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
: e! d' u1 T3 d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”。
. }5 N- e4 g& e+ ]# ]测地线距离：地形分析的核心
1 J5 H+ O2 ^# r: w+ ?  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。
分水岭算法的执行步骤
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：
1 A/ H6 ]3 N6 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。
& k, i4 G$ C2 q: P9 B. b  nmarkers：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>
   # G! o6 D: [- I2 V# F! t! [# c6 C
2. #include <opencv2/highgui.hpp>
   ' N( Z7 p/ R- {  j$ i
3. #include <opencv2/imgproc.hpp>\" Z; a* [+ p& u1 R, v4 m! |, h
   
4. 2 P/ z1 H2 S# `% m4 _8 d
   
5. void showImg(const std::string& windowName, const cv::Mat& img){
   1 b5 v* C( Y( V  R
6.     cv::imshow(windowName, img);: c. |' M4 N$ c( w; u3 ?' P
   
7. }; c/ q% X1 D2 T' T1 W# z
   
8. 
   . d9 D  h+ S5 k2 T4 Z2 W
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {
   + H- \3 o, J6 _8 O\" a/ h$ P
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核
    % s\" v2 }! b+ {* N8 t\" c0 G2 p+ }
11. }
    ' T, A. ]1 M: e' [: s5 T
12. % ^0 ^' L  W4 m4 `4 }
    
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {
    4 v4 ]: ^! H1 l3 _
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);7 X' D; ]6 q) h5 y# ?7 r8 {
    
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);
    + m6 ?% x- [7 ^6 a
16. }
    / Q: a+ z1 e1 j6 b% Z
17. ! f+ N8 V! x1 L+ K0 M5 ?3 L
    
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {9 h6 T% D% t\" n9 m1 U# s
    
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
    6 Q- K7 `: S- W2 P5 G8 }
20.     // 绘制前景标记
    0 Y& _. Y+ p5 w6 w
21.     for (size_t i = 0, size = contours.size(); i < size; i++)/ r' ]2 i; B( L2 V6 J
    
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);/ ]$ I# E4 z) l* L' [6 `; @$ m7 Z! E
    
23. }
    ( l' x' ?- m+ t+ F3 O0 Y  i/ t
24. 1 d' g7 ~( a# U6 A* }* y9 \7 k& r- L9 _0 u
    
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {
    5 _! f  x% T9 B  w  m
26.     for (int i = 0; i < size ; ++i) {/ k6 M2 x1 u\" e
    
27.         int b = cv::theRNG().uniform(0, 256);
    ( s7 F1 F4 w+ Z; A9 r3 \. M\" B
28.         int g = cv::theRNG().uniform(0, 256);' Z* n+ B\" m7 S; Z
    
29.         int r = cv::theRNG().uniform(0, 256);8 v' n' X& J  K! d' d
    
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));1 g2 I% |' F\" |8 R
    
31.     }
    , k; L\" H/ w# w* ?
32. }
    5 [: Z7 f* D4 o8 c
33. 
    \" n0 D1 z\" I& v
34. int main(int argc, char** argv) {0 {/ ^) I. \, [! h. u9 E3 I
    
35.     if(argc < 2){0 W2 w) g/ H& F2 l\" D) {' V
    
36.         std::cerr << "Errorn";
    / F9 C2 T1 L0 G
37.         std::cerr << "Provide Input Image:n n";
    0 g/ S& r) R\" w9 c9 M\" p8 w6 }
38.         return -1;, j+ n5 g/ B8 e( W4 E* u4 Z9 Q0 o
    
39.     }
    . ?\" v7 e+ P5 _: Z$ _
40.     cv::Mat original_img = cv::imread(argv[1]);
    $ G+ J: ^3 W! h. t( O, j
41.     if(original_img.empty()){
    - H  k. o8 Q4 p) l; j/ @
42.         std::cerr << "Errorn";
    & e$ |+ r/ N4 M) L4 d
43.         std::cerr << "Cannot Read Imagen";4 M8 E0 A, {7 ^) e
    
44.         return -1;5 C& N. \- G# i6 E% r) i+ H6 @
    
45.     }
    5 z- J' h+ P5 A% U8 t
46.     cv::Mat shifted;) J1 s, x' B7 I0 a/ z6 ~
    
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);
    $ I8 w8 ?1 J- n5 O7 o8 q
48.     showImg("Mean Shifted", shifted);% m, z2 v2 L# a
    
49.     cv::Mat gray_img;
    \" s# Z% ?7 h: J  i% _* p3 @9 `
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);! V7 \5 \, Q- @
    
51.     showImg("GrayIMg", gray_img);1 _& T4 T) f$ d; @7 q3 _, E
    
52.     cv::Mat bin_img;
    % M2 T\" N* O) K! e- r8 A
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);4 G' g- C. @  m
    
54.     showImg("thres img", bin_img);6 H% m4 i1 y; J
    
55.     cv::Mat sure_bg;8 z6 y: J. I, V# {6 K
    
56.     getBackground(bin_img, sure_bg);4 h\" {$ }* ^8 _/ K. n# r; l- t! d
    
57.     showImg("Sure Background", sure_bg);8 p$ R% W, {; N9 ~0 l
    
58.     cv::Mat sure_fg;
    3 o8 J, r) O+ @/ s9 N9 M7 W9 m% S& o
59.     getForeground(bin_img, sure_fg);8 c  j: ]- J- C+ s3 |( i
    
60.     showImg("Sure ForeGround", sure_fg);5 k7 }, Y* V\" L! S$ r) x2 W; T+ R
    
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);
    ! R8 c; W$ U5 g- ~3 K/ f4 `1 j
62.     std::vector<std::vector<cv::Point>> contours;
    2 q$ w3 c/ p% N; z5 r4 N
63.     findMarker(sure_bg, markers, contours);
    6 x+ d8 H, h6 D9 f5 g
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈9 x* |! H+ \1 s* }0 |9 U0 M
    
65.     6 |7 I0 e$ b' x' }) }& c+ B3 u! @
    
66.     cv::watershed(original_img, markers);
    7 ]0 y* n% \& T. }  Y
67.     cv::Mat mark;
    2 ~2 T- g  h: g$ K3 K8 B% i2 v
68.     markers.convertTo(mark, CV_8U);& w; Q\" I% d* p1 v\" ~9 v# _
    
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色
    7 b& R% _# `! _: m1 x5 i
70.     showImg("MARKER", mark);
    ! M$ |/ g1 s1 r$ V* S, v
71.     // 在图像中突出显示标记 /
    & o/ D, J  c/ n* ]
72.     std::vector<cv::Vec3b> colors;
    ' g7 _( r\" `' ^  C. ^) X
73.     getRandomColor(colors, contours.size()); // 创建结果图像# S, _& `* }# o0 P( O4 ^7 }
    
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);$ ~. |9 T! h$ F% w\" A+ G. _. H0 K6 D
    
75.     // 用随机颜色填充标记的对象
    - `% \0 f7 O+ g7 r
76.     for (int i = 0; i < markers.rows; i++)$ y5 ~6 k7 i  |; x+ P3 P4 F3 G
    
77.     {
    * D, t( t; a& Q8 e4 q, q5 u
78.         for (int j = 0; j < markers.cols; j++)
    , }; N; W7 _, H3 C) v
79.         {
    & t& ^. u+ x9 `8 Q; |7 V
80.             int index = markers.at(i,j);
    % q- a  [% g8 o1 i
81.             if (index > 0 && index <= static_cast<int>(contours.size()))
      x2 y4 G* T9 g* u2 G, z3 L
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];
    7 H7 Z0 K  w) S0 Z
83.         }
    9 a5 N3 \' J. Z6 e
84.     }& l2 H! X6 i2 t6 P9 j# c+ F6 |
    
85.     showImg("Final Result", dst);% D- O9 c( R9 P) a
    
86.     cv::waitKey(0);! a: I\" l% j, i& q
    
87.     return 0;
    ; f) ]' [* n$ N) p( p
88. }
    + Y8 B) U\" v& ]) Z

复制代码

————————————————
- _; f/ m) ]" K6 M                            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
- k3 @3 V4 i4 |' d# n: P! @& o6 U- j, @