如何通过泛洪填充为阈值处理后的二值图像形状重着色以实现索引？

看起来你已经完成了二值化的步骤，接下来要实现的是连通区域标记（Connected Component Labeling）——给每个独立的白色形状分配唯一的索引/颜色，这样就能轻松区分和索引它们了。OpenCV内置了高效的工具来做这件事，不用手动遍历，我们来修改你的代码：

优化思路 #

1. 替换手动二值化：用OpenCV自带的cv::threshold函数，比手动遍历更高效且不易出错
2. 连通区域标记：使用cv::connectedComponents生成每个区域的索引图
3. 彩色可视化：将索引图转换成彩色图，每个区域用不同颜色区分，方便观察和索引

修改后的完整代码 #

#include <opencv2/opencv.hpp>
#include <vector>
#include <cstdlib> // 用于rand()生成随机颜色

void thresholdAndIndex() {
    // 注意：你原代码里用了CV_LOAD_IMAGE_GRAYSCALE，所以加载的是灰度图，不是彩色图
    cv::Mat src_gray_img = cv::imread("images/train.png", cv::IMREAD_GRAYSCALE);
    if (src_gray_img.empty()) {
        printf("Unable to read input file (%s, %d).", __FILE__, __LINE__);
        return;
    }
    cv::imshow("Train", src_gray_img);

    // 1. 用OpenCV内置函数做二值化（替代手动遍历）
    cv::Mat thresh_holding;
    double thresh = 128;
    double maxValue = 255;
    // THRESH_BINARY：像素值>thresh设为maxValue，否则设为0，和你手动逻辑完全一致
    cv::threshold(src_gray_img, thresh_holding, thresh, maxValue, cv::THRESH_BINARY);
    cv::imshow("ThreshHolding", thresh_holding);

    // 2. 连通区域标记，获取每个像素的区域索引
    int numLabels;
    cv::Mat labels;
    // 参数说明：输入二值图、输出索引图、连通方式（8连通/4连通）、索引数据类型
    numLabels = cv::connectedComponents(thresh_holding, labels, 8, CV_32S);
    printf("检测到 %d 个独立的白色区域（含黑色背景）\n", numLabels);

    // 3. 生成彩色索引图，方便可视化和索引
    cv::Mat coloredIndexing = cv::Mat::zeros(thresh_holding.size(), CV_8UC3);
    std::vector<cv::Vec3b> colors(numLabels);
    colors[0] = cv::Vec3b(0, 0, 0); // 背景设为黑色
    // 给每个非背景区域分配随机颜色（也可以用固定色系，避免重复）
    for(int i = 1; i < numLabels; ++i){
        colors[i] = cv::Vec3b(rand()%256, rand()%256, rand()%256);
    }
    // 给每个像素上色
    for(int y = 0; y < labels.rows; ++y){
        for(int x = 0; x < labels.cols; ++x){
            int label = labels.at<int>(y, x);
            coloredIndexing.at<cv::Vec3b>(y, x) = colors[label];
        }
    }

    cv::imshow("Indexed Colored Shapes", coloredIndexing);
    cv::waitKey(0);
}

int main() {
    thresholdAndIndex();
    return 0;
}

关键细节说明 #

• 连通方式选择：cv::connectedComponents的第三个参数选8表示8连通（上下左右+四个对角线都算同一区域），选4则只算上下左右，根据你的实际需求调整。
• 索引的实际使用：labels矩阵里每个像素的值就是它所属区域的索引（从0开始，0是黑色背景），你可以通过这个索引直接定位到对应区域的所有像素，实现真正的可索引性。
• 进阶功能拓展：如果需要获取每个区域的面积、边界框、中心坐标等统计信息，可以用cv::connectedComponentsWithStats，它会返回额外的stats和centroids矩阵，方便过滤小区域或做后续的区域分析。

内容的提问来源于stack exchange，提问作者akglali