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
* K1 S; [3 I5 m- l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
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
$ y' H$ z3 ]$ M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。
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>+ k/ R. A6 ?+ x; |
   
2. #include <opencv2/highgui.hpp>$ P2 S5 G6 n3 g! v2 D% s
   
3. #include <opencv2/imgproc.hpp>
   1 z# g/ x9 C/ o) q
4. 
   ' k1 C! u( O- j/ y
5. void showImg(const std::string& windowName, const cv::Mat& img){% ~4 F6 `2 Z4 r0 J
   
6.     cv::imshow(windowName, img);
   + b  d! H4 ?! z0 q9 T8 V
7. }
   - S; D( e; D  ?
8. 
   / K6 d! P' q0 _' y5 ?) s6 [# ?
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {
   . ]6 b3 ]9 W8 ]
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核$ G/ H: M8 Q( ~2 l0 p: ?, g
    
11. }
    4 [/ O% p! R9 p# U
12. 
    - M& O! {4 z\" l6 D- O- {/ X
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {0 v0 }# Q6 a0 t0 e' y
    
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);3 n1 P5 Y0 j4 O! F1 E
    
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);
    3 J) ?\" Y' ~! a& ~' A6 d' l+ A
16. }% k  l# i* [2 r9 L% f/ t; G
    
17. 
    % x5 A3 V5 ]% p* \6 T
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {$ W5 s) ^$ k# d0 X
    
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
    * s8 f. o  F: D- ^7 i/ l
20.     // 绘制前景标记  _0 k; s- ^4 V; D: S7 D9 i
    
21.     for (size_t i = 0, size = contours.size(); i < size; i++)
    * p% ^3 m( k/ O2 L\" D% U
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);8 f! k' }# L' p( c% ^+ X
    
23. }
    $ [\" ~; F1 `1 d3 j, Y
24. 
    8 Z, ~0 q6 @; v9 |: U( X
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {
    : }9 @- f' \6 S4 P
26.     for (int i = 0; i < size ; ++i) {* g) `% m& h# H7 u\" z6 o
    
27.         int b = cv::theRNG().uniform(0, 256);& W8 ?7 i5 ]; z! `
    
28.         int g = cv::theRNG().uniform(0, 256);
      C' s* u% }9 A4 _8 B3 I
29.         int r = cv::theRNG().uniform(0, 256);) b. G8 k8 [. d! y0 q- J
    
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));
    ; i9 a# e6 }6 m
31.     }9 w+ t; N% m. [
    
32. }6 R) q& R$ p$ E8 ?) A9 m' @
    
33. \" d6 V% R% o, Y% u
    
34. int main(int argc, char** argv) {
    . d: Q3 B* ]5 Y
35.     if(argc < 2){
    2 A; P. L/ p* s. z# F) l$ [- s
36.         std::cerr << "Errorn";
    , ?: ^9 X/ \9 j
37.         std::cerr << "Provide Input Image:n n";! j6 ?/ A& S5 n: n* z
    
38.         return -1;
    7 X6 \' s% q1 n5 j( L2 K& F
39.     }
    # u( t: S7 A7 L0 G3 Z
40.     cv::Mat original_img = cv::imread(argv[1]);
    6 X. S% C, Q6 |2 n- Y  e# m
41.     if(original_img.empty()){
    ( u! }# n  x2 b, y# H0 r
42.         std::cerr << "Errorn";( Q# O$ H1 J% j6 D
    
43.         std::cerr << "Cannot Read Imagen";: y# M6 A8 K0 X& t! H$ B3 w
    
44.         return -1;
    & \8 t: f/ y1 H$ @6 U
45.     }
    ) D- a% U0 M% _# E( ~( _
46.     cv::Mat shifted;7 }3 S2 K0 m% ]7 ?& N2 q) W
    
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);
    ( H; ]\" _3 |( [
48.     showImg("Mean Shifted", shifted);
      k5 Z* ]$ k* `( r! O\" _% e
49.     cv::Mat gray_img;  x! V: ?( J& p5 u
    
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);, {2 D6 W( `- ]1 {; x
    
51.     showImg("GrayIMg", gray_img);
    , R( ~5 L; t3 m$ D( D8 ^% R) X
52.     cv::Mat bin_img;) A1 K( X3 g3 B$ h3 R. e\" I
    
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);
    ) i& i/ }% _4 C  K% R( d! R
54.     showImg("thres img", bin_img);
    : ]1 W/ ?) P# z$ f
55.     cv::Mat sure_bg;
    / n$ Y; m# V! F5 A* ~! a0 T7 m
56.     getBackground(bin_img, sure_bg);/ g$ G' \3 n+ d% @9 n
    
57.     showImg("Sure Background", sure_bg);2 a: Y# z7 B0 |2 W
    
58.     cv::Mat sure_fg;
    - _! C/ m' k! ?2 t. ?% F! n8 F3 J4 B
59.     getForeground(bin_img, sure_fg);
    ' z5 Q( C2 s: S/ z& w- n
60.     showImg("Sure ForeGround", sure_fg);
    - ?\" t& g5 q; ]/ P. y9 x& ?: S1 L
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);  X\" X! `! s! O! @
    
62.     std::vector<std::vector<cv::Point>> contours;
    ' U\" u( O# J2 i) U
63.     findMarker(sure_bg, markers, contours);5 ?$ e6 v6 X  B0 G: h
    
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈
    # F/ ~0 r& a7 O4 _7 i
65.     5 r2 \9 s7 k5 M8 P2 p4 ~2 w! Z
    
66.     cv::watershed(original_img, markers);, b4 N' ]+ t6 H/ z
    
67.     cv::Mat mark;
    % F1 ]4 \2 k\" f- p2 ?( W! `5 w
68.     markers.convertTo(mark, CV_8U);( U+ n% m3 H) Q7 O) n0 k6 B2 v* A
    
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色! L( i6 r) s/ K0 Q1 d3 ?1 p( T
    
70.     showImg("MARKER", mark);
    ; u8 H* F9 h- R2 D
71.     // 在图像中突出显示标记 // g: [2 ~7 C) c6 [9 N( @! w
    
72.     std::vector<cv::Vec3b> colors;) v/ G- ]9 @& R7 Y3 U$ D% z
    
73.     getRandomColor(colors, contours.size()); // 创建结果图像
    & o2 c3 t* @, A5 z+ p
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);
    ! p6 }+ s\" `$ E% C! D! X( ?
75.     // 用随机颜色填充标记的对象
    6 T. r1 y* k- l8 D& m1 ?( _9 `
76.     for (int i = 0; i < markers.rows; i++)3 W( V: g* u. o  D9 N4 U+ \
    
77.     {+ j( }' G2 @' V5 e5 E
    
78.         for (int j = 0; j < markers.cols; j++)
    7 S- ]3 Z3 @! q( @
79.         {
    5 |. ^; ~- b0 [8 c' e6 l# d* `- ^
80.             int index = markers.at(i,j);  M( o! C8 I$ p3 G
    
81.             if (index > 0 && index <= static_cast<int>(contours.size()))
    ) G5 y1 v# Q& ~- m! g+ A
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];2 f6 J4 P9 q2 X8 B& h! F
    
83.         }( g) z1 b* ^: Y/ g
    
84.     }  U' n. K# P4 Y& u
    
85.     showImg("Final Result", dst);- p\" y$ [; U7 Q' ~+ m
    
86.     cv::waitKey(0);. u8 v1 U6 R) k8 s
    
87.     return 0;) [2 P. E' a6 k/ H( R4 b+ P* k
    
88. }6 _4 H/ Z7 \* u, _9 Z' R
    

复制代码

————————————————
' |/ u. D' U/ n4 N8 s9 n$ L                            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

, [* B% b! O# o: m3 L, f5 N4 _