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”。
! v' D/ p! h* |) b9 v8 \* H测地线距离：地形分析的核心
" I( A! h: Z, l: P2 O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
# A7 j  y/ n; S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
$ Y) D% A$ a" D0 S% k/ ?% q! y( y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。
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>
   $ `3 }; l  B* F; G2 j) {
2. #include <opencv2/highgui.hpp>
   % ~8 S: b\" n! M2 e  b: N
3. #include <opencv2/imgproc.hpp>4 M+ [3 ?5 T, i% T4 c  m0 C( w
   
4. 
   ! @' J( `; q  x& l) z0 j; p\" }
5. void showImg(const std::string& windowName, const cv::Mat& img){) ~' d/ D3 j# z# q
   
6.     cv::imshow(windowName, img);$ i9 n0 ?3 A% Y) r
   
7. }
   5 i' D) [3 S5 u' x
8. , ?  L' @% Z7 J( P0 l5 y* V
   
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {\" @$ n\" H% m- p! f
   
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核' E. f2 Z0 j1 A* T8 C
    
11. }+ Q/ |  r' C6 F5 Z0 `0 K0 b\" O
    
12. % a4 j! p; c- z* W. z2 E
    
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {5 b' M7 [1 Q6 D: m# j* I, v6 e
    
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);  c/ N1 V4 G- j( P  e; `
    
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);
    ' K, I! \+ n$ k0 K
16. }
    ( v9 N* j\" B7 S( p3 Y; i
17. * ~% G6 l8 r8 a
    
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {
    # L) o' S& t4 \+ W& R/ }
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);5 D( @' D2 I7 L9 q8 G. c3 A
    
20.     // 绘制前景标记
    1 ?+ c% N9 `  @/ x- B, v
21.     for (size_t i = 0, size = contours.size(); i < size; i++)
    ( `  z  v; M6 ~' `
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);/ n. o  a- B% g4 R' C9 O! z
    
23. }( Z8 M5 v2 E1 V! X
    
24. : N4 V1 P5 n) o9 Z% R
    
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {
    1 n- |* o7 h7 R8 A, \' x& f
26.     for (int i = 0; i < size ; ++i) {
    . x3 r) e: h6 _\" e
27.         int b = cv::theRNG().uniform(0, 256);, g\" P  e( E: m- o$ l- B# G+ n
    
28.         int g = cv::theRNG().uniform(0, 256);
    . Z5 o! A7 A1 j; u0 P& B, J
29.         int r = cv::theRNG().uniform(0, 256);
    3 S0 p! Z. k) @$ J
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));
    - _- Q9 J$ w) h9 f1 T: o
31.     }
    ) M' g/ _4 O+ N! d& ]
32. }+ F* ~* D$ A/ v+ t- v1 x+ A
    
33. 
    ' Z, h( R  w: `% A\" K
34. int main(int argc, char** argv) {
    ) o, ]5 ~* [5 G# V% H
35.     if(argc < 2){& S/ O9 Q7 t/ ^3 Z0 `' R
    
36.         std::cerr << "Errorn";2 r) b+ O  z/ \# ?& R) q4 d0 [( ?
    
37.         std::cerr << "Provide Input Image:n n";
    ' I# i) W* V$ k9 v9 W% J( ?
38.         return -1;+ u6 [: M$ S, a
    
39.     }
    4 n\" @\" g) r9 w\" @# K5 {
40.     cv::Mat original_img = cv::imread(argv[1]);
    $ r7 H+ L! w: c* O% a. u
41.     if(original_img.empty()){+ X; Q) T( t; {7 O5 w) c% X* q0 p
    
42.         std::cerr << "Errorn";0 ^, e, s( |/ B' h) {4 b\" }. H8 U
    
43.         std::cerr << "Cannot Read Imagen";9 z3 U9 G0 ?5 r1 E0 |
    
44.         return -1;4 d1 K2 E1 T- _/ u7 x) N
    
45.     }
    9 ^% b) V1 U. E, \$ A7 _
46.     cv::Mat shifted;, E# _, E) S\" Q2 D9 c4 M
    
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);
    + l8 u5 s5 ~6 F
48.     showImg("Mean Shifted", shifted);
    8 [) Y/ [6 Z% Z5 L
49.     cv::Mat gray_img;
    5 M% y- [- M; O9 n5 G
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);0 H4 T# b% s6 a$ g  `) L
    
51.     showImg("GrayIMg", gray_img);& d2 k. H6 ~\" z# r. C
    
52.     cv::Mat bin_img;
    5 D) W7 \- m. O5 B& N
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);' x( x4 ?! Z- C9 L. P2 ]5 @
    
54.     showImg("thres img", bin_img);8 g/ f% V6 B' X# g\" ^/ ~! A  f: J. k
    
55.     cv::Mat sure_bg;# L& l; Q/ `( A5 n
    
56.     getBackground(bin_img, sure_bg);. }# K! j; e- o2 r+ e6 x
    
57.     showImg("Sure Background", sure_bg);
    4 h; w6 Y/ X5 [* A% n
58.     cv::Mat sure_fg;. H/ h) K2 ^) ^/ }6 v* w$ H: Y! U
    
59.     getForeground(bin_img, sure_fg);# X: B; j- V8 D; N  @6 A
    
60.     showImg("Sure ForeGround", sure_fg);
    0 T  E* D: G0 f3 \
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);
    3 ~- ~4 z* h& [: Z1 q
62.     std::vector<std::vector<cv::Point>> contours;4 O2 i* M6 K; \4 ?! z# g* _, n
    
63.     findMarker(sure_bg, markers, contours);
    9 v4 X% ~! r3 ?4 T
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈' h% O, q  v( k+ v) E1 |
    
65.     ! B6 d0 ~9 L$ s0 a2 ^, k7 b
    
66.     cv::watershed(original_img, markers);
    4 t\" e7 J, v& N& X& @
67.     cv::Mat mark;
    & j  z# S6 K$ I, V3 X
68.     markers.convertTo(mark, CV_8U);  F: b- q; O& e. y+ q
    
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色$ e: ~. h% n: s, w* S# N! Z  C3 k8 r
    
70.     showImg("MARKER", mark);! ]& Y, r) D. u$ ~, [0 H. W$ t0 a
    
71.     // 在图像中突出显示标记 /7 x% j  N\" L: ~6 ~9 T; m
    
72.     std::vector<cv::Vec3b> colors;! g/ h3 ]2 _6 Q$ }% H7 z0 K2 j
    
73.     getRandomColor(colors, contours.size()); // 创建结果图像
    ( b8 U$ ?\" {' I\" X7 q
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);1 g+ h3 x9 J0 b6 H/ n9 N
    
75.     // 用随机颜色填充标记的对象6 b  M3 o4 O& z% @5 Q' O' s
    
76.     for (int i = 0; i < markers.rows; i++)
    * _8 f; ]+ m0 k3 U: Y7 M
77.     {5 Q* v# r& f( p2 _
    
78.         for (int j = 0; j < markers.cols; j++)1 |  S/ @6 s\" v4 l% Y
    
79.         {
    8 G9 `4 H) J, {1 O7 I) H% V* _
80.             int index = markers.at(i,j);, P4 R: e. p8 P7 Y; [
    
81.             if (index > 0 && index <= static_cast<int>(contours.size()))+ L/ s1 l% m2 z+ m# E0 m5 x6 f
    
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];3 z: E& S. K) k9 r
    
83.         }3 R8 S, `; L- N. W3 c6 d
    
84.     }
    ( d! i4 R1 s& C- w
85.     showImg("Final Result", dst);) [2 H$ c# g1 @: P2 p
    
86.     cv::waitKey(0);
    3 m$ P8 H7 o/ f7 Q2 X. r
87.     return 0;
    2 h/ Y% W) Q  j( l
88. }7 M/ k5 W% R/ Y5 g4 n
    

复制代码

————————————————
. J2 ?% O! H3 U. c5 T# B                            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
: S. _$ f9 I5 U/ T
# W' |5 T- g' c6 ?, M* y