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”。
- e  W2 h; t9 n( c+ ~测地线距离：地形分析的核心
5 R! h  V8 t9 Z, x* Q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。
' r& u! m3 E$ ~4 B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
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。
8 @8 O* |, o6 g" B6 F, s0 Y* Pmarkers：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>: Q- `/ y2 D- m9 r6 g; t: t* Q6 {
   
2. #include <opencv2/highgui.hpp>
   7 X  c. P5 B0 n' D  Z
3. #include <opencv2/imgproc.hpp>1 U5 A/ O! H0 n
   
4. 
   # g: l+ e  S  _9 E( R
5. void showImg(const std::string& windowName, const cv::Mat& img){- H* l( ?1 ?8 g5 s* v, R: i
   
6.     cv::imshow(windowName, img);
   0 H! F1 m1 o) g6 S5 X1 z3 g
7. }
   7 C2 r- I0 f5 j1 b/ G
8. ) `0 _5 D9 R9 T+ G& f& U
   
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {4 N: H( Q! ^4 ]3 H  y7 b1 a3 L: t
   
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核- X/ L3 a% F( u$ S# w
    
11. }+ k: T! d) N$ c+ B4 t/ i# k, e+ g
    
12. 
    4 {3 ?4 o! T/ e
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {
    9 T& X; m* y( m7 v0 h7 \\" w
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);% T! S5 c* P! W; f+ n5 y4 Z
    
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);
    \" X- S) N8 x) Q1 A
16. }) ]\" |: P; n/ {\" U2 d/ K  d' A5 T
    
17. 8 n/ E% i( M0 K! i2 C; a% n9 F9 R( o/ }
    
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {6 W0 v4 k( n  z& B% z6 V9 {
    
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
    + {\" J; P2 ?; w0 D' ^( r+ W
20.     // 绘制前景标记
    3 T2 K: n$ ]: W6 r
21.     for (size_t i = 0, size = contours.size(); i < size; i++)
    3 o; v0 r( z7 b8 J
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);
    - L- ^6 j/ H0 T7 B
23. }
    + C& s) N6 m% F; x! N& K2 c
24. ; ?: t3 Y1 a. u
    
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {
    1 b# K( |, S5 [% `& r
26.     for (int i = 0; i < size ; ++i) {
      x: A# P* u/ Q( y! G
27.         int b = cv::theRNG().uniform(0, 256);
    . `- [: Z1 I4 n6 G2 b8 A* A9 B
28.         int g = cv::theRNG().uniform(0, 256);
    9 x! H! a* c- b1 d# Z: ]
29.         int r = cv::theRNG().uniform(0, 256);
    4 r/ f; K2 U) T( s- p! k: G4 _* \
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));
    7 c\" |7 T/ w$ p+ m' M1 S
31.     }  K- E6 ]: v! H  E* s+ b* u' E\" j
    
32. }! \. ?7 L* s; n: Y9 k
    
33. 
    - e( }) x\" W* h, v* k' }
34. int main(int argc, char** argv) {' I4 V' K! X2 d5 [3 W7 K
    
35.     if(argc < 2){
    + c1 S4 d/ [  W; g( Z* o. e* `. k( @' U
36.         std::cerr << "Errorn";
    , G9 n6 E0 L& n( z
37.         std::cerr << "Provide Input Image:n n";
    0 |$ I4 h; T. \# _% j3 @
38.         return -1;+ V; g& B6 K\" T# P
    
39.     }
    * n1 W  u\" ^# G* C/ X
40.     cv::Mat original_img = cv::imread(argv[1]);
    1 c$ G- N: B$ J' x
41.     if(original_img.empty()){
    - h0 A9 Q- C. p* d9 ]
42.         std::cerr << "Errorn";
    ' l, q: ~) K, K4 `2 \9 _% J6 b3 g
43.         std::cerr << "Cannot Read Imagen";5 V\" ^2 {- K0 n: }
    
44.         return -1;
    ( C; p  b0 `$ h2 j& n) j$ {, Z
45.     }
    5 E- S* x8 i1 y# R/ K
46.     cv::Mat shifted;
    - i: }1 O. X2 _$ S
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);
    ) U' h4 f! H: e& P8 m+ ^
48.     showImg("Mean Shifted", shifted);
    # ?( A9 I* V4 G; [) V/ B- ^- @
49.     cv::Mat gray_img;
    6 U( E) a$ K( W) {% A5 T8 w  r
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);
    + m0 ^! U6 O\" r: x
51.     showImg("GrayIMg", gray_img);
    8 T( p+ L$ Q( t5 s- O8 z
52.     cv::Mat bin_img;; @! l4 O+ k3 _9 L. z# l6 u
    
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);: M& S$ _$ T4 x3 P, w1 X! _
    
54.     showImg("thres img", bin_img);2 e/ C; V+ M3 F5 ?1 u
    
55.     cv::Mat sure_bg;
    4 F, N+ v5 N/ K
56.     getBackground(bin_img, sure_bg);
    ) [! \% J1 i3 S9 O% f  J) K! U
57.     showImg("Sure Background", sure_bg);
    0 Z\" I5 c; N# i# }& B5 T
58.     cv::Mat sure_fg;
    6 |4 N  F- h' l5 z  \+ x\" ~5 I7 e
59.     getForeground(bin_img, sure_fg);' m\" `. b1 a$ S5 [- w6 k9 @
    
60.     showImg("Sure ForeGround", sure_fg);
    ! ~5 D8 L) Z$ G\" E0 q1 X6 j. i
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);0 c! Q) I8 L; {$ I; x
    
62.     std::vector<std::vector<cv::Point>> contours;
    \" P' r1 C0 Q. L
63.     findMarker(sure_bg, markers, contours);2 P2 q+ W4 N$ t
    
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈0 [% f: J# z4 _8 ^3 y/ P
    
65.    
    1 d9 Q+ s& i2 f& n, y5 l; Q- o
66.     cv::watershed(original_img, markers);
    $ V8 \' A0 M: S, g1 B, D
67.     cv::Mat mark;
    - \4 M+ P. H# a, _) w
68.     markers.convertTo(mark, CV_8U);3 g3 |/ p- n5 n, \1 a
    
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色) |4 Z& d% ?8 f( B, k
    
70.     showImg("MARKER", mark);
    & ^/ s1 ?0 c. @1 i  i
71.     // 在图像中突出显示标记 /
    9 `* X6 x' Z3 w
72.     std::vector<cv::Vec3b> colors;5 c) T5 a2 q9 T$ V9 r& U' F
    
73.     getRandomColor(colors, contours.size()); // 创建结果图像3 P7 R3 j) i7 h* ?& Z\" ~+ K: K
    
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);
    & }6 f5 P# z9 M7 i6 L9 A
75.     // 用随机颜色填充标记的对象2 r# q+ U  W' {$ ~* R
    
76.     for (int i = 0; i < markers.rows; i++)
    , k# s) r0 B& d: I) c! J: Q0 \; \
77.     {$ w; N7 _1 y9 W: S, ^
    
78.         for (int j = 0; j < markers.cols; j++)6 ]$ A( `( u' T2 {8 b4 m4 ^
    
79.         {
    \" g% P/ O3 A& D\" Z\" T+ x: a
80.             int index = markers.at(i,j);) C& c$ l: g! {
    
81.             if (index > 0 && index <= static_cast<int>(contours.size()))# B/ ^- I1 W. y# x; E' p4 X
    
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];
    ( [' J3 `* a6 m2 l, a4 u1 l# o( P
83.         }& K6 _6 m% ?; s; n, v
    
84.     }8 T. B3 S9 h, m3 E2 C$ ?; w
    
85.     showImg("Final Result", dst);
    2 k  B. E- s9 g% N6 s
86.     cv::waitKey(0);
    9 i6 z1 G5 z& n8 p2 A
87.     return 0;; p0 v& D\" T& N! t0 H
    
88. }
    \" c+ `# X2 G- Q0 l

复制代码

————————————————
( F4 @7 u7 u  W5 K. O( d1 z& m                            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