[Python] openCV : Labeling

Labeling

---

배경과 객체를 구분 한 후 Lableing을 이용하여 객체 간 구분

• 연결 구성 요소 Labeling(CCL, Connected Component Labeling)
  • 객체 인식을 위한 전처리 과정으로 사용.
  • 이진화 영상에서 수행(배경 : 검은색, 객체 : 흰색)
  • 연결성 정의에 따라 결과가 달라질 수 있다.
   

 

 

 

▶ 픽셀 연결 관계

이웃한 픽셀의 연결 관계는 4-방향 연결성, 8-방향 연결성으로 정의된다. 4방향은 상하좌우로만 연결되며 8방향은 대각선 인접 픽셀들도 연결되어 있다고 간주한다.

 

 

 

 

 

▶ 고전적 Labeling 기법

• 1966년 A. Rosenfeld의 논문에서 Equivalent table(등가 테이블)을 만들면서 영상을 두번 스캔 함으로써 레이블링을 수행
• 첫 번째 스캔에서는 레이블을 전파시키면서 등가 테이블 생성
• 두 번째 스캔에서는 등가 테이블을 참조하여 각 픽셀에 고유의 레이블을 부여.
• 4 - 이웃 연결성 고려.임의의 위치에서 위쪽과 왼쪽 두 이웃 픽셀을 조사하여
  • 두 이웃 픽셀의 레이블이 존재하지 않은 경우
    • 새로운 레이블을 지정.
    • 자신의 레이블을 가리키는 새 등가 테이블 항목을 생성.
  • 두 이웃 픽셀 중 하나에만 레이블이 존재하는 경우
    • 이웃 픽셀과 동일한 레이블을 지정.
  • 두 이웃 픽셀 모두에 레이블이 존재하며, 서로 동일한 레이블인 경우.
    • 이웃 픽셀과 동일한 레이블을 지정.
  • 두 이웃 픽셀 모두에 레이블이 존재하며, 서로 다른 레이블인 경우
    • 두 레이블 중 작은 번호의 레이블을 지정.
    • 두 레이블 중 큰 번호의 레이블이 작은 번호의 레이블을 가리키도록 등가 테이블을 조정.

 

 

 

 

Labeling Function 

---

▶ cv2.connectedComponents(src, connectivity, ltype) → retbal, labels

• src : 8비트 1채널 영상
• connectivity : 4 or 8, 기본값 8
• ltype : labes 타입, 기본값은 cv2.CV_32S (32bit signed integer)
• retval : 객체 개수(레이블 개수) N 반환, 카운팅을 0부터 하지만 0은 배경객체이므로 실제 객체 개수는 N-1
• labels : 레이블 맵 행렬

 

 

▶ cv2.connectedComponentsWithStats(src, connectivity, ltype) → retval, labels, stats, centroids

• 기본적인 파라미터, 입/출력 데이터 타입은 connectedComponecnts()와 동일
• stats : 추출된 객체의 위치, 가로세로 길이, 면적 등의 정보 행렬
  • 각행의 N번째 객체의 정보를 담고있다.
  • [객체를 감싸는 바운딩 박스의 x좌표 시작점, 객체를 감싸는 바운딩 박스의 y좌표 시작점, 객체 가로 크기, 객체 세로 크기, 객체의 총 픽셀 개수]
• centroids : 객체들의 무게 중심 정보
  • 각 행이 N번째 객체의 무게 중심 좌표(x,y)를 담고 있다.
  • 무게 중심은 객체의 모든 픽셀의 x좌표를 더한 값을 픽셀 개수로 나눈 값과 y좌표를 더한 값을 픽셀 개수로 나눈 값으로 구한다.

 

 

 

 

▶ 3개의 원으로 Labeling 실습

 

 

 

 

In [4]:

import cv2
import numpy as np
import matplotlib.pyplot as plt

src = cv2.imread('./image/circles.jpg', 0)
# flip = 255-src # 흑백 반전
# ret, dst = cv2.threshold(flip, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU) #영상 이진화
ret, dst = cv2.threshold(src, 128, 255, cv2.THRESH_BINARY_INV) #흑백 반전, 영상 이진화

cnt, labels, stats, centroids = cv2.connectedComponentsWithStats(dst)

print("cnt : ", cnt, "\n")
print('labels :', np.unique(labels), "\n")
print('stats : \n', stats, "\n")
print('centroids: \n', centroids, "\n")

flip2 = 255-dst # 흑백 반전
dst2 = cv2.cvtColor(flip2, cv2.COLOR_GRAY2BGR) #BGR화


for i in range(1, cnt):
    x, y, width, height, area = stats[i]
    cv2.rectangle(dst2, (x,y), (width+x, height+y), (0,0,255), 2) # 각 객체의 박스 생성
    
    cx = x + (width//2)
    cy = y + (width//2)
    cv2.circle(dst2,(cx, cy), 4, (0,0,255), 8) #각 객체의 중심원 생성
    
    # 문자 출력
    fontFace = cv2.FONT_HERSHEY_SIMPLEX
    cv2.putText(dst2, f"label={i}", (x, y-5), fontFace, 0.6, (255,0,0), 2)
    
cv2.rectangle(dst2, (0,0) ,(stats[0][2],stats[0][3]), (255,0,0), 5) # 전체 사각형 생성
cv2.circle(dst2, (stats[0][2]//2 ,stats[0][3]//2), 2, (0,255,0), 8) # 중심 원 생성
    
plt.style.use("grayscale")
plt.figure(figsize=(15,30)) #width, height

ax1 = plt.subplot(4,2,1)
ax2 = plt.subplot(4,2,2)
ax3 = plt.subplot(4,2,3)

ax1.imshow(src)
ax2.imshow(dst)
ax3.imshow(dst2)

ax1.axis('off')
ax2.axis('off')
ax3.axis('off')

ax1.set_title("")
ax2.set_title("")
ax3.set_title("")

# cv2.imshow('dst', src)
# cv2.imshow('dst', dst)
# cv2.imshow('dst2', dst2)
# cv2.waitKey()
# cv2.destroyAllWindows()
# cv2.waitKey(1)

 

 

cnt :  4 

labels : [0 1 2 3] 

stats : 
 [[     0      0    512    512 227637]
 [   340    110    121    121  11289]
 [   180    180    141    141  15373]
 [   300    350    101    101   7845]] 

centroids: 
 [[245.44863972 255.13168773]
 [400.         170.        ]
 [250.         250.        ]
 [350.         400.        ]] 

Out[4]:

Text(0.5, 1.0, '')