OpenCV 使用分水岭算法进行图像分割

2744557306

分水岭算法：模拟地理形态的图像分割
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”。
1 h  p% H, V. r& m- \  p测地线距离：地形分析的核心
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。
分水岭算法的执行步骤
# f0 U& k- c! u' T( [- J1 @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
' L% A# J0 z' B& [) \6 ?5 O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：
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。
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。
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>
     e7 t1 Y$ m6 N) b
2. #include <opencv2/highgui.hpp>
   + a2 p1 P0 c; a. K; n
3. #include <opencv2/imgproc.hpp>
   ; k$ B5 x7 R$ _  w- c4 D
4. ) Q% J1 U# d9 n\" P
   
5. void showImg(const std::string& windowName, const cv::Mat& img){
   * T; T$ p/ h& z  ]& d
6.     cv::imshow(windowName, img);; }! ]! K0 C% E! J* t2 f
   
7. }: V8 h5 h! p9 g2 M9 ^3 X& h
   
8.   k3 b: v1 {- t1 m) l6 c. ]! z3 a
   
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {% x  Z( c$ `9 |5 y6 ], `
   
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核! W7 M  X+ q0 }( }, o2 V  ^7 Y
    
11. }
    6 ~, G7 F2 j) J( G2 y
12. 1 T5 ^1 [! \  ?
    
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {+ u! `- n2 g* _4 [
    
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);( F1 E$ I9 S1 o6 q3 l! S* O
    
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);
    - s# @* c$ K9 r3 p0 ^: k: o' x
16. }
    # ~# b  A5 {) H1 @3 c
17. & p2 T0 ?* k- M: b2 W9 u
    
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {
    & G8 S/ y- R& B! }9 x% F
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
    5 ?\" f- O+ L9 K/ f3 p
20.     // 绘制前景标记
    7 B5 Q) D3 }\" o  |3 ^& V$ ]
21.     for (size_t i = 0, size = contours.size(); i < size; i++)0 v, M\" e6 `; Z1 K5 n! A
    
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);
    8 U4 a/ t  h, w- H4 E4 s' M
23. }
      |3 \0 w' F; P9 V& e
24. 
    0 t# h/ }' Q8 j/ m
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {0 P6 t* ]1 W  ]& n. J
    
26.     for (int i = 0; i < size ; ++i) {
    4 v$ Z- [6 j  o  Z\" l5 X9 _
27.         int b = cv::theRNG().uniform(0, 256);  [/ k( {# Y; k
    
28.         int g = cv::theRNG().uniform(0, 256);- _; l3 @; ]  n  L# T
    
29.         int r = cv::theRNG().uniform(0, 256);5 E: B# k7 @; _
    
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));: b: I  a, a/ m9 s- J
    
31.     }8 s& h0 C/ D! W2 j4 I; N2 s
    
32. }) X3 Y9 b3 L) n* f
    
33. 
    7 G+ J* S3 R* h! E
34. int main(int argc, char** argv) {
    ; I1 ~- _$ p! u- J
35.     if(argc < 2){
    7 b2 D# `( F# h4 G
36.         std::cerr << "Errorn";+ T. i  Z6 s2 {; G3 C2 s+ Z$ H
    
37.         std::cerr << "Provide Input Image:n n";; D1 o8 P* o' Z4 R+ A. }* v) j8 h. h
    
38.         return -1;
    ) w\" t! V+ q, `& X& c5 d
39.     }3 @$ {5 {4 g' ?# L' n1 D; t
    
40.     cv::Mat original_img = cv::imread(argv[1]);1 ]3 d: Q& k! p9 W: c1 U! f
    
41.     if(original_img.empty()){
    8 s- V7 R7 a) _/ W) l
42.         std::cerr << "Errorn";
      U! ~5 K  d* n3 f
43.         std::cerr << "Cannot Read Imagen";/ R% a# y! n' T6 w\" C& r: d
    
44.         return -1;7 Z9 f8 C! f3 A& |5 z
    
45.     }\" b$ m( s( r% w( P$ Y
    
46.     cv::Mat shifted;/ w( |2 S0 l  \3 S% }
    
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);
    ' }9 Q  N  p, A& b2 D$ h- ]
48.     showImg("Mean Shifted", shifted);
    , R9 ~' Q' d: `$ \4 O$ A# |
49.     cv::Mat gray_img;
    % D$ X2 y8 B: O, w2 a- i
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);
    + Z! w: @+ _) O2 M( D
51.     showImg("GrayIMg", gray_img);7 G3 {- T9 k6 o  s' |
    
52.     cv::Mat bin_img;
      l' ?* E1 w3 i
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);) b$ T8 ~& D* O9 }$ D: g
    
54.     showImg("thres img", bin_img);& _. L% I) s' b- `6 R- P4 R
    
55.     cv::Mat sure_bg;\" A+ @- M\" X2 ^
    
56.     getBackground(bin_img, sure_bg);, r+ O8 _! D7 S4 v
    
57.     showImg("Sure Background", sure_bg);6 ^6 a7 v2 G& g9 a
    
58.     cv::Mat sure_fg;% C! {& L% H( ~# v\" x
    
59.     getForeground(bin_img, sure_fg);
    + L6 ~$ a8 j) \
60.     showImg("Sure ForeGround", sure_fg);
    ( ]2 m; X, S# z* {* r
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);
    6 E; K2 @( }, D2 B9 t: x& C. U/ B
62.     std::vector<std::vector<cv::Point>> contours;
    1 a; F5 |! ?7 a4 y, O\" p; x
63.     findMarker(sure_bg, markers, contours);
    & P$ z1 d$ d5 e) _9 j' a
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈6 M/ `; |: P  C' _1 O7 }
    
65.    
    # o% B, E5 g' o8 d\" Q0 H7 F
66.     cv::watershed(original_img, markers);& a+ G* {/ |! K* K& `  |
    
67.     cv::Mat mark;* e# _: I# c3 C1 Z9 Z
    
68.     markers.convertTo(mark, CV_8U);, ]# K2 M) F$ f4 L4 P# a- O2 m
    
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色9 D- w# X2 E! _  L: e; ~& n* R
    
70.     showImg("MARKER", mark);
    5 S/ A- f4 f: k' Y
71.     // 在图像中突出显示标记 /
    0 H! Z( R) V) v* z
72.     std::vector<cv::Vec3b> colors;
    ; l8 b3 s' e% H- E
73.     getRandomColor(colors, contours.size()); // 创建结果图像. m$ \' Q' O- I
    
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);$ k; Q! K* D; B
    
75.     // 用随机颜色填充标记的对象1 D' e& R) \4 f
    
76.     for (int i = 0; i < markers.rows; i++)
    $ Y6 p+ d8 }8 C) d' L& {
77.     {
    0 [3 w) B  g+ u4 p
78.         for (int j = 0; j < markers.cols; j++)
    5 o1 G5 G\" b+ c. y* C1 ^3 T
79.         {
    $ j* J/ W! {$ k% H& O& ]
80.             int index = markers.at(i,j);* R, T8 E$ \. W; n
    
81.             if (index > 0 && index <= static_cast<int>(contours.size())); }! z; F; O4 `; d5 P* w
    
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];\" w& ~* s\" g7 I$ h5 t: O
    
83.         }
    7 R  l3 D7 p  b\" }% W' `
84.     }- X+ [$ A( V+ H5 r
    
85.     showImg("Final Result", dst);4 H+ ~\" ?* d7 x/ K/ \
    
86.     cv::waitKey(0);4 w: B  Q: A4 F0 g1 \6 M( l/ i
    
87.     return 0;
    0 S  ~# ]) h. ]# H9 |) M+ @
88. }7 `- V0 G% A0 [5 C6 ~6 I
    

复制代码

————————————————
3 y  g5 b( [* p" M8 Y                            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* R1 x* B2 h: V3 H