; 0 0 0; 0 0 1]);
查找数组中的连通分量。
CC = bwconncomp(BW)
CC = struct with fields:
Connectivity: 26
ImageSize: [3 3 3]
NumObjects: 2
PixelIdxList: {[5×1 double] [3×1 double]}
计算数组中对象的质心。
S = regionprops(CC,'Centroid')S=2×1 struct array with fields:
Centroid
读取并显示文本的二值图像。
BW = imread("text.png");
imshow(BW)
查找图像中的连通分量。
CC = bwconncomp(BW)
CC = struct with fields:
Connectivity: 8
ImageSize: [256 256]
NumObjects: 88
PixelIdxList: {1×88 cell}
确定哪个是图像中的最大对象。
p = regionprops(CC,"Area");
[maxArea,maxIdx] = max([p.Area])maxArea = 106
maxIdx = 52
创建一个包含除最大对象之外的所有对象的二值图像。显示结果。
idx = setdiff(1:CC.NumObjects,maxIdx); BW2 = cc2bw(CC,ObjectsToKeep=idx);
显示图像。图像省略了最大的对象，而最大的对象正好是单词“different”中两个连续的“f”。
imshow(BW2)
输入参数
二值图像，指定为任意维度的数值或逻辑数组。
数据类型: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | logical
像素连通性，指定为下表中的值之一。对于二维图像，默认连通性是 8，对于三维图像，默认连通性是 26。
值 | 意义 | |
|---|---|---|
二维连通 | ||
| 如果像素的边缘相互接触，则这些像素具有连通性。如果两个相邻像素都为 on 并在水平或垂直方向上连通，则它们是同一目标的一部分。 |
当前像素以灰色显示。 |
| 如果像素的边缘或角相互接触，则这些像素具有连通性。如果两个相邻像素都为 on 并在水平、垂直或对角线方向上连通，则它们是同一目标的一部分。 |
当前像素以灰色显示。 |
三维连通 | ||
| 如果像素的面接触，则这些像素具有连通性。如果两个相邻像素都为 on 并以如下方式连通，则它们是同一目标的一部分：
|
当前像素是立方体的中心。 |
| 如果像素的面或边缘接触，则这些像素具有连通性。如果两个相邻像素都为 on 并以如下方式连通，则它们是同一目标的一部分：
|
当前像素是立方体的中心。 |
| 如果像素的面、边缘或角接触，则这些像素具有连通性。如果两个相邻像素都为 on 并以如下方式连通，则它们是同一目标的一部分：
|
当前像素是立方体的中心。 |
对于更高的维度，bwconncomp 使用默认值 conndef(ndims(BW),"maximal")
数据类型: double | logical
输出参量
提示
此函数根据每个分量的
top-left极值从左到右对连通分量进行排序。当多个分量具有相同的水平位置时，该函数先从上到下对这些分量进行排序，然后沿任何更高的维度进行排序。下图显示了两个不同区域的极值。函数
bwlabel、bwlabeln和bwconncomp都计算二值图像的连通分量。bwconncomp使用的内存少得多，有时运行速度比其他函数更快。要使用具有默认连通的
regionprops从二值图像中提取特征，请使用命令regionprops(BW)将BW直接传入regionprops。要计算具有更高内存效率的数据类型的标签矩阵（例如，
uint8对比double），请对bwconncomp的输出使用labelmatrix函数。
