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
9 X$ K$ ]/ W# @) X8 u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
+ X3 r) l; U) x+ B1 g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
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
+ H7 p! j2 v  M& I0 W  s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。
5 o7 s# \- E0 n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>
   ) M+ ]8 u# V: f( e  l
2. #include <opencv2/highgui.hpp>
     M$ P3 a7 p- @
3. #include <opencv2/imgproc.hpp>7 i% F8 D. p\" H+ h- O0 M
   
4. 
   1 Y- S( t, e6 \( C# [& N
5. void showImg(const std::string& windowName, const cv::Mat& img){8 d6 g3 y9 \( D% D- N+ E2 e# f
   
6.     cv::imshow(windowName, img);
   6 ]; B+ J& v2 w( e5 W9 x$ ]& x
7. }
     g6 v8 h& C% @7 c& l6 a
8. 
   % P; A4 A1 Q( C2 t8 ~- y
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {7 i, X2 q$ A7 W7 Y4 e  H$ X- M7 t
   
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核8 K$ P2 }; V) G1 Q! \6 F, e
    
11. }
    4 x, o5 C5 x* i8 o
12. ( p$ g, W& a- s2 U
    
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {
    ' S& `0 B! p6 d* b! f! x9 n3 f\" w\" Z
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);: n0 c; ^\" x, M, |1 t* y
    
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);
    6 d; }7 p1 U0 Y$ d7 P\" }! @
16. }
    ( j7 c+ }( F6 ~, B
17. $ J& @& j( z\" i8 }$ }
    
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {
    . Y7 P4 A. v5 L2 o
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);, n  P$ Z8 M* K, y' y2 v
    
20.     // 绘制前景标记\" {& Q3 N' U0 ]* y; ?9 D\" \+ }
    
21.     for (size_t i = 0, size = contours.size(); i < size; i++)6 @: P4 M0 \. o1 o0 m/ Y6 z
    
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);, m# t( u8 L* J' t& p: i
    
23. }  }3 A2 U! }- o# @. [
    
24.   m) m; ?& ]: _
    
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {! Q, l  d9 q, L& T8 |+ G! f
    
26.     for (int i = 0; i < size ; ++i) {
    4 K/ A7 J; A, s* p; [
27.         int b = cv::theRNG().uniform(0, 256);
    6 J4 |7 q! J2 H1 J( ~8 c8 A* U
28.         int g = cv::theRNG().uniform(0, 256);
    ) E  A5 Z! [( D8 `0 I$ E
29.         int r = cv::theRNG().uniform(0, 256);- T5 G4 d! R, ^$ T- p; v+ c
    
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));
    % T5 @2 f5 N( W- T
31.     }! l5 T% I; e* E# [8 n, M0 g# Q! W* T9 k
    
32. }
    0 U& P  u+ |1 p& Z$ _1 R( s
33. 8 W4 S- j3 c; E3 \  M6 A\" Q& d
    
34. int main(int argc, char** argv) {
    9 N& b/ l, q\" o' C  g' f
35.     if(argc < 2){3 Y, n/ r) u\" v( X! V
    
36.         std::cerr << "Errorn";
    6 J0 k- X+ o9 p7 E7 w0 s
37.         std::cerr << "Provide Input Image:n n";  s0 }2 Y8 O; A+ N& [1 A+ ?
    
38.         return -1;8 b2 M4 q\" ]7 K) c& I, W( P
    
39.     }. A1 B\" e\" s4 H5 `% C7 O! z3 R; @& X
    
40.     cv::Mat original_img = cv::imread(argv[1]);  X1 d0 n; `# `0 x) s1 V\" Y\" \. t
    
41.     if(original_img.empty()){
    \" C: q  X- O! t  E: e
42.         std::cerr << "Errorn";
    5 M' I' @: J1 \/ f
43.         std::cerr << "Cannot Read Imagen";
    % k0 B4 {/ _. S& e9 N
44.         return -1;
    1 [2 [  p$ f* B
45.     }
    - ^; ^* r0 P  E% y
46.     cv::Mat shifted;% M8 \  z4 u7 v. [2 Y! M3 r
    
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);\" L3 U, g5 \6 u( o  i7 r' X0 j
    
48.     showImg("Mean Shifted", shifted);& |. _& l# [1 k8 ]6 Y; T
    
49.     cv::Mat gray_img;( ~0 h% d\" c8 F8 j! |; z4 {* t2 n5 |
    
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);
    \" }& Q1 x5 q$ {7 c1 s
51.     showImg("GrayIMg", gray_img);6 C) U- ]& y/ V  f- g5 Z. N0 V1 f3 N
    
52.     cv::Mat bin_img;, O8 F3 F. N, ]# g+ P! E
    
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);
    $ J! g/ ~& \  y. D) S7 D0 F: m% J! l
54.     showImg("thres img", bin_img);\" [6 B1 S6 q+ `\" L0 U
    
55.     cv::Mat sure_bg;
    ' |2 T, m% s1 e
56.     getBackground(bin_img, sure_bg);
    % h; A- U# L% b/ F
57.     showImg("Sure Background", sure_bg);
    ' [. F8 v2 E) _& S
58.     cv::Mat sure_fg;1 P6 A8 ~0 ^3 d5 v# h) W
    
59.     getForeground(bin_img, sure_fg);
    4 t3 W: {3 W. j. E
60.     showImg("Sure ForeGround", sure_fg);
    . A% }! F( C$ g. p% ^
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);
    ! W# \\" E! I3 U+ F( G+ Z
62.     std::vector<std::vector<cv::Point>> contours;3 L; ?, y; _; R8 U$ B! B# B
    
63.     findMarker(sure_bg, markers, contours);  \/ A# `2 s6 u# H: p; k# o
    
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈8 f5 l& e0 t& J
    
65.     9 [* U; \. J3 y2 ~6 ~3 M
    
66.     cv::watershed(original_img, markers);
    ! M2 X0 t* J+ w! p4 A
67.     cv::Mat mark;5 |' c+ N: B: o) Q, h8 [7 ~
    
68.     markers.convertTo(mark, CV_8U);
    + }, V3 x$ l; z( M! T4 {
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色
    4 [3 r4 X' S\" r+ {# K/ P
70.     showImg("MARKER", mark);
    7 \2 I9 O9 ~( {* |) L9 C
71.     // 在图像中突出显示标记 /! C) r4 y# O! ~' H+ n
    
72.     std::vector<cv::Vec3b> colors;) N0 s* ?9 F  N
    
73.     getRandomColor(colors, contours.size()); // 创建结果图像3 \6 G. J5 i2 c/ [\" E. c7 {7 V6 y5 S. ^
    
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);
    ) \. R  l' o# m  l* j0 G  V- ]9 S
75.     // 用随机颜色填充标记的对象
    6 j( m* k& s% b) {
76.     for (int i = 0; i < markers.rows; i++)
    2 |. }; @( W\" h/ D
77.     {
    ( p\" z- @* C: r6 Y6 O
78.         for (int j = 0; j < markers.cols; j++)
    5 D3 c6 ^! `\" j& c; j; A
79.         {
    0 @! B! ]8 L8 p3 t
80.             int index = markers.at(i,j);6 v7 }. R) L+ H+ ?: w: i
    
81.             if (index > 0 && index <= static_cast<int>(contours.size())): |9 o* g: A& }- g( I
    
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];/ u, k- l7 |( l* W. C8 o$ e2 {  e6 s: y
    
83.         }
    ) s2 d/ B  e' w) X$ y5 W# p
84.     }# M# B, A1 A. G9 [
    
85.     showImg("Final Result", dst);
      `, g/ C3 R9 Y1 y/ N
86.     cv::waitKey(0);  A, E: j1 H9 k; |0 y2 i1 G% U9 F
    
87.     return 0;
    2 x- Q6 a) K+ N6 z% t2 J# w& t
88. }
    5 W7 M) f, C! b& A* r$ s

复制代码

————————————————
/ @  Z) f' J" y7 M& h( ~. K. p                            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
8 R: S$ n- ~. J8 t; D