如何在 CImg 库中使用 label() 功能

Question

我正在寻找有关如何将 label() 功能与 CImg 库一起使用的帮助。 我想做的很简单。 我有一个白色背景，大黑点彼此分开，我只想数一数。 我认为 label() 是可能的，但我不明白这个 function 的参数。 感谢您的帮助 ！

图书馆信息：[1]： https://cimg.eu/reference/structcimg__library_1_1CImg.html#aaff4a10071470e4cd255653c5c2f043e

Answer 1

基本上，您将一个图像传递给它，它会返回另一个图像，其中每组相似像素都分配给相同的 class，即它具有相同的灰度强度。 所以，如果我们从这个开始：

运行这个：

#include "CImg.h"
#include <iostream>

using namespace cimg_library;
using namespace std;

int main()
{
    // Create solid white image 
    CImg<unsigned char> img(320,240);
    img.fill(255);

    // Draw some black circles
    unsigned char black[] = {0};
    img.draw_circle(50, 50,30,black);
    img.draw_circle(130,100,50,black);
    img.draw_circle(200,200,35,black);
    img.draw_circle(280,140,30,black);
    img.save("start.png");

    // Label the connected components
    CImg<> labels = img.label(true,64);

    // Save result
    labels.save("result.png");

}

我们会得到这个：

这是非常令人印象深刻的，直到我们查看直方图 - 我在这里使用ImageMagick ：

identify -verbose result.png

Image:
  Filename: result.png
  Format: PNG (Portable Network Graphics)
  Mime type: image/png
  Class: PseudoClass
  Geometry: 320x240+0+0
  Units: Undefined
  Colorspace: Gray
  Type: Grayscale
  Base type: Undefined
  Endianness: Undefined
  Depth: 8-bit
  Channel depth:
    Gray: 8-bit
  Channel statistics:
    Pixels: 76800
    Gray:
      min: 0  (0)
      max: 4 (0.0156863)
      mean: 0.565234 (0.00221661)
      median: 0 (0)
      standard deviation: 1.13898 (0.00446658)
      kurtosis: 2.3448
      skewness: 1.89382
      entropy: 0.520843
  Colors: 5
  Histogram:
    59036: (0,0,0) #000000 gray(0)      <--- HERE
    2909: (1,1,1) #010101 gray(1)
    8005: (2,2,2) #020202 gray(2)
    2909: (3,3,3) #030303 gray(3)
    3941: (4,4,4) #040404 gray(4)   

你可以看到有 5 个不同的灰度值，对应于输入图像中的 5 个分量。 我还可以对图像进行对比拉伸，以便您可以看到组件，每个组件都以不同的强度标识：

magick result.png -auto-level z.png

true参数告诉CImg将任何像素的东北部、东南部、西南部和西北部视为连接的组件。 如果你设置这个false ，它只考虑任何像素的北、南、东和西邻域被连接。

阈值表示一个像素在其 class 中可能与其他像素有多少不同，同时仍被认为足够相似以成为邻居 - 所以它是颜色匹配的容差。

关键词：C++，CImg，图像处理，标签，label，连通分量分析，斑点分析。