数学建模社区-数学中国

标题: OpenCV 使用分水岭算法进行图像分割 [打印本页]

作者: 2744557306    时间: 2024-4-27 10:36
标题: OpenCV 使用分水岭算法进行图像分割
分水岭算法:模拟地理形态的图像分割
9 ]+ c6 d  E2 a& I1 P) C1 l' h" ^
分水岭算法通过模拟自然地形来实现图像中物体的分类。在这一过程中,每个像素的灰度值被视作其高度,灰度值较高的像素形成山脊,即分水岭,而二值化阈值则相当于水平面,低于这个水平面的区域会被“淹没”。/ t8 |% W2 O- _; R! t
测地线距离:地形分析的核心
, k: z8 Z7 L3 n9 ?) e. S4 c
测地线距离是分水岭算法中的一个关键概念,它代表地球表面两点间的最短路径。这一概念在图论中同样适用,指的是图中两节点间的最短路径,与欧氏距离相比,测地线距离考虑的是实际路径。
. I1 A6 t4 M+ n- `3 U8 M
分水岭算法的执行步骤$ D) e. g9 D0 b4 P  |' r
梯度图像分类:根据灰度值对梯度图像中的像素进行分类,并设定测地距离阈值。起始点标记:选择灰度值最小的像素点作为起始点,这些点通常是局部最小值。水平面上升:随着阈值的增长,测量周围邻域像素到起始点的测地距离。若小于阈值,则淹没这些像素;若大于阈值,则在这些像素上建立“大坝”。大坝设置与区域分区:随着水平面的上升,建立更多的大坝,直到所有区域在分水岭线上相遇,完成图像的分区。避免过度分割的策略
9 w( g. d" g" U/ I5 @: v7 G* j
分水岭算法可能会因噪声或干扰导致图像过度分割,形成过多的小区域。解决这一问题的方法包括:
: u$ D& m, v5 A/ E+ p! D- I
高斯平滑:通过高斯平滑减少噪声,合并小分区。基于标记的分水岭算法:选择相对较高的灰度值像素作为起始点,手动标记或使用自动方法如距离变换来确定,从而合并小区域。OpenCV 实现 Watershed 算法函数原型:void watershed( InputArray image, InputOutputArray markers );1参数说明:image:输入的图像,必须是8位的单通道灰度图像。这个图像的梯度信息将被用来模拟水流向低洼地区流动的过程。( d2 t' D0 f" F" e4 h$ U
markers:输入输出参数,是一个与原图像大小相同的图像,用于存放分割标记。在函数调用前,这个图像应该被初始化,其中包含了用户定义的分割区域的标记。标记是通过正整数索引来表示的,表示用户已知的前景或背景区域。所有未知区域(即算法需要确定的区域)应该被标记为0。函数执行完成后,每个像素点的标记将被更新为“种子”组件的值,或者在区域边界处被设置为-1。
) z) q& o0 J. J) ^: b+ X1 ]9 v- A0 J: o. x
功能说明:watershed 函数会分析 image 的梯度信息,并使用 markers 中定义的已知区域作为分割的起点(种子点)。算法将从这些种子点开始,逐步对图像中的其他像素点进行区域归属的判定,直到所有像素点都被标记。在分割过程中,如果两个相邻的已知区域(种子点)相遇,算法会在它们之间创建一个边界,以避免这些区域合并在一起,从而实现分割。注意事项:markers 中的标记非常重要,它们直接影响分割的结果。因此,用户需要仔细考虑如何标记已知的前景和背景区域。分水岭算法可能会导致过度分割,特别是当图像中存在大量噪声时。在实际应用中,可能需要对图像进行预处理,如使用高斯模糊去除小的局部最小值,以减少过度分割的问题。
  1. #include <opencv2/imgcodecs.hpp>! Z3 u) q3 y3 Q
  2. #include <opencv2/highgui.hpp>1 K' R  ]3 y. c
  3. #include <opencv2/imgproc.hpp>
    , g) d, X/ f/ b, m2 x1 G
  4. , k) n- F" m! Q5 _9 Y
  5. void showImg(const std::string& windowName, const cv::Mat& img){* [8 R2 Y/ l) a  V6 B7 S' @4 n
  6.     cv::imshow(windowName, img);& S! w: w8 y0 ?* h
  7. }
    4 J- r( l: C! b( P! l, e

  8. + ?- r6 F0 ]. U  S" y* c
  9. void getBackground(const cv::Mat& source, cv::Mat& dst) {1 z8 Y/ p& R$ O$ T* i9 o+ Z% V; P  f
  10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核
    # _* M" _. P; R' q
  11. }' N' C2 {" r' q- M6 c! Q" P% T

  12. 0 T  n5 N2 i' K) v/ c$ H4 y& F
  13. void getForeground(const cv::Mat& source, cv::Mat& dst) {
    - ^+ s0 L. Y6 c4 `- T( J
  14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);
    8 O& c: W# P  `+ o5 @
  15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);
    / j$ c2 N/ u" P$ u" B
  16. }
    ; h4 Z9 n% i$ z$ a
  17. 9 Z9 p4 N/ F6 m% U
  18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {8 O- U' Z$ S. k) _" M: W: t3 z
  19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
    7 R! M! i8 U  V. p7 Z* o
  20.     // 绘制前景标记
    9 f% ]% i& ^+ ~! Y& N
  21.     for (size_t i = 0, size = contours.size(); i < size; i++)
    9 G* ^2 Q! @: I4 ^
  22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);! l5 \9 ]4 K7 ?- K5 \
  23. }
    7 ~# j. L6 B2 U5 H( y/ c

  24. ) O$ N1 }$ |+ c- ^" P1 ~7 o
  25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {  F8 x" \' @# f" Z
  26.     for (int i = 0; i < size ; ++i) {" X$ Y5 e2 M4 O$ l$ t+ y/ }
  27.         int b = cv::theRNG().uniform(0, 256);
    . H7 j, j2 R/ N
  28.         int g = cv::theRNG().uniform(0, 256);
    ! T$ }9 S/ Q; m5 s" R
  29.         int r = cv::theRNG().uniform(0, 256);
    ! o3 z, ~( @8 c% k% S9 m* o# p. k
  30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));
    5 i' K" h" q! U; ?7 r
  31.     }- `1 m, b$ [5 s/ f0 l$ r2 G
  32. }. U& i( }' D% T: Y6 g4 G
  33. # m( l% z, X2 x0 A
  34. int main(int argc, char** argv) {
    ; {6 j" `+ t5 P* P, p2 k5 D% }
  35.     if(argc < 2){
    7 s' v; K: W8 a/ \$ P
  36.         std::cerr << "Errorn";6 i& s7 q" ^# T3 H
  37.         std::cerr << "Provide Input Image:n n";
    8 [3 p, k) H- }. [4 [
  38.         return -1;" j6 M* n4 R# m% v6 h8 ?
  39.     }
    * ^# t; Z+ c+ d% V! d7 R
  40.     cv::Mat original_img = cv::imread(argv[1]);
    5 E/ ~! t4 r# T
  41.     if(original_img.empty()){
    $ c( e% ?9 ^9 `: v* _1 x
  42.         std::cerr << "Errorn";+ ?' Y8 |* P5 V! c) d
  43.         std::cerr << "Cannot Read Imagen";. k- t* o1 i1 k9 p
  44.         return -1;
    " a* B; s8 Y: g' A" i6 f
  45.     }( `% G5 @! i' I4 \" l% }9 u$ N# i
  46.     cv::Mat shifted;* s  S( P# `6 Q/ E! K
  47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);
    / o& C; E4 f; |
  48.     showImg("Mean Shifted", shifted);. |$ ]4 V4 x6 o1 `) P- v
  49.     cv::Mat gray_img;
    * {3 H% x8 _4 ^. ^  a
  50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);
    . O# m7 M( ?: }- W3 S+ u" ?/ F) @
  51.     showImg("GrayIMg", gray_img);
    8 r. u+ e4 u; }. c9 T! P9 [
  52.     cv::Mat bin_img;
    7 e, K) k/ \: l; R* z+ C6 Y. Q& m
  53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);) O# |9 l$ }; }2 ^
  54.     showImg("thres img", bin_img);
    % B% ~, E4 s0 ?3 g8 ~* ^
  55.     cv::Mat sure_bg;' b0 h7 S/ n/ [, s1 B' L
  56.     getBackground(bin_img, sure_bg);
    , d. S# l6 A- a" `3 w4 p4 l
  57.     showImg("Sure Background", sure_bg);0 ~; S6 s' B$ }1 @2 m
  58.     cv::Mat sure_fg;
    . K$ T$ g2 W- w: U& I2 k( k" X
  59.     getForeground(bin_img, sure_fg);
    2 K- j) ~- }* \7 {; u9 [* A
  60.     showImg("Sure ForeGround", sure_fg);
    - w. n- L: J% f1 i- @
  61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);2 r9 C! D7 W! `: Y( N1 y1 |
  62.     std::vector<std::vector<cv::Point>> contours;
    ; t) `& O/ y2 z1 p( l* ~1 ?
  63.     findMarker(sure_bg, markers, contours);" y$ l; {$ k+ g2 t
  64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈8 D! v4 C$ ]0 H1 v+ y2 S% ?
  65.    
    7 S! R- g" v' `4 _- Z7 v
  66.     cv::watershed(original_img, markers);! O  F" {) X- R1 o  z) X! Z
  67.     cv::Mat mark;  T" z7 `/ b' C0 ~  _7 w
  68.     markers.convertTo(mark, CV_8U);
    : V2 C3 K9 _0 K2 X2 e5 P
  69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色,黑色转换为白色
    8 h3 d1 ^. w% w' `3 ^1 J4 B
  70.     showImg("MARKER", mark);
    , t' T, O4 P5 y# p
  71.     // 在图像中突出显示标记 /: ~- [! a6 _4 l" h- ~6 c1 c4 Z- f/ y
  72.     std::vector<cv::Vec3b> colors;
    % P* F9 D0 G( @0 ^& c3 i
  73.     getRandomColor(colors, contours.size()); // 创建结果图像) J( Y1 \& D: B
  74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);+ n1 i, q0 ^, g) \
  75.     // 用随机颜色填充标记的对象. @3 L, `5 U3 c6 N  z
  76.     for (int i = 0; i < markers.rows; i++)$ W! m; Q7 e3 ^- E% s8 B2 k. ]
  77.     {- h5 ^; }, L6 [6 G2 h1 F" _
  78.         for (int j = 0; j < markers.cols; j++)
    . r, {- \. ?0 A. h' M. _, S
  79.         {
    3 r8 [* O# i- J' u! Z# \6 X7 g5 h
  80.             int index = markers.at(i,j);
    ) f# S" i7 M# d6 N( @+ _1 I1 b
  81.             if (index > 0 && index <= static_cast<int>(contours.size()))2 {8 ~2 f4 R: W7 ^6 ?7 z
  82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];, ^  y) m+ s/ j
  83.         }, f1 K( {7 ]9 y8 K
  84.     }
      `& u/ a. K$ F) r- }
  85.     showImg("Final Result", dst);: ]1 d* A* G9 J/ y- Z2 ^1 T
  86.     cv::waitKey(0);) v6 v6 s; I- m: S! E3 g& i
  87.     return 0;" ^5 ]2 v* ]5 J
  88. }  \) ^/ u# k0 |% F: Q6 X% {
复制代码
————————————————3 i# \8 `# U5 p
                            版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。                        原文链接:https://blog.csdn.net/matt45m/article/details/138211359
" v4 Y# z' c/ {0 [- _1 }- k$ r' j  b' C+ H" g( y2 |9 K





欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5