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  W7 |8 h& q; b. y$ Q$ a
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”。# C# @9 B# l, g. a& @6 y
测地线距离:地形分析的核心
* Q8 k( e6 i3 x0 ^" T
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。8 P5 f; v4 |' `: I, W$ D" Z- \
分水岭算法的执行步骤* E3 y5 p& M& _. Y- b0 Y4 j
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( g. j  D1 \' f' [: E/ S! 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:
. x( a* c7 v$ x5 m
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。# F# L, j( Y2 t0 z, f( A# K
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。" I( C) R3 z  [
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>% q8 [, G% J: {; {
  2. #include <opencv2/highgui.hpp>
    1 d  V3 k0 b$ I2 Y4 l( A, J" N, o( q
  3. #include <opencv2/imgproc.hpp>7 P1 ?( k- B) n1 |  q; D
  4. 0 Z4 q0 r( S7 u
  5. void showImg(const std::string& windowName, const cv::Mat& img){) o+ r! K( l" W+ ]$ d
  6.     cv::imshow(windowName, img);
    / m" Z% k; S. P" q8 c: d$ ^' n
  7. }
    9 U$ R# J3 H7 m

  8. + [( y9 ?4 o% [8 e# t# p% h
  9. void getBackground(const cv::Mat& source, cv::Mat& dst) {
    * q2 R) S9 t+ l! ^
  10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核
    . x) d; g3 d5 E% ~4 m8 E
  11. }
    % T. j% u" q2 O, Q

  12. / c+ P+ k) l. A& o
  13. void getForeground(const cv::Mat& source, cv::Mat& dst) {
    $ _4 o3 J' g# q+ N* e7 R2 `
  14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);
    , b0 K( Y' u9 F% n# Q" g9 n& p. R, T% i
  15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);
    3 H6 z2 d' e6 s, ?9 R8 U) d
  16. }
    5 F) S! y* K9 K; E7 C

  17. - e" a2 c+ A6 c- s# I2 `8 J
  18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {" u0 d% D  z$ e1 {. C0 w3 |8 S
  19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);7 w/ f8 h# D8 f2 O
  20.     // 绘制前景标记
    + r7 M# P, u' I9 N( g! ~2 K2 b
  21.     for (size_t i = 0, size = contours.size(); i < size; i++)5 M6 t/ \: B( [, R) P
  22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);
    $ ~5 [8 d. s: r6 ?, \( ?; W% _$ w
  23. }  s& x2 V7 w( R6 p# K6 T" c& ]. y

  24. 4 n0 J) `% k6 s
  25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {1 O4 b( q1 B1 X8 O0 {
  26.     for (int i = 0; i < size ; ++i) {3 x8 x; d" t4 n, M! j) v7 E9 o3 q
  27.         int b = cv::theRNG().uniform(0, 256);) h  O3 I' o$ E% g! Y
  28.         int g = cv::theRNG().uniform(0, 256);4 y5 {& T: d  D3 z; U; u
  29.         int r = cv::theRNG().uniform(0, 256);0 w+ M* r8 m/ I% k3 C& T
  30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));
    2 i% J4 e+ F6 z3 Z& Y' K5 Y
  31.     }$ G! h5 G# C. v' E4 R9 @$ _* i
  32. }
      H0 E6 d4 N& r6 C2 T0 u; ?  ?

  33. ; s% B8 e! d. H; l8 Q
  34. int main(int argc, char** argv) {
    2 p% F) i3 [. U- s, h
  35.     if(argc < 2){
    ; f( I3 j4 X$ @0 U* R! [+ D
  36.         std::cerr << "Errorn";
    3 x8 x1 C8 R4 b1 ^2 l3 q7 Y& @
  37.         std::cerr << "Provide Input Image:n n";1 y3 U7 c, J, D+ Q' U
  38.         return -1;. r$ _2 w  l* t( h# m! }
  39.     }
    " P% E7 A/ @. F
  40.     cv::Mat original_img = cv::imread(argv[1]);- E( L7 t$ y+ d2 }) p# H4 D2 o  r; M
  41.     if(original_img.empty()){
    + J& P4 C9 ^! d% Q
  42.         std::cerr << "Errorn";9 g& j1 b! ^7 e% q3 ^
  43.         std::cerr << "Cannot Read Imagen";  R' K5 l' J+ W1 g  G. f/ H
  44.         return -1;& s+ X, r% {8 ]0 O& I
  45.     }1 E, q/ L: U/ t# f
  46.     cv::Mat shifted;5 D7 c* U$ l1 `7 `0 @% H0 v
  47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);
    . a# B: Y* Q% Q: ?. r
  48.     showImg("Mean Shifted", shifted);
    7 R# k/ m: f% ~. @, W: u( [- z
  49.     cv::Mat gray_img;$ y% l4 R4 E- e: C9 O, w
  50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);
    / n( f, e1 z2 j: z% B+ c
  51.     showImg("GrayIMg", gray_img);
    * C/ f. ^7 e* v7 L! j2 L
  52.     cv::Mat bin_img;
    " G: ?8 X  I0 i! P2 L/ }+ M
  53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);
    + F8 T$ ^; x$ G. @- u
  54.     showImg("thres img", bin_img);
    % R2 n/ I# h1 j0 I  n: X$ J; h
  55.     cv::Mat sure_bg;
    $ K% Y- I! B! z
  56.     getBackground(bin_img, sure_bg);( Q0 {2 g* X& V" Q) Y1 W
  57.     showImg("Sure Background", sure_bg);
    - A, M  _  V% h6 a
  58.     cv::Mat sure_fg;8 |! y0 l' l2 r( E0 c* c
  59.     getForeground(bin_img, sure_fg);/ |# a0 H( N. i- ^" ~- S
  60.     showImg("Sure ForeGround", sure_fg);
    1 G- Z3 J' |9 g) `
  61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);* E0 ?3 u/ U% _( _% ?
  62.     std::vector<std::vector<cv::Point>> contours;$ c6 e9 ]0 j, W* r
  63.     findMarker(sure_bg, markers, contours);
    5 g+ {2 Z" u. a
  64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈
      ?; N# ^( f1 ^% d
  65.    
    / z( {( k! F- M  |9 I( E
  66.     cv::watershed(original_img, markers);
    2 Q/ ~' B8 d/ m' V# u
  67.     cv::Mat mark;
    5 h- Z0 m/ P: J
  68.     markers.convertTo(mark, CV_8U);
    : Q/ |2 w* g4 s+ W
  69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色,黑色转换为白色
    & I$ `1 u5 O! E/ _$ n
  70.     showImg("MARKER", mark);1 p. o1 P, B! A
  71.     // 在图像中突出显示标记 /! u: d/ }+ J7 T) w
  72.     std::vector<cv::Vec3b> colors;& ~& j8 E8 R" i
  73.     getRandomColor(colors, contours.size()); // 创建结果图像
    5 c* x* u+ F0 j
  74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);) k/ F+ ~3 v0 l. _' k8 z& d1 H
  75.     // 用随机颜色填充标记的对象0 P- j$ ]1 q/ v, S6 d
  76.     for (int i = 0; i < markers.rows; i++)( z5 b& u! p9 ~: [: n0 x
  77.     {/ B- L) A9 ?; w: U
  78.         for (int j = 0; j < markers.cols; j++)3 n$ E  i6 ]% m; M: J: ?
  79.         {! u) o+ h/ c, S! ~4 f8 V
  80.             int index = markers.at(i,j);1 X. L9 U( g* R- v( d2 l$ a  ]
  81.             if (index > 0 && index <= static_cast<int>(contours.size()))
    $ h) Y9 W+ a( u8 ?" R: U: R9 D: p
  82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];  u' E# W1 A% K6 }9 [
  83.         }9 f. E4 ^: V5 C
  84.     }  v: C: p' H* Z- w
  85.     showImg("Final Result", dst);9 M) {4 {# {3 G: s9 S# }6 F
  86.     cv::waitKey(0);; q( v1 C) K) S  H+ ^; b% Z
  87.     return 0;" _, r* B) M( d2 D/ W6 D
  88. }6 V0 I, f8 l1 e, l
复制代码
————————————————
4 S+ ~( w/ H4 o$ q1 _+ q# F
                            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  T' D8 b+ z+ W( _$ H% |

" {* [, x5 r' J0 h9 j




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