连通域标记给出一个点坐标判断他在哪个标记域内的python代码

假设给出连通域的标记矩阵为label，点的坐标为(x, y)，则可以通过以下代码判断该点所在的标记域：

def get_label_of_point(label, x, y):
    return label[x][y]

其中，label[x][y]表示矩阵label中第x行第y列的元素值，即该点所在的标记。

相关问题

连通域标记后的图像计算各区域坐标python代码

以下是一个示例代码，用于计算标记后图像中每个连通域的坐标：

import cv2
import numpy as np

# 读取图像并进行连通域标记
img = cv2.imread('image.png', 0)
ret, thresh = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
output = cv2.connectedComponentsWithStats(thresh, 8, cv2.CV_32S)

# 获取连通域的数量和各种统计信息
num_labels = output[0]
labels = output[1]
stats = output[2]
centroids = output[3]

# 循环遍历每个连通域并计算其坐标
for i in range(num_labels):
    x = stats[i, cv2.CC_STAT_LEFT]
    y = stats[i, cv2.CC_STAT_TOP]
    w = stats[i, cv2.CC_STAT_WIDTH]
    h = stats[i, cv2.CC_STAT_HEIGHT]
    cx = centroids[i, 0]
    cy = centroids[i, 1]

    print("Label {}: Top left={},{} Bottom right={},{} Centroid={},{}".format(i, x, y, x + w, y + h, cx, cy))

在这个示例代码中，我们首先读取了一张灰度图像，并使用OpenCV的`connectedComponentsWithStats`函数对其进行连通域标记。然后，我们获取了标记后图像中的连通域数量、标记数组、统计信息和质心坐标。最后，我们循环遍历每个连通域，并计算其左上角和右下角坐标以及质心坐标，并将其打印出来。

连通域标记后的图像计算各区域面积和坐标python代码

以下是使用Python和OpenCV库计算连通域标记后的图像中各区域的面积和坐标的示例代码：

import cv2

# 读取图像
img = cv2.imread('labeled_image.png', cv2.IMREAD_GRAYSCALE)

# 连通域标记
num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(img)

# 输出各区域的面积和坐标
for i in range(1, num_labels):
    area = stats[i, cv2.CC_STAT_AREA]
    x, y, w, h, _ = stats[i]
    print(f"Label {i}: area={area}, position=({x}, {y})")

其中，`cv2.connectedComponentsWithStats()`函数返回的四个参数分别是：

- `num_labels`：图像中连通域的数量（包括背景）。
- `labels`：一个与输入图像大小相同的数组，每个像素点的值表示所属的连通域标签。
- `stats`：一个大小为 `(num_labels, 5)` 的数组，每一行包含一个连通域的信息，包括左上角坐标、宽度、高度和面积。
- `centroids`：一个大小为 `(num_labels, 2)` 的数组，每一行包含一个连通域的质心坐标。