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
- N2 T7 N8 {' F  H* K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
0 T7 \8 y2 v7 j/ _  Y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。
- i' w1 V5 X: X4 K( P) w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
' V; O: S  u! l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。
- I! q) c& r6 g. r& D" [( ^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。
' ?: I  i, }5 @5 h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>% y) H. n( T% u3 {+ R5 V' @5 ?
   
2. #include <opencv2/highgui.hpp>3 T' G+ d4 q% T5 {$ x7 h
   
3. #include <opencv2/imgproc.hpp>) I( N/ q. v4 K9 c7 A/ D
   
4. # K7 {3 e1 `) D& i% M6 {. U/ a2 W
   
5. void showImg(const std::string& windowName, const cv::Mat& img){7 M% o; @3 E4 d/ O; Z3 ]
   
6.     cv::imshow(windowName, img);3 G4 T1 ^4 `1 b! u$ N$ t8 F
   
7. }
   , b7 k8 O* k# ]' M, n
8. 8 b/ B2 h( B! y7 w
   
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {+ N7 ?0 j+ A$ ^9 a6 `
   
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核
    5 E5 W2 F+ z6 u. U
11. }
    & d\" h! E! Y8 h( ]
12. + t# ^. }- W: [& e  Q& C
    
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {
    1 L0 I( J7 \9 n: {  J3 E, ?! f; X
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);
    * Z/ f% J, m) q
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);
    + \5 d- o/ X* Z; ]8 K6 e, P# p
16. }: l% d6 I1 V0 b; C
    
17. 
    ) {/ V8 V2 k  c8 r! ^
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {  R1 w0 t, \$ b: W- {% P: z/ F- ~
    
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);$ w+ C- _* ?! ]1 a
    
20.     // 绘制前景标记/ n% W5 U) P5 r+ h7 Z1 r
    
21.     for (size_t i = 0, size = contours.size(); i < size; i++)
    ) |$ Q( U5 p/ O# ?3 x* n% U
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);
    7 Y( q$ M* x- \2 b2 ^2 k
23. }
      e. [\" v: g  N4 b- @: @4 r7 `, P
24. 0 s# H\" a% o' B
    
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {
    * {: j, o7 Q% P  n
26.     for (int i = 0; i < size ; ++i) {) W: j/ f- q0 `' n% t
    
27.         int b = cv::theRNG().uniform(0, 256);
    $ l- S) o8 F+ m. D: D) z\" @  e, Z1 b
28.         int g = cv::theRNG().uniform(0, 256);
    $ J( P# e2 ~3 h\" S3 K2 v
29.         int r = cv::theRNG().uniform(0, 256);
    0 L* Q6 a# ]4 E! c2 Z$ V3 v3 N
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));
    \" W/ w; Q7 ?( @/ q6 A
31.     }
    ! a& |) D) F7 ?9 m. U! B# k
32. }; c7 K* n, i% ~$ C
    
33. 
    9 t0 D/ h+ h2 R9 b
34. int main(int argc, char** argv) {+ [8 _* [+ j: w( V1 ]8 Z
    
35.     if(argc < 2){' `$ C: |4 P; e* j1 s1 `7 C& j
    
36.         std::cerr << "Errorn";
    \" |, N( {6 K1 ^3 E8 e! Y
37.         std::cerr << "Provide Input Image:n n";
    / O4 I7 {: ?9 A# a% n! G* [
38.         return -1;1 e9 B; k- I6 t8 ]: q- M
    
39.     }& M; e+ ^) _' w, d: T
    
40.     cv::Mat original_img = cv::imread(argv[1]);
    - |$ M, X0 M- P  F
41.     if(original_img.empty()){
    2 ~( p2 `8 g3 ?
42.         std::cerr << "Errorn";' R# a& d( K5 ]) X+ J7 z/ v
    
43.         std::cerr << "Cannot Read Imagen";' ^. r1 K3 W9 w4 _\" b
    
44.         return -1;
    : d( r# w( }/ C* v8 Q) V* _
45.     }5 P3 t) ^# w8 d
    
46.     cv::Mat shifted;
    7 M$ W' F, u( _3 v: l1 i
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);& h  I\" L$ f( b4 ~3 F5 s* Y/ p* v5 _2 k) B( ^
    
48.     showImg("Mean Shifted", shifted);$ k1 l\" Q1 N\" I  g8 f$ P
    
49.     cv::Mat gray_img;1 [  n\" d$ [6 u, g
    
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);
    7 a6 F1 V' M5 H9 v% {- A8 n5 p
51.     showImg("GrayIMg", gray_img);
    ' k: g: o/ w' r8 R# J. Z; @0 q
52.     cv::Mat bin_img;
    $ w; L\" v' ~; f& c- E1 l5 @
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);
    \" M; N# N- N1 i0 P$ q
54.     showImg("thres img", bin_img);
    9 K- A( s( A3 H. K; M5 m: o  d
55.     cv::Mat sure_bg;1 G+ W0 S7 i$ T5 n0 z! T, t) I
    
56.     getBackground(bin_img, sure_bg);
    9 _% o+ `( C# z
57.     showImg("Sure Background", sure_bg);
    9 o- q  a2 G\" W* H) w3 z
58.     cv::Mat sure_fg;
    1 |1 i/ F1 W' Q5 l4 A
59.     getForeground(bin_img, sure_fg);  H6 S, m2 s0 T) }  ?3 c
    
60.     showImg("Sure ForeGround", sure_fg);( ]% ^. g  E' D: Z( p/ ~1 n! k
    
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);3 ~\" g( H. T0 A/ H% r7 ~
    
62.     std::vector<std::vector<cv::Point>> contours;
    ' ?% h* i1 |8 z; |/ S) E, N& Y( ~
63.     findMarker(sure_bg, markers, contours);4 m# Q, v3 ^7 B# R4 m! v
    
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈
    , }6 x# N, p# ]) O3 e8 g9 n
65.    
    . z# p5 |9 G; K+ [' C
66.     cv::watershed(original_img, markers);
    ( y$ ^$ o\" x7 a7 A
67.     cv::Mat mark;$ y: H3 L9 l+ a' f
    
68.     markers.convertTo(mark, CV_8U);9 a# I3 {5 ], n. g$ g
    
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色6 C- q( _- W9 y9 T
    
70.     showImg("MARKER", mark);
    \" ?, n8 Q$ L# ^, x( u\" F' s) Y' f
71.     // 在图像中突出显示标记 /- P\" J' h0 {  E& a, Z
    
72.     std::vector<cv::Vec3b> colors;7 N5 O. p  \$ o0 b+ ?
    
73.     getRandomColor(colors, contours.size()); // 创建结果图像4 F0 T4 p* U( y- G) f
    
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);, ?) W( q- T0 x' t
    
75.     // 用随机颜色填充标记的对象+ ~! r( _) `4 f  w* P\" E
    
76.     for (int i = 0; i < markers.rows; i++)
    ( I4 C9 ~/ ?\" d8 j, E
77.     {' o; N6 ^7 v7 w6 M% v$ P5 N( {
    
78.         for (int j = 0; j < markers.cols; j++)) `5 b; N: w8 {
    
79.         {
    & h( ]* s& M% |$ u5 b$ b! y
80.             int index = markers.at(i,j);  n# P( s; X% d! s  d\" H
    
81.             if (index > 0 && index <= static_cast<int>(contours.size()))9 J5 i. c8 M! ?/ R
    
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];
    7 F7 ^4 F3 u: U4 h4 R, l
83.         }5 ^# h+ @# u- Z2 \2 `
    
84.     }
    / i% e5 C2 q* M% V
85.     showImg("Final Result", dst);
    ; m2 H& r0 e6 c% g8 F
86.     cv::waitKey(0);, O/ b: n$ S: F, ]4 H
    
87.     return 0;
    1 q* n2 I8 i0 X0 _, u* R
88. }
    6 D$ z0 K* p, D' @# ~

复制代码

————————————————
; t" x: X* D9 Q                            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
4 R2 ]& [5 X( D% J9 D: E, w* {3 R9 f
9 [8 a* `( x4 y6 B4 m4 X