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”。
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。
分水岭算法的执行步骤
( ~; f# [7 C: M$ |7 F) Z9 _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
2 N' R! t9 \. A7 k0 d) u/ R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：
5 z2 z! G% v" c8 u9 C3 `. V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。
) E8 E, j0 l( I$ J  @  vmarkers：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。
0 \0 n, S% x- p( }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>
   2 p- e) G% c! w9 ^) z) e% x( _0 {
2. #include <opencv2/highgui.hpp>' P& Q1 Q0 u, A: }2 ~7 U9 G
   
3. #include <opencv2/imgproc.hpp>' K1 v% H* y\" m* S1 }: E9 C
   
4. / k+ h8 J. a0 ?+ h
   
5. void showImg(const std::string& windowName, const cv::Mat& img){& _- L& }# M/ M. N
   
6.     cv::imshow(windowName, img);
   6 V\" |3 e8 d# Y( R; p! n3 g
7. }- i5 \3 d\" ]! K/ ^3 ~
   
8. 
   8 u( i, ^- G$ }, d. m; K. d
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {
   4 }% q9 m  ?  R. f# n& L3 N
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核4 y4 t- r/ M4 {- n4 S: D
    
11. }1 p( `: Z! t; J( {$ i1 C\" b. ~
    
12. 4 V% K# C: b6 T$ i0 T9 ?
    
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {2 w8 R7 [1 f; r6 J6 p3 G% h) F
    
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);
    3 ^3 h: s# [: `5 N  N1 o! F. b
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);\" X2 N0 p5 Y- w, I
    
16. }5 Y' e( t/ f$ [7 a+ |/ C
    
17. 
    # P$ E% M% Z2 ^5 l  T/ _  z' `: r
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {$ [$ H  i% A% `! _1 H
    
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
      b0 K2 f% B; C; l! m
20.     // 绘制前景标记
    8 t& s) [# `4 C& E, ?8 M
21.     for (size_t i = 0, size = contours.size(); i < size; i++)
    6 C) N, W6 ~; q* q' h/ a6 ]! H
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);' N# s) G+ \8 R( x  {
    
23. }
    1 t. x+ N& O2 r0 ^% @
24. 
    ; o9 _. G3 R* }% M- H# J
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {
    - h4 _4 @% \' ]3 K  i
26.     for (int i = 0; i < size ; ++i) {
    8 K$ p, c1 U7 i9 N5 }, ~
27.         int b = cv::theRNG().uniform(0, 256);
    9 J& y/ P9 u( X% G; ^: B2 u8 }
28.         int g = cv::theRNG().uniform(0, 256);
    , c, J0 O' O7 d) r6 w/ T
29.         int r = cv::theRNG().uniform(0, 256);
    9 G- z2 s- P' u+ w/ t
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));6 ?9 Q1 O\" V+ u& p% w1 q
    
31.     }
    9 S9 `/ [8 [+ @# ^0 R0 ]
32. }
    ; c' x+ B1 S\" x% u
33. 
    7 v  L6 c0 T0 c) o
34. int main(int argc, char** argv) {( a; Z6 ^& q; a& S+ J# J9 A# H
    
35.     if(argc < 2){
    7 ?8 n( g: }  z4 g- T& `
36.         std::cerr << "Errorn";\" N$ J& t1 O7 d0 J1 g  D
    
37.         std::cerr << "Provide Input Image:n n";: \. _1 }& w9 ~0 h+ x
    
38.         return -1;1 E6 y6 F) _! `( Y- C0 N9 E
    
39.     }$ Y/ Y( y\" x$ X9 s$ `5 }8 J
    
40.     cv::Mat original_img = cv::imread(argv[1]);1 q' t( S' h$ z0 n% D0 z) F
    
41.     if(original_img.empty()){: t  d) M# U: ?
    
42.         std::cerr << "Errorn";9 C6 {8 [& \% `& x
    
43.         std::cerr << "Cannot Read Imagen";
    0 o% T0 q' H. P
44.         return -1;
    + ~, m4 i1 h- N% C9 Z8 Z
45.     }; k9 \  T2 G/ ~+ K
    
46.     cv::Mat shifted;
    $ v6 R% y- V: b  r
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);; m! I2 J. l: S2 v$ ^/ f# t
    
48.     showImg("Mean Shifted", shifted);
    - S8 C. R9 S! i9 C3 n  T
49.     cv::Mat gray_img;
    * y: a# F  j2 l0 ~  e% O; Z
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);$ g( S  b  `- \$ z
    
51.     showImg("GrayIMg", gray_img);* U1 K3 V0 @3 d& @/ I$ ^7 a
    
52.     cv::Mat bin_img;. L  o/ H, p! V. @- c& ?7 F8 v
    
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);7 j- }5 l, \# K\" w, t  F
    
54.     showImg("thres img", bin_img);
    8 B( f' }  D3 O& H: c6 w1 U  V* g3 V
55.     cv::Mat sure_bg;4 ]- z% O8 f8 S& E/ C  o5 m& s
    
56.     getBackground(bin_img, sure_bg);8 _5 e# M6 J& I+ ]
    
57.     showImg("Sure Background", sure_bg);; X, t+ ]* u$ L, M
    
58.     cv::Mat sure_fg;7 w# g4 l& Z! F. p6 Y8 J$ j\" O8 X4 q
    
59.     getForeground(bin_img, sure_fg);3 Y3 o! M# t/ N. @8 U
    
60.     showImg("Sure ForeGround", sure_fg);- k* h2 G: D6 a\" E\" @
    
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);( [6 L1 o\" x9 n  p
    
62.     std::vector<std::vector<cv::Point>> contours;! k& ^+ d. t! v. F/ P
    
63.     findMarker(sure_bg, markers, contours);
    ! Q) ?  F6 U* b8 q
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈
    . b( V7 w3 O0 b3 x
65.    
    * U) r# f, B\" t% X% M! H. z% E4 Q
66.     cv::watershed(original_img, markers);$ j- u+ P4 w2 }, n$ w  ~
    
67.     cv::Mat mark;9 z8 [* Y4 @1 j- f- I: Q+ M
    
68.     markers.convertTo(mark, CV_8U);
    ) H& j( T4 J6 l5 f$ R9 O
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色
    4 w* `/ p7 ?, ], I7 q0 x
70.     showImg("MARKER", mark);0 m: H1 C. p7 e
    
71.     // 在图像中突出显示标记 /! H! T) f\" z8 \* e3 ]7 H, ?* p+ ^. c
    
72.     std::vector<cv::Vec3b> colors;8 C$ b0 d( `7 h- y
    
73.     getRandomColor(colors, contours.size()); // 创建结果图像2 H0 _# }6 k2 s& u
    
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);* f' i. t& Z; h- u$ g
    
75.     // 用随机颜色填充标记的对象! P; H3 [: Q  V7 u$ A! B2 U/ F
    
76.     for (int i = 0; i < markers.rows; i++)4 G5 D' W$ m  o) E+ S  s
    
77.     {
    8 V' r- n( E- w% E8 @. i
78.         for (int j = 0; j < markers.cols; j++)
    - }8 s\" P6 N5 {9 j- ^( C: n
79.         {, y* q$ G8 B3 d' m: q$ r9 {
    
80.             int index = markers.at(i,j);$ C: u+ @4 R3 K7 v8 ?
    
81.             if (index > 0 && index <= static_cast<int>(contours.size()))
    4 C2 |( G3 R# ?% r9 C\" y\" l) e! N( c
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];
    $ \. a\" n1 \: j: k- y/ Y- q( u
83.         }
    & J& x& A4 c- Y\" h0 `0 }% S
84.     }1 P% y- \& E# N: T5 t
    
85.     showImg("Final Result", dst);
    * }+ @* t, J- X1 t
86.     cv::waitKey(0);\" R9 d1 n4 O& N! h4 W- g
    
87.     return 0;, y) l# y; d8 W
    
88. }* R3 C* V# |% b! U, E; i
    

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
' l( O+ t! U+ r2 C2 D
  ^" K, t3 l" X. ^* E! E1 |: _# W& d