查看: 1877|回复: 0

OpenCV 使用分水岭算法进行图像分割

字体大小: 正常放大

1189 主题	4 听众	2934 积分

该用户从未签到

电梯直达

1^#

发表于 2024-4-27 10:36 |只看该作者 |正序浏览

|招呼Ta 关注Ta

分水岭算法：模拟地理形态的图像分割
) A' G/ e- ]8 M2 `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”。8 y; E" X7 u6 ~; P
测地线距离：地形分析的核心
8 v5 d, V2 @" F+ H, r* B" h5 Z2 ]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。8 Y* S! x3 `+ e; u; R
分水岭算法的执行步骤
; C% P, _3 R# S9 ~. U& K1 j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
' O# ^$ Q, J7 F# f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：7 c5 I) _7 b# [5 k
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。- N1 p% N, I6 [
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。
B& ?0 K7 T/ {! s& I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。

#include <opencv2/imgcodecs.hpp>
# w+ {: `# Q1 q$ v) \
#include <opencv2/highgui.hpp>
0 t$ @+ r5 B* {; K
#include <opencv2/imgproc.hpp>! F# m( p2 @+ t: `
3 E/ O$ \' y6 \. X3 B9 M- r6 m
void showImg(const std::string& windowName, const cv::Mat& img){; A4 ]( v. O2 D k
cv::imshow(windowName, img);
/ ?9 q n1 m: u2 J M
}
\" ?* ^3 h: t* e\" D8 B5 Q
6 C4 z ]4 ~; D a+ H) }' O\" ^
void getBackground(const cv::Mat& source, cv::Mat& dst) {5 Q: x. e4 }: M4 f1 J% F
cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核$ W2 L\" P2 F! {/ g. G
}+ V! M% n3 @' L& U# [
1 D' @\" Z8 H# b1 l/ C' v. V
void getForeground(const cv::Mat& source, cv::Mat& dst) {+ U8 C+ j0 V. d& K4 e
cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);
; M6 | A/ @: i, d6 n7 l$ k+ N$ {( H
cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);
1 e9 O( {* g$ y, I1 M% E: X
}3 D! }; H$ A6 C( y0 \
+ Y& C1 s: P3 T E' y0 T
void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {. q+ w# s5 a\" S6 N0 W
cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);1 {+ z8 n5 v! y. h ^- y! m
// 绘制前景标记
8 {% I* E0 ~3 ?. o* t9 i
for (size_t i = 0, size = contours.size(); i < size; i++)
. w4 q! i% N- G6 Y/ m
drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);
9 q( y+ K2 n7 A1 D7 O$ f
}
8 u7 G' P# t+ t7 S
# O3 x8 ]! G; O& }6 d
void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {
B! d\" B: K8 ]2 ^
for (int i = 0; i < size ; ++i) {
6 e- ~9 O\" w* F: t
int b = cv::theRNG().uniform(0, 256);: \$ i$ S, r3 ~, E
int g = cv::theRNG().uniform(0, 256);
- Z- e* Z' c8 b& N
int r = cv::theRNG().uniform(0, 256);! [7 [7 u) ?0 b' m
colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));
- m; E _! Z0 a1 V4 j8 e* ?0 F
}
; J% W1 J4 ^5 {% P$ k; R. t( a8 p
}, E3 C/ X5 I\" ?0 I( Y
0 _2 C$ s% U( j) F1 V: |: X
int main(int argc, char** argv) {3 K\" p* [& m9 t
if(argc < 2){
! a1 z1 b6 f s9 u
std::cerr << "Errorn";& |+ m3 U9 L0 G/ [2 y/ l1 I/ J
std::cerr << "Provide Input Image:n n";
$ `\" S% D1 H9 u. y
return -1;! E! j: N7 d {' C) I7 d
} C, ?. U! x' W, f& }. k
cv::Mat original_img = cv::imread(argv[1]);
& ]3 w( L S/ Z4 O
if(original_img.empty()){/ M- A' p( f. a4 k
std::cerr << "Errorn";
\" S* ]. E% B9 v* c# }3 h( ^8 @
std::cerr << "Cannot Read Imagen"; F* D$ o1 T; x
return -1;7 S4 u$ r\" p: \! v
}
8 ?5 o8 n# z+ f1 S4 j- |7 ^# C$ E
cv::Mat shifted;
2 h; X m* c* l5 C7 H J
cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);
1 U9 R$ t' U5 e S; y( s
showImg("Mean Shifted", shifted);
\" S* u( @\" X4 G* c1 c5 r9 z+ v, S5 Z
cv::Mat gray_img;4 I/ B7 b J- z, H9 ~# ^0 M& K l4 x
cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);
: ~5 d: z# L& W* z8 ?
showImg("GrayIMg", gray_img);& l+ c1 E; W/ Y( s( W
cv::Mat bin_img;
8 d5 k, w' g7 o; ]+ O
cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);
1 ]5 K% t2 p0 p0 y3 p
showImg("thres img", bin_img);: ]' g3 j' y, ~; V& l
cv::Mat sure_bg;
3 C8 v( M/ v p$ u
getBackground(bin_img, sure_bg);* `1 h% b J7 h5 {0 p
showImg("Sure Background", sure_bg);
% `% U+ z: U& F
cv::Mat sure_fg;
7 E7 R0 O! o* _; u
getForeground(bin_img, sure_fg);
2 X# {) c F6 a( I) W! r( B
showImg("Sure ForeGround", sure_fg);
/ q4 Q( g. |. R! D' \+ D\" Y5 d) M1 O
cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);
- o8 J2 _3 s; n! Y; H: R1 l
std::vector<std::vector<cv::Point>> contours;
6 D2 c5 F5 |7 f) M9 y4 _
findMarker(sure_bg, markers, contours);( j( V6 O5 x p6 F
cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈# q, Y+ W- D1 V# D0 V
\" X' Q\" Z7 ] V# d j- X% H
cv::watershed(original_img, markers);
U4 C) a% C; \' X% a5 U0 h5 F
cv::Mat mark;
& @8 s8 _) F6 P
markers.convertTo(mark, CV_8U);0 @1 C( m+ _2 {5 ], K
cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色
# ^3 ]: ~3 R2 ?% f8 t4 {& i+ m3 a
showImg("MARKER", mark);& N: V7 t3 F* ] V4 S8 d6 z
// 在图像中突出显示标记 /) E1 E* a7 Q! R( F$ }
std::vector<cv::Vec3b> colors;. e B/ \* r% z\" }# O& x3 C
getRandomColor(colors, contours.size()); // 创建结果图像4 X( C) I) e( z0 Z+ V0 t, d
cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);* g7 E8 G) z% B# _/ S- p
// 用随机颜色填充标记的对象% a2 t+ r. d7 i8 L1 M r/ d0 k& L
for (int i = 0; i < markers.rows; i++)
. F+ a2 d0 S9 W3 v
{ U6 `, W' s+ {$ Y1 T
for (int j = 0; j < markers.cols; j++)# e3 f# ~3 k* z; R/ U3 H
{( t- g! t4 U, T' N9 `\" G
int index = markers.at(i,j);
3 q8 ]0 I1 K% s% b
if (index > 0 && index <= static_cast<int>(contours.size()))8 u* o* N; p+ S4 W4 {- A\" H\" Q' v
dst.at<cv::Vec3b>(i,j) = colors[index-1];3 e! Y) f$ x; l6 H
}4 K s4 v9 ]6 H
} r0 x, z! ^* H( P6 _\" W4 v3 R
showImg("Final Result", dst);5 f% l. ^. Z+ P! X, @% {% n/ ~
cv::waitKey(0);
& `5 _& R9 |. F0 k3 u
return 0;% l8 i/ B' `1 K& p% ?8 ?
}
\" B$ V- D: M h7 f

复制代码

————————————————! j3 o. T3 R2 d/ z
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

zan