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”。
; P1 \, w& L! v; U9 C测地线距离：地形分析的核心
! y3 i# }  s& U- i6 Z5 Z3 T3 M  H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。
& g0 r* ~! o: ~- j, L. ]; U* b8 v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
* U8 l( ]5 Z7 @: `3 w8 v3 k0 J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。
% s: x7 [; b1 n5 y$ C# }1 K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>
   + @1 T+ v+ T* V$ R. G
2. #include <opencv2/highgui.hpp>4 ~/ t$ ]& j' J* [
   
3. #include <opencv2/imgproc.hpp>
   ) ]! t0 e3 k3 |6 L, ^: D
4. * X6 S8 [/ N1 Y
   
5. void showImg(const std::string& windowName, const cv::Mat& img){
     h/ c\" _8 f) B
6.     cv::imshow(windowName, img);2 \$ ^5 [4 T) K5 W
   
7. }
   6 ~: C) h\" l& T3 k
8. 
   + p& b- s  Q0 e6 ]3 O9 @
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {
   2 O# s8 D) s( d) t6 g1 l! I  h# {- f
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核' G6 X& N* V0 N+ p7 F! o4 Z, @
    
11. }
    3 v% M( J: d) @2 j
12. & \; v! L; H% x* M7 C5 h
    
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {
    2 ^% H5 [# I4 l& \
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);  H- x9 q( _$ q  a4 i5 c
    
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);6 e2 X! {3 m  @- D
    
16. }* N4 s9 g% h4 D% o) K
    
17. 
    4 W  q) @, t- _- J2 ]
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {' [/ R) t3 K  [3 l7 B' x
    
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
    & B8 J, B: B% s6 r6 d' A\" d
20.     // 绘制前景标记( s' @2 s2 }6 }' A% K
    
21.     for (size_t i = 0, size = contours.size(); i < size; i++)5 g( Z7 a( r\" ?
    
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);7 ~7 X  ]6 ?& s6 E3 J! h\" t; o
    
23. }/ B2 w5 g' E$ M9 _  W1 T# F) X
    
24. 
    * S# o\" m  {) j4 b4 l% H\" s
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {
    0 a4 G, d7 G( p8 y/ y1 v
26.     for (int i = 0; i < size ; ++i) {  Y4 g! ^  p8 ^9 ~
    
27.         int b = cv::theRNG().uniform(0, 256);; Z, i, I, w6 k5 e\" o6 q# @% l5 }
    
28.         int g = cv::theRNG().uniform(0, 256);- G4 C% s3 W: b5 I2 b$ ~+ X
    
29.         int r = cv::theRNG().uniform(0, 256);
    * ]7 F! `7 }' w  I
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));$ t# _6 V# k9 F  N7 K
    
31.     }' r& Q3 Z' C2 `
    
32. }
    ( C6 F3 I; q$ Q  @* A# j) N3 I
33. 
    \" l+ G; ^' O7 i\" G: Y, Z/ c
34. int main(int argc, char** argv) {' }; x3 I# {$ g8 y
    
35.     if(argc < 2){
    ) z- K& C, P& n/ [6 O
36.         std::cerr << "Errorn";0 I  U$ g7 e- s/ q\" j/ n: D9 D
    
37.         std::cerr << "Provide Input Image:n n";* f1 y* B, s) O1 `
    
38.         return -1;, N1 d, H; o0 V! T- D8 q
    
39.     }1 V% O% A/ I  f: B: L- c; o
    
40.     cv::Mat original_img = cv::imread(argv[1]);
    9 x* u1 r# Z; a$ ?4 X3 _  e/ }0 b! T
41.     if(original_img.empty()){
    \" K+ K# L$ b0 J' k! T6 p
42.         std::cerr << "Errorn";$ p5 k, a, ?6 g% O4 `( p+ Z
    
43.         std::cerr << "Cannot Read Imagen";* s8 P( ?: n. O+ G1 P$ @
    
44.         return -1;
    - }* x  S! s  w' Q4 _6 ?. \- I5 F
45.     }
    ' |( s3 Y% C' p
46.     cv::Mat shifted;
    1 V7 M4 r9 E- V4 ?6 e
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);
    ( ^5 Q- A9 `* Y% Z
48.     showImg("Mean Shifted", shifted);( @# H, t! @: H0 |. m
    
49.     cv::Mat gray_img;
    0 F  m: E1 Z. W8 X- d
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);
    ! X5 E2 |2 W- Z6 ~! B
51.     showImg("GrayIMg", gray_img);  b; p\" ^! b- D, j6 u! f
    
52.     cv::Mat bin_img;
    , x% S  M$ J1 v, y# a2 g
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);& `% t% i# X; D! V\" U! ^
    
54.     showImg("thres img", bin_img);# L! C2 M2 P5 x; w( B- @$ [\" [* V% t
    
55.     cv::Mat sure_bg;6 f- c5 c: `, h; B: `\" e
    
56.     getBackground(bin_img, sure_bg);
    . `* {8 r9 u6 K4 |
57.     showImg("Sure Background", sure_bg);
    1 k: O/ ]. C  R1 M* o5 \' B
58.     cv::Mat sure_fg;8 d3 h  k\" n. ~5 T7 \! N1 P
    
59.     getForeground(bin_img, sure_fg);9 C' d# Z1 H% `2 P. c/ x8 Z
    
60.     showImg("Sure ForeGround", sure_fg);
    6 z' }; J. X( A  s8 ^
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);3 c$ G' S' [/ Y
    
62.     std::vector<std::vector<cv::Point>> contours;- d% s4 Z- W* }5 H5 W
    
63.     findMarker(sure_bg, markers, contours);& I% ]9 k; e- {; h
    
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈
      m2 v  A% ~# Y2 l  o1 }1 U, \+ G+ ]
65.    
    0 }. f- t% M# l& U* [8 B$ @4 o
66.     cv::watershed(original_img, markers);$ F7 A( z4 Z$ v
    
67.     cv::Mat mark;$ d. n0 l2 n& C; |$ S1 \1 K* i' m
    
68.     markers.convertTo(mark, CV_8U);
    ' m. L$ B# M1 J
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色2 z; U  `' M: }3 a. j\" ^4 f# I
    
70.     showImg("MARKER", mark);
    6 ~6 |) @* P3 z7 M$ r$ x9 R
71.     // 在图像中突出显示标记 /
    - @# w1 `# f/ B# v0 B! b$ Q
72.     std::vector<cv::Vec3b> colors;! \. H1 K' K/ t3 M; Y
    
73.     getRandomColor(colors, contours.size()); // 创建结果图像/ p. @1 d. ^8 t9 c& F* `( S/ T( N
    
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);- r\" D/ g( }' _( t6 p
    
75.     // 用随机颜色填充标记的对象9 N. Y' r* Y\" A9 Q' {  _9 @* B
    
76.     for (int i = 0; i < markers.rows; i++). ~' h2 V9 C  d. r
    
77.     {
    * ]& x( e( l5 N
78.         for (int j = 0; j < markers.cols; j++)
    ; k5 _- o\" ]- |, N& X1 r
79.         {
    7 h0 r. A/ s: c: B9 U3 g
80.             int index = markers.at(i,j);
    \" T4 P4 m\" }( D6 S6 l
81.             if (index > 0 && index <= static_cast<int>(contours.size())): o2 D- ~( g, e  [9 H/ l) a
    
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];: j8 y, a\" ]& |0 f7 Q
    
83.         }6 ]9 X; M( r2 J% b  o$ Z4 N* w' u
    
84.     }, D7 l, p+ o0 H
    
85.     showImg("Final Result", dst);
    7 {; i: G) ^2 i/ z, P2 @
86.     cv::waitKey(0);; I- y( I# M* Q$ f3 s
    
87.     return 0;% f% T$ k: Y0 ]. Y# z
    
88. }
    1 i( {5 F, k) u& ~3 h

复制代码

————————————————
! A. I* k3 c( _. d/ V' V/ ]                            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
, P. `# ?7 |  q2 r