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
: [+ x& h3 W0 ^5 q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”。
" a; P1 g5 T, P; B, O3 T测地线距离：地形分析的核心
( d+ c6 Q/ r/ m; 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。
6 M7 q6 Y1 R$ E1 V& A分水岭算法的执行步骤
1 T7 e0 q; Z+ S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：
+ X% E. B! j! ^- J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。
& P2 O" D' p" S. t0 wmarkers：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。
4 U, _3 M4 I+ _- D+ R- C' j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>7 }1 c, D% O( j; g2 p6 E. Y5 o
   
2. #include <opencv2/highgui.hpp>- w* d1 O! F4 @2 W
   
3. #include <opencv2/imgproc.hpp>\" ^2 D% C  P5 M5 C  z
   
4. 3 Y+ Z* {* ]3 L7 P7 j, Z! H' t
   
5. void showImg(const std::string& windowName, const cv::Mat& img){( P! E, m* W7 x% {\" {
   
6.     cv::imshow(windowName, img);: G: Q/ Q7 t4 B5 v# e# v1 x
   
7. }9 _' K  [. g\" |; e7 t3 ?
   
8. 
   . v\" L. U+ B( K7 Y, E- w
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {
   0 [0 w/ h! I1 K& O! ~
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核2 D9 _& C\" r+ v& A* ~
    
11. }
    % \4 J8 k0 H# M
12. ! w, e' b; o6 y4 J% x+ k7 ?: E
    
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {  R. }' a* F) H
    
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);5 q+ U  u/ A+ I
    
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);
    3 P* w' P4 Y  p
16. }
    ( @8 H% y# O8 i3 n\" N
17.   ^4 t' |3 a) W! q6 |\" W3 {( v
    
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {
    7 q* Z' N( x# ~* T8 Y
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);, u\" U7 V; [4 q7 Y/ Q8 }$ o' M
    
20.     // 绘制前景标记\" o+ j( g  y+ }8 i9 a; G& t
    
21.     for (size_t i = 0, size = contours.size(); i < size; i++)
    2 h7 i7 b- Y' c9 ~- I  w7 e
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);0 [5 ]) R- q* F+ e# E& w) ^* ^
    
23. }
    - R: m: Y6 D& I) @8 a
24. - i5 @  C  U% r9 H+ \
    
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {3 \7 N\" r6 d6 {% [* I
    
26.     for (int i = 0; i < size ; ++i) {
    2 W. l% z2 c) [7 K5 y
27.         int b = cv::theRNG().uniform(0, 256);
    + _$ K4 f% ]) {. C6 r* x& }+ y
28.         int g = cv::theRNG().uniform(0, 256);
    9 Z, O  d2 t  Z/ ^( d- E7 B
29.         int r = cv::theRNG().uniform(0, 256);3 d5 t; T6 @/ V8 a4 h6 I
    
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));& D7 c1 W  q7 D8 C( q
    
31.     }9 X) i* N6 |  w0 {- Z: ~  ^9 t6 v' e
    
32. }
    . f* p: ^9 V. b9 G! W
33. 8 B) }2 f0 I  _5 g3 y/ c! Y
    
34. int main(int argc, char** argv) {  q; N5 F5 ~. n, Y- O3 P  a! {
    
35.     if(argc < 2){% N% c# d5 H4 d3 A& k/ ~# N) Z' x( u
    
36.         std::cerr << "Errorn";\" I5 L5 r5 N3 t! L2 a
    
37.         std::cerr << "Provide Input Image:n n";
    $ |5 }$ W, V  X& r, E8 a9 g
38.         return -1;
    $ M1 N7 ^4 X9 K9 D6 c  X! w
39.     }! i# J; H( e! e9 b
    
40.     cv::Mat original_img = cv::imread(argv[1]);  w8 k\" J0 b$ g9 _
    
41.     if(original_img.empty()){0 _& N) Y3 R! Q8 l* P: z$ A
    
42.         std::cerr << "Errorn";; O+ `- }, |+ p- f# p
    
43.         std::cerr << "Cannot Read Imagen";: s5 D% [3 N1 H' |. }; U. D* E4 v4 P
    
44.         return -1;# F, J4 J2 w\" i% v4 w8 O
    
45.     }8 K1 X\" S\" p: Q& n+ N0 H
    
46.     cv::Mat shifted;
    / W: U3 p9 E( s! s
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);* R* ]* j# V9 o6 U\" \+ J9 t
    
48.     showImg("Mean Shifted", shifted);
    / w. c+ ^+ R& Y# F
49.     cv::Mat gray_img;3 O7 [1 u& L9 F: i7 h
    
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);, Y$ S) G' V: n1 z/ P& [
    
51.     showImg("GrayIMg", gray_img);& T( H' m4 I5 t8 \
    
52.     cv::Mat bin_img;- k- X3 C. [+ @1 q3 r; B
    
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);1 \6 S9 {3 ]1 ~( c4 Q$ D
    
54.     showImg("thres img", bin_img);
    ' W8 v# w* Y/ |
55.     cv::Mat sure_bg;
    - H0 W' g5 d% q4 R+ [
56.     getBackground(bin_img, sure_bg);
    ( @7 `# }6 u) {  u$ x, A
57.     showImg("Sure Background", sure_bg);
    - T! ^* Z\" }$ ?2 {# @( O$ P7 _! m9 d
58.     cv::Mat sure_fg;% f4 X) E0 l. b9 C
    
59.     getForeground(bin_img, sure_fg);) F- p: h* F- E8 f+ Y# s
    
60.     showImg("Sure ForeGround", sure_fg);. W5 K' f$ _7 B& o. @0 z: ]
    
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);8 w) D  Z; G2 s/ {\" Z# m, t. }
    
62.     std::vector<std::vector<cv::Point>> contours;3 f1 n7 h5 ^4 T! C\" S/ I  j
    
63.     findMarker(sure_bg, markers, contours);/ g' _* P, a& h# ]
    
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈, P7 b$ X4 T. a. q9 m) B$ d
    
65.     - q3 i8 k% @% Q2 h
    
66.     cv::watershed(original_img, markers);! c* g8 J0 U% f
    
67.     cv::Mat mark;  S/ D7 Q+ E/ _$ b& j% n
    
68.     markers.convertTo(mark, CV_8U);\" F7 `4 C# |# e\" |\" j% P3 j
    
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色  ?4 |8 L  M- F& Z' c: v
    
70.     showImg("MARKER", mark);( B) r6 g# g( m5 L
    
71.     // 在图像中突出显示标记 /. k0 u+ `! C! E- K5 D
    
72.     std::vector<cv::Vec3b> colors;
    8 J% u3 Q+ A0 R: r! L/ Q4 J
73.     getRandomColor(colors, contours.size()); // 创建结果图像7 z( d8 C( g\" s5 J1 ^, b$ i
    
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);
    . c, W) V: N  ~
75.     // 用随机颜色填充标记的对象
    1 x1 \4 ~9 g# Z* g% E2 K
76.     for (int i = 0; i < markers.rows; i++)! L  v6 r- g2 x
    
77.     {
    + {+ T# ]7 b: K4 X2 J6 `; T% {
78.         for (int j = 0; j < markers.cols; j++)
    ; J+ z( B( h  a; F& a- n% E1 t2 u4 ]
79.         {+ ^' y# S7 n2 A! R
    
80.             int index = markers.at(i,j);) }0 Z. F0 f$ h. l4 g
    
81.             if (index > 0 && index <= static_cast<int>(contours.size()))9 h6 {! f\" T' @5 @0 A8 k/ o
    
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];
    - ~\" u) U; M5 h
83.         }
      u0 g3 ]3 M% k9 w' _
84.     }
    4 w. ?! g2 A( [- f3 s6 E7 V
85.     showImg("Final Result", dst);$ b) T8 x5 {- Z; r9 ?' X4 n8 R
    
86.     cv::waitKey(0);. H1 V\" `0 E( Y) ]* r/ \
    
87.     return 0;) k3 g; i, y2 S' f! c8 z, g; Z
    
88. }\" `4 Y, P\" q$ @7 U\" ]5 o
    

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