从背景中提取物体

假设一幅20*20的图像，通过算法标记出每一个像素点是属于前景还是背景，结构如下图
0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 1 1 1 1 1
0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 1 1 1 1
0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 1 1 1 1 1
0 0 。。之后的全部都是0用0表示背景，用1表示前景
显然图中有两个前景物体，我现在想算出这两个前景物体的坐标和重心，
请各位高手指点，用什么样的算法计算？

解决方案 »

  1.   

    已经把1提取出来,那你就自己定义一个结构体,把他在图片里面的数组下标记录下来,就是像素相对坐标.用的时候转换成相应坐标系的坐标.计算重心查查算法或者看看matlab之类的库有现成函数...
      

  2.   

    这个方法似乎也不行，因为物体A在第J行没有像素，可能物体B在第J行存在像素，所以J行不是全0.
    我想到的方法是：如果判断P(X,Y)像素是不是物体A的，就判断P的邻居是否是0，邻居包括8个点。
    只是不知道这循环怎么写，写算法的能力太差，苦恼。
      

  3.   

    P[i-1, j-1] P[i-0, j-1] P[i+1, j-1]
    P[i-1, j-0] P[i-0, j-0] P[i+1, j-0]
    P[i-1, j+1] P[i-0, j+1] P[i+1, j+1]for循环i j就可以,最差就是写个函数,i,j作为参数传进去就可以了吧?
      

  4.   

    先做一个连通区域标记，相互连通的部分用同一个标号表示，这样你就能区分不同的前景物体了。如果是matlab，好像自带了这个函数。如果你用C，在网上搜一下bwLabel这个函数，有被人实现好的。
      

  5.   

    OpenCV可以做算法就是找连通域：遍历像素，找到第一个像素后，然后按其8个方位搜索
      

  6.   


    能否告知openCV里面那个接口？
      

  7.   

    例如：http://blog.csdn.net/fdl19881/article/details/6730112
    你可以百度或者google找下，OpenCV论坛也有
      

  8.   

    CvSeq* contour = 0;
    CvMemStorage* storage;
    IplImage* src; 
    IplImage* dst;
    CvMoments moments; 
    CvMat *region; 
    CvPoint pt1,pt2; 
    double m00 = 0, m10, m01, mu20, mu11, mu02, inv_m00; 
    // double a, b, c; 
    int xc, yc; 
    int height,width,step,channels;
    uchar *data;
    int i,j,k;
    // 第一条命令行参数确定了图像的文件名。 
    if( (src=cvLoadImage("echo.bmp", 0))!= 0) 
    //if( (src=cvLoadImage("fbb.jpg", 0))!= 0) 
    //if( argc == 2 && (src=cvLoadImage(argv[1], 0))!= 0) 
    { 
    height    = src->height;  
    width     = src->width;
    step      = src->widthStep;
    channels  = src->nChannels;
    data      = (uchar *)src->imageData;
    // 反转图像
    for(i=0;i<height;i++) for(j=0;j<width;j++) for(k=0;k<channels;k++)
    {
    data[i*step+j*channels+k]=255-data[i*step+j*channels+k];

    }
    dst = cvCreateImage( cvGetSize(src), 8, 3 ); 
    storage = cvCreateMemStorage(0); 


    cvThreshold( src, src, 100, 255, CV_THRESH_BINARY );//100 is the thredhold 
    cvNot( src, src ); 


    //cvFindContours( src, storage, &contour, sizeof(CvContour), CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE,cvPoint(0,0) ); 

    cvFindContours( src, storage, &contour, sizeof(CvContour),CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, cvPoint(0,0) ); 
    cvZero( dst ); 

    // static int dd=0;
    for( ; contour != 0; contour = contour->h_next ) 
    { 
    //CvScalar color = CV_RGB( rand()&255, rand()&255, rand()&255 ); 
    CvScalar color = CV_RGB( 255, 0,0 ); 
    /* 用1替代 CV_FILLED 所指示的轮廓外形 */ 
    cvDrawContours( dst, contour, color, color, -1, CV_FILLED, 8,cvPoint(0,0) );//you can change 1 to CV_FILLED
    contour = cvApproxPoly( contour, sizeof(CvContour), storage, CV_POLY_APPROX_DP, 3, 1 ); 
    //CvRect* r = (CvRect*)cvGetSeqElem( contour,1); 
    region=(CvMat*)contour; 
    cvMoments( region, &moments,0 ); 
    //cvMoments( &contour, &moments,0 ); 
    // cvDrawContours( cnt_img, _contours, CV_RGB(255,0,0), CV_RGB(0,255,0), _levels, 3, CV_AA, cvPoint(0,0) ); CV_FILLED 
    //////////////////////////////////////////////// 
    ///////////////////////////////////////////////// 
    m00 = moments.m00; 
    m10 = moments.m10; 
    m01 = moments.m01; 
    mu11 = moments.mu11; 
    mu20 = moments.mu20; 
    mu02 = moments.mu02; 

    //if( fabs(m00) < DBL_EPSILON )break; 

    inv_m00 = 1. / m00; 
    xc = cvRound( m10 * inv_m00 ); 
    yc = cvRound( m01 * inv_m00 ); 
    CvBox2D box = cvMinAreaRect2(contour,NULL);  

    ///////////////// 
    pt1.x=xc-1;pt1.y=yc; 
    pt2.x=xc+1;pt2.y=yc; 
    cvLine( dst, pt1, pt2, CV_RGB(0,255,0), 2, CV_AA, 0 ); 
    pt1.x=xc;pt1.y=yc-1; 
    pt2.x=xc;pt2.y=yc+1; 
    cvLine( dst, pt1, pt2, CV_RGB(0,255,0), 2, CV_AA, 0 ); 
    CString str;
    int dd=0;
    CString s1,s2,s3,s4,s5;
    s1.Format("%d",xc);
    s2.Format("%d",yc);
    s3.Format("%f",m00);
    s4.Format("%f",box.size.height);
    s5.Format("%f",box.size.width);
    // str.Format(_T("INSERT INTO radar(cx,cy) VALUES('%d','%d')"),xc,yc);
    CvPoint2D32f pt[4];  
    cvBoxPoints(box,pt);  
    for(int i = 0;i<4;++i)
    {  
    cvLine(dst,cvPointFrom32f(pt[i]),cvPointFrom32f(pt[((i+1)%4)?(i+1):0]),CV_RGB(255,255,255)); 
    }


    } 

    cvNamedWindow( "Components", 1 ); 
    cvShowImage( "Components", dst ); 
    cvWaitKey(0); 
    } 
      

  9.   

    matlab有自带的bwlabel函数,可以标记多个区域
    c/c++需要自己实现,这儿有个bwareaopen的opencv实现,跟你这个类似
    http://goo.gl/j2EDSIplImage* bwaeraopen(IplImage *pSrc, double areaThreshold)
    {
     // 这里有2个图像,为什么定义2个呢?
     // 由于cvDrawContour这个函数external_color和hole_colr必须制定RGB格式
     // 问题来了:为了在后续操作区分不同区域,我可不想再来findContour一次了
     // pDst这个图像可以直接给drawContour画,只是B分量的值为当前label的值
     // G和R则随机生成,因为不关心;最后用cvSplit分开后只把B分量返回
     // 即可取得类似matlab中bwlabel的效果.这是我目前找到的办法
     // 如果你需要返回彩色图像,修改return pMark即可