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
% E1 k  k8 l0 k4 m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
  Z* [* b; L0 J. A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。
9 z  h- M! c. x2 o" o2 I; k. p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
& N- T# p; M2 a& ~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：
, u  Z1 }) D9 f$ `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>
   ' o2 K' s. ^- e
2. #include <opencv2/highgui.hpp>
   ! L( u  r' h* U4 E; ?! s
3. #include <opencv2/imgproc.hpp>- s1 X\" x\" p3 S  g( S5 Z% `
   
4. 
   2 P9 s- s; H! d1 Z! L
5. void showImg(const std::string& windowName, const cv::Mat& img){
   ! g  O7 _2 a\" C% e- e
6.     cv::imshow(windowName, img);! ]6 N7 b) C\" G+ L  B
   
7. }: f8 j) H+ Y; G$ e; M1 ^, _, b
   
8. 
   2 U4 h2 n\" y3 K
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {
   : M+ [* Z* p; P! u6 [# h) `5 r) X9 Z
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核# G; u+ D7 N& @
    
11. }5 h1 ~4 z! w9 v8 R. r
    
12. 
    2 b- S& P. H, o, E* i, x: s% D( Y+ h
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {, i. R  a# c, e2 P
    
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);+ Y. c: y* a4 D, d2 C\" z
    
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);9 u9 O! @. }( O2 |; q: Z
    
16. }/ o, P7 ]3 p: V  V) U
    
17. 
    * y. A! j# a) s/ R& T6 ?
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {
      r0 S7 {1 {3 _0 e
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);! ]# P* v( @' v. |# J' I' S
    
20.     // 绘制前景标记! a  W( `. v) X\" Q) B% d* n
    
21.     for (size_t i = 0, size = contours.size(); i < size; i++)0 d- w* n\" ]- N9 {2 [- _- u0 T
    
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);
    ( {  u, `2 x. W9 J4 H
23. }8 G. W+ b6 k& k
    
24. 
    4 g- l2 e! B; A7 G; h4 Z5 c
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {
      b2 _7 ~  x  P' o: D
26.     for (int i = 0; i < size ; ++i) {
    4 k* M6 W7 [$ J; I& b
27.         int b = cv::theRNG().uniform(0, 256);% s9 E3 {% M1 K1 s: p& \
    
28.         int g = cv::theRNG().uniform(0, 256);
    : L\" d8 V  L4 f8 J8 M, S
29.         int r = cv::theRNG().uniform(0, 256);9 f% b5 [1 \/ V/ d8 z
    
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));, Q* k\" V' O! Y4 U
    
31.     }5 n& D; I5 {1 G  \/ M  V6 H
    
32. }
    9 a! c+ P; }6 Q6 w, @& Q\" X
33. ; L2 T4 M* u, r1 l* |: `
    
34. int main(int argc, char** argv) {6 Z, B8 ?\" u2 ]! W4 h& Y* A# D8 C! t
    
35.     if(argc < 2){
    5 F5 Z$ R3 Y+ [) G* S
36.         std::cerr << "Errorn";
    # {7 C, \; ?5 ^6 d. y. P
37.         std::cerr << "Provide Input Image:n n";
    9 e2 o: {# o( k) K( m/ J) V
38.         return -1;
    9 `! ~/ r  D: b$ H3 a/ Y
39.     }
    ' O# j5 J6 i& j. _5 e
40.     cv::Mat original_img = cv::imread(argv[1]);
    7 @; K2 m4 x/ E5 i
41.     if(original_img.empty()){. ]2 C5 d3 X+ R
    
42.         std::cerr << "Errorn";0 s. E5 i7 s1 f; S7 y
    
43.         std::cerr << "Cannot Read Imagen";
    ; ~! D' _. u* Q\" f& K; d2 I
44.         return -1;
    , A2 j8 S\" ]. N$ Q+ C+ v
45.     }
    9 r$ A( N/ ^$ Y4 y9 i0 x- u; ~
46.     cv::Mat shifted;1 s' X/ U0 _: x/ p! O. _9 D\" U
    
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);
    . f9 u: S8 K# y  O& U\" \; Y
48.     showImg("Mean Shifted", shifted);
    1 R\" G+ T3 _3 n
49.     cv::Mat gray_img;
    7 b2 D/ J4 `* v
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);3 T* J# j+ y9 m3 P0 D6 I$ ?* t
    
51.     showImg("GrayIMg", gray_img);
    ( d: S7 ^/ g8 B9 g( N/ p
52.     cv::Mat bin_img;1 U- i- j* |, J
    
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);: _# U1 W, ]; D2 A+ g\" F
    
54.     showImg("thres img", bin_img);- ~, K& t$ r7 q( j- N. D& y
    
55.     cv::Mat sure_bg;0 X' t/ y, N1 C
    
56.     getBackground(bin_img, sure_bg);
    6 Q/ N4 n# Q5 ]& }! U( R  H
57.     showImg("Sure Background", sure_bg);
    . i5 ]: @0 I3 ~\" z- x0 D
58.     cv::Mat sure_fg;9 `. j% Q4 W  m; ~( e8 n
    
59.     getForeground(bin_img, sure_fg);
    / u% l8 l5 R2 r\" i
60.     showImg("Sure ForeGround", sure_fg);$ R$ S\" ^+ p# Z
    
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);5 d9 {8 g8 ], B\" V6 W
    
62.     std::vector<std::vector<cv::Point>> contours;
    . i* ~* P, g, x
63.     findMarker(sure_bg, markers, contours);# W' ~7 J6 o. k- a/ ~- m
    
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈+ s/ Y% o7 H! B1 Q: Q\" v& C
    
65.    
    # ^4 I8 d3 \\" ]0 U$ H
66.     cv::watershed(original_img, markers);4 A7 ~: Z& ~' y; v
    
67.     cv::Mat mark;
    0 J8 `( X1 g& [& [' S  {
68.     markers.convertTo(mark, CV_8U);
    ' u. K5 |1 R+ s. g\" ?/ i
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色
    % z3 k0 d) W: O; m& [% L( o- k
70.     showImg("MARKER", mark);9 V2 n% Y# f! G4 w' N/ r
    
71.     // 在图像中突出显示标记 /! A8 r% y6 k) b$ O
    
72.     std::vector<cv::Vec3b> colors;
    4 e( G, {- t. K: E4 r! e
73.     getRandomColor(colors, contours.size()); // 创建结果图像
    \" T' f) {) [/ c8 t$ ^; P. ~
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);
    ' o# n% H) Z4 T& t% D
75.     // 用随机颜色填充标记的对象' U3 k/ D! e/ _/ w2 B5 \* V) k
    
76.     for (int i = 0; i < markers.rows; i++)
    : l5 _0 _/ V  _# [6 `! }! Z
77.     {% n& L$ _# r& ^8 M- Q
    
78.         for (int j = 0; j < markers.cols; j++)
    0 I! i: V6 K) {0 d) J
79.         {9 C2 C& U5 [8 ?2 j
    
80.             int index = markers.at(i,j);; K4 Y$ @( \\" E2 O& Y- F! \
    
81.             if (index > 0 && index <= static_cast<int>(contours.size()))' s, ~+ }3 Y6 d* G, q, t4 a; S
    
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];( X5 q  ^! S( n% I\" R
    
83.         }4 }7 F( y* P8 }9 `; G
    
84.     }! B1 G' c\" I- N5 ~2 D: q  A3 `9 K
    
85.     showImg("Final Result", dst);
    ( p' }6 W\" X; m6 U* ?  {
86.     cv::waitKey(0);
    7 }( H8 w8 p  w7 @# L. r
87.     return 0;
    # M2 |1 @4 [0 z6 L
88. }
    % U' G' E7 ]# s3 e$ S8 x# M! x2 r. M

复制代码

————————————————
+ ]2 ?9 _0 m5 g; X+ \& d  }; V1 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
6 Q% o" c4 O2 {