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
4 `1 M8 `0 z: M) V7 t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
! W) @5 |' x$ x7 J% K% f9 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。
0 t/ D1 H& C9 ^* Vmarkers：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; j' z1 H7 l1 w: M0 q1 i! P4 P
   
2. #include <opencv2/highgui.hpp># p\" g  ^) X! _. S3 ~/ `- \1 Q! W. `
   
3. #include <opencv2/imgproc.hpp>8 L9 \/ n8 ~: l. ?0 o
   
4. ; j4 X6 w0 [; A$ D' \8 f/ k
   
5. void showImg(const std::string& windowName, const cv::Mat& img){9 e  ~1 B6 ^! A, X
   
6.     cv::imshow(windowName, img);7 |. U9 z9 a. E
   
7. }
   , a2 G/ ]# W! ?8 N# Q1 O& A
8. + i& L. X4 d  {2 G4 }( g
   
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {
   0 v+ L& X/ Q0 F- D: s1 H
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核
    \" x\" ~8 T2 ~/ Z8 N6 y
11. }
    * ], p' ?; I6 Y, D/ v, d; d; q
12. \" x. ~, P( w+ ~+ z4 r- x% A) ]5 h8 V4 ~
    
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {4 P8 [# }9 A* i6 c; d/ h& j2 V  I
    
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);) O2 N( A+ ]  m# l7 K( @- ^
    
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);
    \" c4 Z% K. a, l: ?; y
16. }
    * W* C; Y. W, Q: B) i# d
17. 
    ! `& P' ~1 g\" P5 l
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {9 l9 f6 U  _2 j& n
    
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);\" @. ?. I! m. h) i) b! U* u0 t$ c
    
20.     // 绘制前景标记/ {. f8 E. D+ c' S
    
21.     for (size_t i = 0, size = contours.size(); i < size; i++)5 ]5 F  r& C8 v0 d0 i. s  R
    
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);. k; M6 W+ k, N0 ?- P
    
23. }
    0 z\" ?: C\" c, ?4 S: p4 v( c
24.   g; m5 q\" r; Q' l' L$ s; ?, O/ S
    
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {
    . X2 c4 D  Y\" f/ S( L; W  Q9 a
26.     for (int i = 0; i < size ; ++i) {
      T# b( }/ `' ^( d$ k9 q3 o. y: ^
27.         int b = cv::theRNG().uniform(0, 256);
    ( ~: s; I4 W  ~9 V6 f& U
28.         int g = cv::theRNG().uniform(0, 256);
      t4 [+ x\" U+ a# ^! u+ r$ x
29.         int r = cv::theRNG().uniform(0, 256);7 T2 v/ v+ a$ o, `% N0 z
    
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));
    ' V' Q6 {9 A5 {* G3 G  r. H
31.     }
    6 |- {3 K, ^\" y: h
32. }- a: ^! M/ l% f( u% e7 a. y8 o
    
33. 3 {5 C' p- [  K
    
34. int main(int argc, char** argv) {
    8 Z9 A  Y: A2 O& i- _
35.     if(argc < 2){
    ) a# ^6 L( o4 a
36.         std::cerr << "Errorn";
    + z# Z6 Z' g3 S$ H4 z' H* e
37.         std::cerr << "Provide Input Image:n n";6 N2 `$ L; ?5 Y1 ^2 c$ ], l
    
38.         return -1;! d3 @8 x; |# F6 r% k) p7 ~
    
39.     }4 I& e2 u) {  c! \
    
40.     cv::Mat original_img = cv::imread(argv[1]);
    - P2 }) y; y+ |( J& x\" M
41.     if(original_img.empty()){6 _. h2 H. m5 Y+ ^7 }4 P, H
    
42.         std::cerr << "Errorn";
    5 ?% Y3 h1 `/ ^; K1 }% E7 L% g
43.         std::cerr << "Cannot Read Imagen";
    9 W! E) O0 Q% Y1 D% \1 T5 @9 \
44.         return -1;- z0 ?; a6 ~0 @5 B
    
45.     }
    $ w% Z$ a$ S) N3 a; Y
46.     cv::Mat shifted;6 R; A2 _. h7 |* M* c
    
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);
    / N6 p- V/ K1 F3 @8 u
48.     showImg("Mean Shifted", shifted);6 n! v+ b8 ^  D: k
    
49.     cv::Mat gray_img;
    \" a$ m8 ]) A3 e( |% j( a
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);  X; y\" X  D: S
    
51.     showImg("GrayIMg", gray_img);
    $ `/ s' I- \- ]) t& u
52.     cv::Mat bin_img;
    + l/ ~' P, g6 D; y; }
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);
    ) x+ k/ _% d, Q. x$ y0 M$ J
54.     showImg("thres img", bin_img);
    4 y/ U( K; j0 O: Q0 E. y% M
55.     cv::Mat sure_bg;
    \" D6 h' E' D& _
56.     getBackground(bin_img, sure_bg);
    5 w$ }) h/ ]& N' I5 y; ~) |- c
57.     showImg("Sure Background", sure_bg);
    4 t' i3 E( O/ H  q* Q- o
58.     cv::Mat sure_fg;, M6 C& c: a. V( r. a7 @% B8 @: o
    
59.     getForeground(bin_img, sure_fg);
    4 N- m: t. |5 a4 q3 I\" P
60.     showImg("Sure ForeGround", sure_fg);
    - y. y& w& O( @, F, g+ D! W
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);
    $ ]9 V6 s! }: ~  E' q# h5 H5 Q
62.     std::vector<std::vector<cv::Point>> contours;
    , @5 k0 c, q& h
63.     findMarker(sure_bg, markers, contours);
    & }; a\" C& p0 T\" g- I1 f
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈
    2 Y+ S7 _+ ~8 K# T* J: p8 {! K
65.     5 [; j0 A  g9 P. \3 W- D8 o4 J7 A; c
    
66.     cv::watershed(original_img, markers);, C- N& g- R3 l9 V7 e8 j/ I. N
    
67.     cv::Mat mark;
    $ L* C/ s! r6 n
68.     markers.convertTo(mark, CV_8U);9 e# J$ D4 l! E% s# p+ V/ s2 q0 k
    
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色* t; J, [! u6 [, r4 h! N/ s
    
70.     showImg("MARKER", mark);0 `% G, d7 C. v, S' w! c- l9 A
    
71.     // 在图像中突出显示标记 /
    $ ]) H+ e4 l4 _
72.     std::vector<cv::Vec3b> colors;% v- v5 ?2 X. m$ V! w; V8 X
    
73.     getRandomColor(colors, contours.size()); // 创建结果图像+ A6 ]! f. D: D: Q7 x# ~
    
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);
    - t$ W4 v8 e3 Y2 i5 ]2 W8 n6 e
75.     // 用随机颜色填充标记的对象; c8 Y% a8 T# @8 n( R& \0 [
    
76.     for (int i = 0; i < markers.rows; i++)
    6 P' J- D% Q1 U, ?
77.     {+ x1 o) `( D, g
    
78.         for (int j = 0; j < markers.cols; j++)
    % Y6 o8 J& x& R& l+ w7 ^
79.         {
    % i7 C5 F9 I' B/ F$ q( J
80.             int index = markers.at(i,j);' J3 T, a\" z: B* M\" O
    
81.             if (index > 0 && index <= static_cast<int>(contours.size()))# f$ O( c, s0 |6 `7 l* B. a
    
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];; a6 c, W0 t$ h8 W  y0 h
    
83.         }, v) i! `0 }1 ]2 G' f) c
    
84.     }( L. z5 [0 ?% o, m
    
85.     showImg("Final Result", dst);
    . E8 H& b  M6 C( I: G( v
86.     cv::waitKey(0);
    0 V% E; I( a; I; l/ I: _, L/ A
87.     return 0;
    + @+ x! C3 b1 R# Q( K$ s5 t4 H3 U9 E
88. }
    : A) C1 C( e% K  \) U

复制代码

————————————————
- G7 I6 E, Y9 y. o% ^* |                            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
# A: Z7 f  R/ {2 @4 `
. U6 A5 e5 p( G