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”。
测地线距离：地形分析的核心
' y, B* P3 G# t% t- R/ O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
( M1 u$ `  u) A' |# c. z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
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：
6 a, o. }+ o5 d  V) o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。
' W; `9 K9 ~( f6 q9 f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>
   4 x* \: K' y0 O) h) ?3 {5 o
2. #include <opencv2/highgui.hpp>5 o0 E# G3 R4 E$ C$ |! {1 U
   
3. #include <opencv2/imgproc.hpp>$ W) Y5 a8 ~\" b* C
   
4. 
   2 [+ j3 y5 Z5 t0 ?8 w\" U6 c
5. void showImg(const std::string& windowName, const cv::Mat& img){
   . m0 F! d$ @2 q4 G  A/ M) q
6.     cv::imshow(windowName, img);
   - Q0 u9 a* [5 q' S. f, a
7. }
   6 f. u\" c4 m/ l
8. 
   / ^( l# {  b% h% b/ N
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {
   8 Y) B& f% ?+ e' D/ H( V3 c. y0 Z( S
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核
    ; D$ t/ y' s4 `; r
11. }/ @+ B. `( u* u& G# ?
    
12. 5 u\" f( y5 u) C- v% k9 p+ {/ Z& x
    
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {
    7 i% ?; @( D5 E# ]% U4 u- i
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);4 r5 |% L7 d, x& g/ f/ ]
    
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);! U% n5 a: k6 K& h
    
16. }
    2 {( O% e+ z( S' U: M
17. * D: o% r4 f8 R9 ?' r$ `
    
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {9 |+ G2 `. e, o+ Q) M# I2 T
    
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
    5 A! Y9 M: _) l+ ^
20.     // 绘制前景标记
    , j# U, `4 W( }) E
21.     for (size_t i = 0, size = contours.size(); i < size; i++)
    9 x  M1 O/ y! a3 Y& T2 F
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);
    ( x' z# w* n5 u7 Z; k# t  E; X
23. }
    + {$ o, x# a  h\" @4 }6 U+ a1 U/ z
24. + w+ s  z/ D* t0 r
    
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {5 ~0 d; {1 K, g, C( \- l4 X
    
26.     for (int i = 0; i < size ; ++i) {
    , x1 C: E0 P5 p# U
27.         int b = cv::theRNG().uniform(0, 256);, m- J+ E. v7 z- T) {; J3 T  W
    
28.         int g = cv::theRNG().uniform(0, 256);
    \" w2 |% L# t3 x1 Z4 ?  I8 z
29.         int r = cv::theRNG().uniform(0, 256);
    - t/ l% W, P1 {7 }4 j. p4 c
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));- G+ ?) T2 p4 R; O/ G$ p
    
31.     }
    - S\" d9 `& ~2 d0 a. n1 d6 c9 L
32. }
    , G* d\" G  Z4 `\" E, A+ U
33. 
    / L; f' M# f3 y- `& ~
34. int main(int argc, char** argv) {$ F' d& S+ Y1 g; K. F  M! \
    
35.     if(argc < 2){9 w' X0 h& y) Q+ W8 M) n' ]
    
36.         std::cerr << "Errorn";
    8 A+ l. T9 S% b! D, f7 {
37.         std::cerr << "Provide Input Image:n n";
    # V. x9 e' z6 V( p1 K
38.         return -1;$ A. z\" ~. ]+ ?' |; [
    
39.     }
    4 v+ P& ]4 s) H3 _- Z/ E\" P! I
40.     cv::Mat original_img = cv::imread(argv[1]);6 R\" V) S) K6 A% B  A: O
    
41.     if(original_img.empty()){
    # Q/ _1 o  Y+ K7 |/ }  c6 [\" @
42.         std::cerr << "Errorn";8 [3 k! ?0 {  E1 [3 G
    
43.         std::cerr << "Cannot Read Imagen";
    * y( }1 Z9 H2 ^/ [! O
44.         return -1;
    # n$ z9 @' X/ b6 K- E4 S
45.     }
    ) k3 x. l6 @( }5 I# g& z% g+ w
46.     cv::Mat shifted;
    & m\" y+ p) Y9 ]# C. N
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);
    6 a: e6 z) X& o3 ^  N
48.     showImg("Mean Shifted", shifted);5 A\" S! N4 ]$ F. z
    
49.     cv::Mat gray_img;
    1 W! W6 R# J) B3 Z2 p1 b
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);2 i\" H8 U; s: b
    
51.     showImg("GrayIMg", gray_img);+ j  \: i3 y6 D& d
    
52.     cv::Mat bin_img;
    2 _( F! J8 h5 x' H' I
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);& R/ [( o) F0 y( P
    
54.     showImg("thres img", bin_img);' @; j% }' i2 g% l7 I* F
    
55.     cv::Mat sure_bg;, ^, I8 o\" ]9 i! E! k
    
56.     getBackground(bin_img, sure_bg);: D7 F, J& o# A- L, p( m, K8 n
    
57.     showImg("Sure Background", sure_bg);' c& O5 m: \% S9 w8 {5 k/ @
    
58.     cv::Mat sure_fg;
    8 |# S/ e$ A0 ~( L$ |0 w
59.     getForeground(bin_img, sure_fg);4 p' s' w* f7 M5 _3 l
    
60.     showImg("Sure ForeGround", sure_fg);$ t3 H8 {  c6 |: d9 x$ i- ^  T  _
    
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);
    9 _* w/ p1 o- u8 _1 t% y
62.     std::vector<std::vector<cv::Point>> contours;. \: q\" ?- `\" V5 Y9 _9 N
    
63.     findMarker(sure_bg, markers, contours);2 l' ]8 s+ I4 y* N5 Q1 i. t0 O
    
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈6 z9 x) K7 m$ {- ]# ?0 g; a
    
65.     , A- Q- b( c* M( N* [/ _/ H
    
66.     cv::watershed(original_img, markers);3 ~: d7 B; b# R6 ?, h( Q/ r$ i, ?, b
    
67.     cv::Mat mark;
    7 M; Y+ P! X\" c
68.     markers.convertTo(mark, CV_8U);
    3 l) p- w8 P, I( A: ^4 L
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色, M8 W2 F; N, S0 Q& R! [. n$ I
    
70.     showImg("MARKER", mark);
      k\" b: G9 q4 W, i' d
71.     // 在图像中突出显示标记 /
    ' l) R. B5 Z- z
72.     std::vector<cv::Vec3b> colors;5 x' C# O- I* x1 k5 K2 {( G. k
    
73.     getRandomColor(colors, contours.size()); // 创建结果图像
    8 s/ d8 a) ?( C' {) ^( O5 P! L* ^
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);
    $ C+ i5 l: `7 E5 l3 g: [; R
75.     // 用随机颜色填充标记的对象
    + P  V  t4 d; d: @7 I% v& f
76.     for (int i = 0; i < markers.rows; i++)7 R: n, V# n  u' X0 Q( K
    
77.     {
      I1 f6 {/ i- \* z
78.         for (int j = 0; j < markers.cols; j++)- J( Q9 M2 U& J9 N% H
    
79.         {  N\" Y5 R! m\" V* }5 |0 x) Z
    
80.             int index = markers.at(i,j);
    0 r3 P/ K; u- i9 O+ X- {) t5 n
81.             if (index > 0 && index <= static_cast<int>(contours.size()))
    . K  l- T/ G9 J. k: g, o: y
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];
    7 ~2 u% b- y2 _/ D# S- U( o
83.         }
    ( {; W' c. Q$ G+ ~2 ?0 D& l
84.     }& |- a, K, e* S  j6 j7 Z
    
85.     showImg("Final Result", dst);
    \" U5 g6 ?: d. r4 C
86.     cv::waitKey(0);' l. O# Y\" h6 _- a2 W& [4 c* F+ o
    
87.     return 0;
    * ?  n# c& s0 v& [2 M; a, v8 M) J* d
88. }3 c4 L0 s7 x0 ^$ V& b! b
    

复制代码

————————————————
                            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
3 c7 ]! r4 v3 T, D1 O; u
/ h' f* q7 l# k: f) P/ k6 `