漫水填充 python

漫水填充思想：

就是将与种子点相连接的区域换成特定的颜色，通过设置连通方式或像素的范围可以控制填充的效果。通常是用来标记或分离图像的一部分对其进行处理或分析，或者通过掩码来加速处理过程。可以只处理掩码指定的部分或者对掩码上的区域进行屏蔽不处理。
主要作用就是：选出与种子点连通的且颜色相近的点，对像素点的值进行处理。如果遇到掩码，根据掩码进行处理。

工作流程：

选定种子点（x,y）检查种子点的颜色，如果该点颜色与周围连接点的颜色不相同，则将周围点颜色设置为该点颜色，如果相同则不做处理。但是周围点不一定都会变成和种子点的颜色相同，如果周围连接点在给定的范围内(lodiff - updiff)内或在种子点的象素范围内才会改变颜色。
检测其他连接点，进行上述的处理，直到没有连接点，即到达检测区域边界停止。

floodFill(image, mask, seedPoint, newVal[, loDiff[, upDiff[, flags]]]) 参数解释：

image：
mask：掩码图像，大小比原图多两个像素点。设输入图像大小为width * height, 则掩码的大小必须为 (width+2) * (height+2) , mask可为输出，也可作为输入 ，由flags决定。
seedPoint ：其实填充标记点
newVal：填充值
loDiff:为像素值的下限差值
flags参数 : 0~7位为0x04或者0x08 即 4连通或者8 连通
8~15位为填充mask的值大小 , 若为0 ， 则默认用1填充
16~23位为 : CV_FLOODFILL_FIXED_RANGE =(1 << 16), CV_FLOODFILL_MASK_ONLY =(1 << 17)
flags参数通过位与运算处理
当为CV_FLOODFILL_FIXED_RANGE 时，待处理的像素点与种子点作比较，如果满足(s – lodiff , s + updiff)之间(s为种子点像素值)，则填充此像素 . 若无此位设置，则将待处理点与已填充的相邻点作此比较
CV_FLOODFILL_MASK_ONLY 此位设置填充的对像， 若设置此位，则mask不能为空，此时，函数不填充原始图像img，而是填充掩码图像. 若无此位设置，则在填充原始图像的时候，也用flags的8~15位标记对应位置的mask.

code

# -*- coding: utf-8 -*-
"""
@author: wl
"""
import numpy as np
import cv2

clicks = []


'''鼠标选择基准点'''
def on_mouse(event, x, y, flags, params):
    global clicks
    if event == cv2.EVENT_LBUTTONDOWN:
        clicks.append((y,x))
        update()


'''更新填充区域'''
def update(dummy=None):
    global clicks
    if clicks == []:
        cv2.imshow('floodfill', img)
        return
    lo = cv2.getTrackbarPos('lower', 'floodfill')
    hi = cv2.getTrackbarPos('upper', 'floodfill')
    seed = clicks[-1]
    Img_mask = cv2.inRange(V, lo, hi)
    h, w = V.shape[:2]
    mask = np.zeros([h + 2, w + 2], np.uint8)

    cv2.floodFill(Img_mask, mask, (seed[1], seed[0]), (150,150, 150), (25, 25, 25),  (25, 25, 25), cv2.FLOODFILL_FIXED_RANGE)
    Img_mask[Img_mask != 150] = 0

    G = np.zeros(Img_mask.shape, np.uint8)
    B = np.zeros(Img_mask.shape, np.uint8)
    mask_result = cv2.merge([B, G, Img_mask])
    img_add = cv2.addWeighted(img, 0.7, mask_result, 0.3, 0)
    cv2.imshow('floodfill', img_add)


if __name__ == '__main__':

    img = cv2.imread(""./data/bitmap_segmentation.png"")
    # dst = cv2.bilateralFilter(src=img, d=0, sigmaColor=100, sigmaSpace=15)
    dst = cv2.medianBlur(img, 5)
    hsv = cv2.cvtColor(dst, cv2.COLOR_BGR2HSV)
    H, S, V = cv2.split(hsv)
    cv2.namedWindow('floodfill', 0)
    update()
    cv2.createTrackbar('lower', 'floodfill', 0, 255, update)
    cv2.createTrackbar('upper', 'floodfill', 255, 255, update)
    cv2.setMouseCallback('floodfill', on_mouse, 0, )

    while True:
        ch = 0xFF & cv2.waitKey()
        update()
        if ch == 27:
            break

    cv2.destroyAllWindows()

原图

org.png

红色为填充区域

2.jpg

3.png