图像分析------连通组件标记算法

连接组件标记算法(connected component labeling algorithm)是图像分析中最常用的算法之一，

算法的实质是扫描一幅图像的每个像素，对于像素值相同的分为相同的组(group),最终得到

图像中所有的像素连通组件。扫描的方式可以是从上到下，从左到右，对于一幅有N个像

素的图像来说，最大连通组件个数为N/2。扫描是基于每个像素单位，对于二值图像而言，

连通组件集合可以是V={1}或者V={0}, 取决于前景色与背景色的不同。对于灰度图像来说，

连图组件像素集合可能是一系列在0 ～ 255之间的灰度值。

算法流程如下：

1.      首先扫描当前像素相邻的八邻域像素值，发现连通像素加以标记。

2.      完全扫描所有像素点之后，根据标记将所有连通组件合并。

算法实现Class文件解释：

AbstractConnectedComponentLabel：一个抽象的Class定义了抽象方法doConntectedLabel()

同时完成了一些公共方法

ConnectedComponentLabelAlgOne：一个容易读懂的连接组件算法完成，没有任何优化，

继承上面的自抽象类

ConnectedComponentLabelAlgTwo：一个快速的连接组件算法，基于算法优化，取当前像素

的四邻域完成扫描与标记合并。

Label与PixelInfo是两个数据结构，用来存储算法计算过程中的中间变量。

ImageLabelFilter用来测试算法的驱动类，ImageAnalysisUI是现实测试结果的UI类

算法运行结果：

根据标记的索引将组件着色。

定义数据结构的代码如下：

[java] view plaincopy

1. public class Label {  
2.       
3.     private int index;  
4.     private Label root;  
5.       
6.     public Label(int index) {  
7.         this.index = index;  
8.         this.root = this;  
9.     }  
10.       
11.     public Label getRoot() {  
12.         if(this.root != this) {  
13.             this.root = this.root.getRoot();  
14.         }  
15.         return root;  
16.     }  
17.   
18.     public int getIndex() {  
19.         return index;  
20.     }  
21.   
22.     public void setIndex(int index) {  
23.         this.index = index;  
24.     }  
25.   
26.     public void setRoot(Label root) {  
27.         this.root = root;  
28.     }  
29. }  

Pixelnfo的代码如下：

[java] view plaincopy

1. package com.gloomyfish.image.analysis;  
2.   
3. public class PixelInfo {  
4.     private int value; // pixel value  
5.     private int xp;  
6.     private int yp;  
7.       
8.     public PixelInfo(int pixelValue, int yp, int xp) {  
9.         this.value = pixelValue;  
10.         this.yp = yp;  
11.         this.xp = xp;  
12.     }  
13.       
14.     public int getValue() {  
15.         return value;  
16.     }  
17.     public void setValue(int value) {  
18.         this.value = value;  
19.     }  
20.     public int getXp() {  
21.         return xp;  
22.     }  
23.     public void setXp(int xp) {  
24.         this.xp = xp;  
25.     }  
26.     public int getYp() {  
27.         return yp;  
28.     }  
29.     public void setYp(int yp) {  
30.         this.yp = yp;  
31.     }  
32. }  

抽象的组件连通标记算法Class如下：

[java] view plaincopy

1. public abstract class AbstractConnectedComponentLabel {  
2.       
3.     protected int width;  
4.     protected int height;  
5.     protected Color fgColor;  
6.     protected int[] inPixels;  
7.     protected int[][] chessborad;  
8.     protected Map<Integer, Integer> neighbourMap;  
9.       
10.     public int getWidth() {  
11.         return width;  
12.     }  
13.   
14.     public void setWidth(int width) {  
15.         this.width = width;  
16.     }  
17.   
18.     public int getHeight() {  
19.         return height;  
20.     }  
21.   
22.     public void setHeight(int height) {  
23.         this.height = height;  
24.     }  
25.       
26.     public abstract Map<Integer, List<PixelInfo>> doConntectedLabel();  
27.   
28.     public boolean isForeGround(int tr, int tg, int tb) {  
29.         if(tr == fgColor.getRed() && tg == fgColor.getGreen() && tb == fgColor.getBlue()) {  
30.             return true;  
31.         } else {  
32.             return false;  
33.         }  
34.           
35.     }  
36.   
37. }  

实现抽象类的算法one的代码如下：

[java] view plaincopy

1. import java.awt.Color;  
2. import java.util.ArrayList;  
3. import java.util.HashMap;  
4. import java.util.List;  
5. import java.util.Map;  
6.   
7. public class ConnectedComponentLabelAlgOne extends AbstractConnectedComponentLabel {  
8.   
9.     public ConnectedComponentLabelAlgOne(Color fgColor, int[] srcPixel, int width, int height) {  
10.         this.fgColor = fgColor;  
11.         this.width = width;  
12.         this.height = height;  
13.         this.inPixels = srcPixel;  
14.         this.chessborad = new int[height][width];  
15.         for(int i=0; i<height; i++) {  
16.             for(int j=0; j<width; j++) {  
17.                 chessborad[i][j] = 0;  
18.             }  
19.         }  
20.         this.neighbourMap = new HashMap<Integer, Integer>();   
21.     }  
22.       
23.     // assume the input image data is binary image.  
24.     public Map<Integer, List<PixelInfo>> doConntectedLabel() {  
25.         System.out.println("start to do connected component labeling algorithm");  
26.         int index = 0;  
27.         int labelCount = 0;  
28.         Label currentLabel = new Label(0);  
29.         HashMap<Integer, Label> allLabels = new HashMap<Integer, Label>();  
30.         for(int row=0; row<height; row++) {  
31.             int ta = 0, tr = 0, tg = 0, tb = 0;  
32.             for(int col=0; col<width; col++) {  
33.                 index = row * width + col;  
34.                 ta = (inPixels[index] >> 24) & 0xff;  
35.                 tr = (inPixels[index] >> 16) & 0xff;  
36.                 tg = (inPixels[index] >> 8) & 0xff;  
37.                 tb = inPixels[index] & 0xff;  
38.                 if(isForeGround(tr, tg, tb)) {  
39.                     getNeighboringLabels(row, col);  
40.                     if(neighbourMap.size() == 0) {  
41.                         currentLabel.setIndex(++labelCount);  
42.                         allLabels.put(labelCount,new Label(labelCount));  
43.   
44.                     } else {  
45.                         for(Integer pixelLabel : neighbourMap.keySet().toArray(new Integer[0])) {  
46.                             currentLabel.setIndex(pixelLabel);  
47.                             break;  
48.                         }  
49.                         mergeLabels(currentLabel.getIndex(), neighbourMap, allLabels);  
50.                     }  
51.                     chessborad[row][col] = currentLabel.getIndex();  
52.                 }  
53.             }  
54.         }  
55.           
56.         Map<Integer, List<PixelInfo>> connectedLabels = consolidateAllLabels(allLabels);  
57.         return connectedLabels;  
58.     }  
59.       
60.     private Map<Integer, List<PixelInfo>> consolidateAllLabels(HashMap<Integer, Label> allLabels) {  
61.         Map<Integer, List<PixelInfo>> patterns = new HashMap<Integer, List<PixelInfo>>();  
62.         int patternNumber;  
63.         List<PixelInfo> shape;  
64.         for (int i = 0; i < this.height; i++)  
65.         {  
66.             for (int j = 0; j < this.width; j++)  
67.             {  
68.                 patternNumber = chessborad[i][j];  
69.                 if (patternNumber != 0)  
70.                 {  
71.                     patternNumber = allLabels.get(patternNumber).getRoot().getIndex();  
72.                     if (!patterns.containsKey(patternNumber))  
73.                     {  
74.                         shape = new ArrayList<PixelInfo>();  
75.                         shape.add(new PixelInfo(Color.BLUE.getRGB(), i, j));  
76.                     }  
77.                     else  
78.                     {  
79.                         shape = patterns.get(patternNumber);  
80.                         shape.add(new PixelInfo(Color.BLUE.getRGB(), i, j));  
81.                     }  
82.                     patterns.put(patternNumber, shape);  
83.                 }  
84.             }  
85.         }  
86.         return patterns;  
87.     }  
88.   
89.     private void mergeLabels(int index, Map<Integer, Integer> neighbourMap,  
90.             HashMap<Integer, Label> allLabels) {  
91.         Label root = allLabels.get(index).getRoot();  
92.         Label neighbour;  
93.         for(Integer key : neighbourMap.keySet().toArray(new Integer[0])) {  
94.              if (key != index)  
95.              {  
96.                  neighbour = allLabels.get(key);  
97.                  if(neighbour.getRoot() != root) {  
98.                      neighbour.setRoot(neighbour.getRoot());// thanks zhen712,  
99.                  }  
100.              }  
101.         }  
102.           
103.     }  
104.   
105.     /** 
106.      * get eight neighborhood pixels 
107.      *  
108.      * @param row 
109.      * @param col 
110.      * @return 
111.      */  
112.     public  void getNeighboringLabels(int row, int col) {  
113.         neighbourMap.clear();  
114.         for(int i=-1; i<=1; i++) {  
115.             int yp = row + i;  
116.             if(yp >=0 && yp < this.height) {  
117.                 for(int j=-1; j<=1; j++) {  
118.                     if(i == 0 && j==0) continue; // ignore/skip center pixel/itself  
119.                     int xp = col + j;  
120.                     if(xp >=0 && xp < this.width) {  
121.                         if(chessborad[yp][xp] != 0) {  
122.                             if(!neighbourMap.containsKey(chessborad[yp][xp])) {  
123.                                 neighbourMap.put(chessborad[yp][xp],0);  
124.                             }  
125.                         }  
126.                     }  
127.                 }  
128.             }  
129.         }  
130.     }  
131. }