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”。
6 S. u" P# X/ D6 H$ G测地线距离：地形分析的核心
7 x3 @2 S1 w, n: e. _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。
5 h$ {: @1 o9 W/ O7 Q0 G0 `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
! f- M  j$ Q; [, D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：
: f4 b0 S" A5 L6 b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。
) k5 g& j& X0 b) a1 g( Zmarkers：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>
   % C' M% _$ u0 z8 H: k9 r. D2 w
2. #include <opencv2/highgui.hpp>
   6 y2 i) ]5 f, i
3. #include <opencv2/imgproc.hpp>
   ! }2 d8 L8 s7 v# d0 q0 `
4. 
   * @# X& i) \+ \! n+ d) m+ x( v
5. void showImg(const std::string& windowName, const cv::Mat& img){& H& X: l  H8 ?, U5 Y7 U
   
6.     cv::imshow(windowName, img);* A5 ?\" ~, M/ H! |' G
   
7. }. g5 U  m; Q) J. {4 d+ K
   
8. 
   9 W( T: @; Y6 w# H. I, d$ K1 x# t$ `
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {7 r/ W4 I: l. F; O) z0 I: O0 O
   
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核3 c* E# h/ S6 P# N# B
    
11. }% F& `! D# u; r, V! y
    
12. 
    . M7 v% a) c\" ^
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {
    / ?2 \( h. W+ |$ ]
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);1 B! z# W\" ~5 S& b3 Q/ C) E% z
    
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);. Z/ ?: Q% m: ?1 ~7 L+ b/ G0 @
    
16. }
    & F8 q1 ^! ?9 Q
17. 
    1 w  a7 a0 v0 m3 `  r' Q  O. ?
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {3 S) c: ~; P0 ]$ {2 y+ O\" A
    
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
    ; w) C. A1 L' [/ s$ K1 ?
20.     // 绘制前景标记
    7 H: u, W( L' b
21.     for (size_t i = 0, size = contours.size(); i < size; i++)
    5 P) Q5 l6 s% q8 z( D* x
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);
    ; [' |- J$ [6 \# B, w
23. }
    3 _; g, Y1 q4 w% U# M7 }
24. 8 f& k  o+ g4 @
    
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {
    8 E. P( \5 m% d7 ^
26.     for (int i = 0; i < size ; ++i) {
    6 O' G( R$ A# ?; S8 d% d
27.         int b = cv::theRNG().uniform(0, 256);: L5 m4 M+ ]* s3 M5 Q! \, n
    
28.         int g = cv::theRNG().uniform(0, 256);
    8 a3 v; [\" V3 Y
29.         int r = cv::theRNG().uniform(0, 256);
    1 H+ J0 w* [# ?3 R
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));! Z4 A( g3 m6 L4 {  h\" s\" X2 e
    
31.     }
    9 u2 m( p2 k3 b# s4 J4 F6 O5 J$ C5 }
32. }' @' ]$ d$ g% f2 g& ~* @
    
33. 0 G' B7 Y+ c\" z
    
34. int main(int argc, char** argv) {7 ~\" d0 Y1 o* B2 }3 p
    
35.     if(argc < 2){
    ' C& o& [! n1 J& X
36.         std::cerr << "Errorn";! ~  I1 h6 ~) d- q$ Y6 }
    
37.         std::cerr << "Provide Input Image:n n";
    5 `7 U4 s2 C. ?
38.         return -1;! [& u$ [- |2 G9 z
    
39.     }) M' K+ @/ i# t) N) h, W
    
40.     cv::Mat original_img = cv::imread(argv[1]);
      ?5 X7 \% q7 ?' V0 L
41.     if(original_img.empty()){
    5 z# E' A6 a5 @
42.         std::cerr << "Errorn";
    5 H7 N) Q) O) C
43.         std::cerr << "Cannot Read Imagen";
    & M! y3 g1 m8 b) o
44.         return -1;
    ) A0 {; l) P+ z  F- L. C& K
45.     }
    4 g7 s* v2 }4 t6 T' L0 s
46.     cv::Mat shifted;\" m5 n* |- |$ K6 g8 \
    
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);! w7 ]  `! G) E' C! I% y
    
48.     showImg("Mean Shifted", shifted);5 j' j/ Z! z& g+ T$ j
    
49.     cv::Mat gray_img;
    % W5 f; x' {/ z
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);
    4 p7 O) h! ^- s
51.     showImg("GrayIMg", gray_img);
    6 V# {' P- Y& c  b( d
52.     cv::Mat bin_img;
    & x; b, b7 o' |$ [  Q) z
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);
    # @6 F# |! q/ s7 Q! s3 }( P
54.     showImg("thres img", bin_img);( F( v1 q- y% _( b5 R! D% U
    
55.     cv::Mat sure_bg;
    ( w  J! s! k& M
56.     getBackground(bin_img, sure_bg);1 i\" i# c6 l& ^  F
    
57.     showImg("Sure Background", sure_bg);4 D8 p* h4 p$ F6 M3 G' X$ d8 z. o; p
    
58.     cv::Mat sure_fg;7 n8 d) b+ K; Q% b: z$ C2 i) U
    
59.     getForeground(bin_img, sure_fg);
      k0 P  m4 j0 p
60.     showImg("Sure ForeGround", sure_fg);% M4 ^: V: J+ d, n) n( X* G; F
    
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);1 P# w6 r8 g7 x5 Q( z. I\" n+ i
    
62.     std::vector<std::vector<cv::Point>> contours;( H; d0 K( G$ m1 L
    
63.     findMarker(sure_bg, markers, contours);1 J) H  E9 I1 M: m
    
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈+ t; z+ r1 J1 w1 X) ?/ L/ L
    
65.    
    4 ~) b6 o! v, c/ w. `  ?
66.     cv::watershed(original_img, markers);
    8 W( I; O9 a: y& l% y9 x
67.     cv::Mat mark;
    % \* r) q' b. o% b\" W
68.     markers.convertTo(mark, CV_8U);# A1 ?\" \  L# K
    
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色
    9 T0 y5 X- Z8 ^3 P+ Y5 ]$ C- Y/ m
70.     showImg("MARKER", mark);
    & w# K! c$ l* A
71.     // 在图像中突出显示标记 /& t0 u0 p0 l' |; H
    
72.     std::vector<cv::Vec3b> colors;
    - J4 U, J! l# M) `8 K) ^
73.     getRandomColor(colors, contours.size()); // 创建结果图像/ z) {+ ^4 O( B3 D8 b: y
    
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);+ M4 q  ]+ I4 G6 E( ~
    
75.     // 用随机颜色填充标记的对象/ s: |1 D5 X6 D\" e+ g; [  b6 }9 v
    
76.     for (int i = 0; i < markers.rows; i++)( P\" L% P) s, A- H3 n3 F\" E. c6 j
    
77.     {$ p% N$ y. L( X\" I! t7 ~
    
78.         for (int j = 0; j < markers.cols; j++)' e- ~* c8 C! ], t9 Y2 `
    
79.         {+ \- v* y0 R4 z. i
    
80.             int index = markers.at(i,j);  }0 Q+ P1 M4 x: v% ]# [/ j\" m
    
81.             if (index > 0 && index <= static_cast<int>(contours.size())); G9 Z9 _2 G\" O3 f
    
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];
    ( E+ J/ c4 {: r$ B$ C8 D; _
83.         }
    . p8 L$ |; o' Z1 S$ t) u
84.     }$ Z  m( n: r; l3 `( b. R
    
85.     showImg("Final Result", dst);
    # L8 w( ]9 ?% u2 P+ N' ]5 v) A
86.     cv::waitKey(0);
    . |' `2 i$ ~% \& u' ?9 S( p
87.     return 0;
    ! [6 i. i7 U8 s9 y5 i
88. }% c, l5 K5 l4 w5 I3 y4 S$ l
    

复制代码

————————————————
( b3 Y: I$ j. W: y4 J7 O  U                            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
9 E& ^1 @0 W+ n0 O