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”。
* }' I' B0 j9 ]! K% O, d: ]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。
7 |+ |: @+ g: z3 a分水岭算法的执行步骤
8 c$ S5 S$ }  w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：
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。
! V9 P, X: v3 b- s2 P) Y5 o6 d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>
   ( U# f2 G) p6 T6 u- l; N
2. #include <opencv2/highgui.hpp>0 d5 {5 h/ p* u: Q/ Z0 p/ O
   
3. #include <opencv2/imgproc.hpp>% }/ R$ J7 _- H; r, ~; @7 t- {1 }
   
4. 
   . A- @( A, b5 d) [$ ?
5. void showImg(const std::string& windowName, const cv::Mat& img){
   * v, W( ~/ D$ N3 L. l  G1 d0 x7 i
6.     cv::imshow(windowName, img);5 h0 s. x& o  {' k- q
   
7. }
   ! Q- B9 E1 h1 R
8. 
   # ], t- L( @/ D4 w9 J* U, f# h' S2 o$ [
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {+ b  S) W' U7 j
   
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核/ {( m3 E& O8 d' v4 S
    
11. }* i6 ], [$ I( e& E. Q
    
12. 0 F* s8 K' k( i' }) ~. U1 x
    
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {
    - r  A' Y+ r. [( H( z
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);9 I: l  N/ M9 |% m* P) ?4 p# h
    
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);
    & ?+ P5 y, e; ^
16. }
    0 P0 e- b0 h/ r; ]' W( m& y; l
17. 
    - `, i: b! B\" L! f& O. x$ E4 n
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {  }& u\" {6 A' ^
    
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
    ( ]3 x8 Y( n. n5 I! v
20.     // 绘制前景标记
    1 a. O4 X! O8 t, K- m! d
21.     for (size_t i = 0, size = contours.size(); i < size; i++)+ I+ T5 x' c\" J7 d0 W4 r
    
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);
    8 X  _2 p6 P0 ^3 E) e9 ~: z' b
23. }' |  O% \, a# @8 u
    
24. 7 G8 M/ C4 S- w8 `# r& a) D( N
    
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {
    % M\" D# R& [+ s* |; X. x
26.     for (int i = 0; i < size ; ++i) {, w. i) f8 q, }+ J$ {
    
27.         int b = cv::theRNG().uniform(0, 256);
    ) s' [$ R, ~, Q  a3 b/ r$ H, n: k8 M
28.         int g = cv::theRNG().uniform(0, 256);
    / ?: ?% R7 |0 e7 h, Q
29.         int r = cv::theRNG().uniform(0, 256);! J  Q& V  ~* k6 D5 q( h+ t
    
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));4 j3 K$ Z9 r( N! F! Y+ P$ q
    
31.     }
    ; g  h7 \/ W: T6 H) L- u
32. }' M$ R2 w1 Z( C; P
    
33. 
    3 M4 D% E9 ^& H\" I
34. int main(int argc, char** argv) {
    : |6 d/ l- C9 H+ B- n
35.     if(argc < 2){
    5 c- w/ @! F% k% @( ^2 J
36.         std::cerr << "Errorn";
    # N# V/ b' _4 f3 @7 f
37.         std::cerr << "Provide Input Image:n n";
    - u# h5 `4 e  l0 N* Y, z. E( `
38.         return -1;6 e# H! I; A8 G' s, ]
    
39.     }
    7 u! }$ Q* _1 I! y% V\" T
40.     cv::Mat original_img = cv::imread(argv[1]);
    ( m% n8 }5 F1 Y' ]\" w. O5 t
41.     if(original_img.empty()){
    % Y; |3 ]; C7 V
42.         std::cerr << "Errorn";
    . l9 u4 f& K& o8 S! B- ~  p  m' C: T6 k
43.         std::cerr << "Cannot Read Imagen";
    4 P) K0 g2 g4 w* H+ s% v6 f
44.         return -1;4 k( t2 w! I- d( v3 B$ s
    
45.     }2 Y, b! m0 O8 B* [, X# d
    
46.     cv::Mat shifted;! Y/ Q1 _- u* K
    
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);
    6 o0 ^$ N/ I1 T# E, Y\" ~5 m8 K
48.     showImg("Mean Shifted", shifted);
    \" d1 u$ R$ f# z9 k' E
49.     cv::Mat gray_img;
    9 q! {1 d7 m, }
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);) D, x  E# ~' s$ E5 U. ~6 N$ x& f
    
51.     showImg("GrayIMg", gray_img);
    9 `6 e* o7 D, s, l6 Y  _( X
52.     cv::Mat bin_img;, r. S' `$ u- ~
    
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);
    + J# |1 [, E3 d  Y: f; h
54.     showImg("thres img", bin_img);
    ) c- D4 T; R1 ?, h2 q
55.     cv::Mat sure_bg;
    + U8 E! [9 B* R: |
56.     getBackground(bin_img, sure_bg);
    / L) n2 r4 M' l8 c5 f+ Y& [1 t
57.     showImg("Sure Background", sure_bg);
    3 _: @8 S/ q- a. r/ ^* V0 e
58.     cv::Mat sure_fg;
    / j5 w) ?5 r, P
59.     getForeground(bin_img, sure_fg);: O' ~$ c0 U7 S+ w4 U/ m2 N
    
60.     showImg("Sure ForeGround", sure_fg);$ B) d& ~: _% x# }
    
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);
    - T* L# ^# q$ Y\" ^+ a
62.     std::vector<std::vector<cv::Point>> contours;
    % ~+ S# r# y, e\" @% {8 Q( ?8 f\" L
63.     findMarker(sure_bg, markers, contours);
    4 Q! [. q( C. n7 R6 U
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈
    $ h$ J+ S) @2 I
65.     ( x( d5 l( w1 J0 b; T! h$ Y
    
66.     cv::watershed(original_img, markers);
    8 x/ V% Q6 b: y# V: q) ?. L  P
67.     cv::Mat mark;1 l. u) L% C+ l3 o4 r5 c8 F
    
68.     markers.convertTo(mark, CV_8U);2 z5 A7 J1 [% Z. x  t3 v; _2 j: L+ o
    
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色
    ! S0 I8 _. t% O' j  e
70.     showImg("MARKER", mark);
    5 X5 k2 [/ l( C
71.     // 在图像中突出显示标记 /
    * k4 g$ J& Z9 {
72.     std::vector<cv::Vec3b> colors;. {. a* ]: r- b0 e9 b% @
    
73.     getRandomColor(colors, contours.size()); // 创建结果图像% x3 |6 x. h! ]8 e, {7 M
    
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);
    + W\" z8 I2 F, f. q/ ?* v  B
75.     // 用随机颜色填充标记的对象
    \" {\" ?6 s3 k5 d  T
76.     for (int i = 0; i < markers.rows; i++)9 k/ U' R\" j' y7 p9 q. H
    
77.     {6 W* A0 o) I4 f* I
    
78.         for (int j = 0; j < markers.cols; j++)6 G  g# Z  S8 k$ P/ ^2 e0 p! L
    
79.         {
    \" D7 ^: d& s5 w5 c; i& l; }
80.             int index = markers.at(i,j);8 E3 k* I6 p: N2 y: A! i+ M
    
81.             if (index > 0 && index <= static_cast<int>(contours.size()))
    5 O9 G: W\" J4 D: p
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];
    , ]6 Z! s% ?, M\" I  Z1 m
83.         }
    1 w, V+ n2 B6 |$ }' f
84.     }, b' z$ @- W4 Q; D& v6 c: `
    
85.     showImg("Final Result", dst);
    $ E; B* b8 Q) V% V  Z
86.     cv::waitKey(0);
    . L! p& ?* N; }- j
87.     return 0;
    & [! f3 P5 M% L/ N- G$ u3 l
88. }
    * _! s( m' t2 s/ G* d: ?# 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