如何高效统计黑色背景图像中的白色区域数量
一位学习 python 的本科生在小组作业中遇到了难题，需要统计培养皿内菌落数量。他使用了 opencv 和 python 图片处理库，但需要一种更好的方法来准确计数白点。
一种繁琐的方法是遍历图像中的每个像素，识别白色像素并寻找其周围的白色点。然而，有一种更有效的解决方案：使用 cv2.connectedcomponentswithstats 函数。此函数可识别图像中的连通区域并返回有关每个区域的统计信息，包括矩形框坐标和面积。
修改后的代码如下：
# 经过预处理后得到二值图像 bin_img
ret, labels, stats, centroid = cv2.connectedComponentsWithStats(bin_img, connectivity=4)
idx = 1
for stat in stats:
# 忽略超出图像一半宽度的区域
if (stat[2] - stat[0]) > bin_img.shape[0] / 2:
continue
cv2.rectangle(original_img_cbk, (stat[0], stat[1]), (stat[0] + stat[2], stat[1] + stat[3]), (255, 0, 0), 2)
cv2.putText(original_img_cbk, str(idx), (stat[0], stat[1] + 25), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (255, 25, 25), 2)
idx += 1此代码会识别每个连通区域（白点），并为其绘制矩形框和标签。用于忽略不感兴趣的超大区域（例如图像边界上的噪点）的条件语句是必需的。
以上就是如何利用 OpenCV 高效统计黑色背景图像中的白色区域数量？的详细内容，更多请关注php中文网其它相关文章！
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移，垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是，许多工具可以让 Windows 保持平稳运行。
广告Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号
261
收藏
