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
3 Z& o" K* x3 M4 ?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”。
$ r, U% }( t3 X4 [测地线距离：地形分析的核心
* }2 F4 x- c: c0 U1 [9 Y# u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
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。
) a* ~& W8 P5 |$ z# ymarkers：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 V0 G& a, x! G* j& v% [
2. #include <opencv2/highgui.hpp>9 N& I3 y  Q# G+ T. H
   
3. #include <opencv2/imgproc.hpp>
     R% E: z- h  Z; L: u: a
4. / v7 a- m( T# d' B9 L$ C\" d) c
   
5. void showImg(const std::string& windowName, const cv::Mat& img){
   , W6 l3 ]; w# q8 P
6.     cv::imshow(windowName, img);
   ' a  l* {4 v4 i- W8 J
7. }& M1 Z5 x3 |3 y# k  E; y
   
8. 1 i4 M\" z5 B6 W7 ~3 [
   
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {
   ! p4 w- T3 U/ ]- v4 k- \
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核3 C& j3 d- K8 G
    
11. }' o\" S- w& `4 ]
    
12. 
    * R9 U5 `, q9 G7 |! a
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {5 z: I; D  |* q5 \2 H
    
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);
    0 |# L4 e( ^* k. I1 B) a
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);
    - ^+ u$ S( V+ I/ T
16. }
    4 e; Q& S9 H) y$ y
17. + w+ z, E1 _2 Q( ?% t
    
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {* Q5 |. `( z% Z3 u& I# ]  E
    
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);  l' d/ P; n2 j- N4 L0 e5 {
    
20.     // 绘制前景标记
    - |# @/ f) I. b8 i' ^, r: @- F
21.     for (size_t i = 0, size = contours.size(); i < size; i++)$ P1 W% O6 O* `
    
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);
    : }: [2 L2 g' _\" `. r# b# e
23. }
    + x, d9 h: m8 I/ O8 s
24. 4 I\" c& _( |. t' V5 @5 C5 \+ S
    
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {
    1 M  i9 R4 H% g( b) @
26.     for (int i = 0; i < size ; ++i) {
    7 x8 _# U. }) w* K0 T. t% I* h' u& ~
27.         int b = cv::theRNG().uniform(0, 256);
    2 T  [\" b- M% C- e) N: h5 C( e6 z3 p
28.         int g = cv::theRNG().uniform(0, 256);, T# J; C) o) D0 q3 w
    
29.         int r = cv::theRNG().uniform(0, 256);0 ^/ K( w7 G7 `; O( b4 g9 A
    
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));
    ) o0 w+ R\" V1 _7 c/ j! W
31.     }* \; y5 m% b1 K1 }  y4 h) l
    
32. }8 t0 T0 Q3 H8 [0 A+ _4 H
    
33. 6 x) H2 p! K, V3 P# J
    
34. int main(int argc, char** argv) {) Z8 n3 i2 o1 M
    
35.     if(argc < 2){
    + H) X! n* `3 H* h7 I& h8 X! b; a0 y
36.         std::cerr << "Errorn";9 d( ~& n5 u* u: p9 X8 i9 a3 T
    
37.         std::cerr << "Provide Input Image:n n";) O) M  Y' j, N9 A
    
38.         return -1;
    \" P, @6 v. z3 l4 J+ b1 X7 f, k+ l1 E
39.     }
    ) a: X) p5 k# @4 T3 a
40.     cv::Mat original_img = cv::imread(argv[1]);
    ( |, _) p+ c9 k+ Z) a9 Z
41.     if(original_img.empty()){
    ! l5 q* ]: g( n# L, h
42.         std::cerr << "Errorn";
    3 v5 Y! a4 x; z/ o7 s
43.         std::cerr << "Cannot Read Imagen";
    6 f% k+ n5 n; X* {1 f, n
44.         return -1;
    * t0 m! Y& b0 V3 }* a3 h- X( y
45.     }
    / U5 s# S, [# t5 m6 Y- g7 _) f1 P  H. d$ d
46.     cv::Mat shifted;4 A2 }1 A  W) t% b3 H4 K0 J9 V
    
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);
    4 W& {+ u8 A\" k9 g2 N, o% G# k
48.     showImg("Mean Shifted", shifted);
    $ r0 W4 `. ^3 X) h9 o3 X9 |
49.     cv::Mat gray_img;
    ! V& x* I; r& ]4 P' H
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);0 L; S$ i\" c8 e+ t1 F\" v! B+ R. Z! X) s
    
51.     showImg("GrayIMg", gray_img);
    / O. }( X+ ?5 G  \
52.     cv::Mat bin_img;
    / M2 f' u0 K/ D# E( R/ C
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);
    4 t5 z2 }7 c1 \! ^0 w2 {/ I/ }3 q
54.     showImg("thres img", bin_img);. C- g2 s( K  v0 G. K( @
    
55.     cv::Mat sure_bg;
    ' `\" U6 R- d( n# \9 m
56.     getBackground(bin_img, sure_bg);% E  D: e: y( J7 }3 `
    
57.     showImg("Sure Background", sure_bg);
    2 H& p3 [# Z2 u. O3 ]6 Y. l$ w
58.     cv::Mat sure_fg;
      n& h4 a# }2 N0 E+ R5 w
59.     getForeground(bin_img, sure_fg);/ t1 r; X\" j, o2 j3 b9 D) n
    
60.     showImg("Sure ForeGround", sure_fg);
    % ]1 y: l6 |/ ]5 N3 c; l& z% o' I
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);( b0 p* e% f/ I* Z- d/ [
    
62.     std::vector<std::vector<cv::Point>> contours;
    6 r% n, |) L& B3 {$ _. n) s
63.     findMarker(sure_bg, markers, contours);, `3 j0 \4 z+ p
    
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈
    3 W4 L0 Y& O/ \6 N# G2 p3 ]9 w& u
65.    
    : K( W( F9 m6 |+ c; J
66.     cv::watershed(original_img, markers);
    % G; q2 Y' d# A; ?  G) O
67.     cv::Mat mark;
    % h% t# Q  ^# A; G: T7 H/ ]7 Q0 l
68.     markers.convertTo(mark, CV_8U);- D& [# c' o\" {# `% ?
    
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色
    : j  v2 Y/ J( i) e) |& X- e
70.     showImg("MARKER", mark);! `) |* O+ u# Y/ d) _0 }6 T
    
71.     // 在图像中突出显示标记 /
    $ t4 a  u3 E' I3 |! l
72.     std::vector<cv::Vec3b> colors;
    0 |5 E1 ^; J; |/ f  ^& H
73.     getRandomColor(colors, contours.size()); // 创建结果图像+ v+ i! x. V4 l9 J
    
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);' `8 `; {/ V- g
    
75.     // 用随机颜色填充标记的对象1 G! y; y% v4 H5 v) s9 |. I- J8 Z
    
76.     for (int i = 0; i < markers.rows; i++)' p6 l% a, Y% z& V# ]+ ^
    
77.     {
    2 o: z8 i' ^  C; g2 e. E! s+ i* O
78.         for (int j = 0; j < markers.cols; j++)) t* J! v0 o. J+ m: q: R\" R1 F
    
79.         {
    + W+ i. d7 g6 H2 t
80.             int index = markers.at(i,j);
    - z) n, X. P( c, k% i2 H- f8 c
81.             if (index > 0 && index <= static_cast<int>(contours.size()))
    3 O- I\" A$ }$ M2 I' Y7 g
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];- x8 M! K. F# g% ?
    
83.         }
    + P6 e1 B& J! C' M: Y
84.     }
    7 d) v- K+ P$ ?# K' e
85.     showImg("Final Result", dst);$ |: D0 b- f, x\" L$ S8 D$ N
    
86.     cv::waitKey(0);$ H# w0 G) b7 ?* B
    
87.     return 0;/ a- p8 c2 i6 [* \& s- n' g
    
88. }- f. Z/ Y! e* K8 }: s
    

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