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
( F. z, X! w7 S/ F+ d- R/ N3 |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
* c- c. P0 W1 O! L) t3 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。
* Y! n6 w1 ], Z分水岭算法的执行步骤
. r3 e, P* T: \) v1 a9 d6 J* j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
5 j8 \* ?( s- b' m2 V, z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：
. d4 w8 d$ n& B( Q! ]5 G% l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>2 a% l) K8 D% O2 `9 ~
   
2. #include <opencv2/highgui.hpp>1 m3 o. ~6 ~' K6 |& l+ D
   
3. #include <opencv2/imgproc.hpp>. {9 q' o0 J: Y9 X
   
4. \" x6 `3 W  w7 L! _; @7 [0 U
   
5. void showImg(const std::string& windowName, const cv::Mat& img){
   \" H* p% [; s( A; W* M$ R
6.     cv::imshow(windowName, img);
   ; a, p) S/ {% a. v2 ?9 W
7. }7 k+ L7 Q7 L1 f: O/ r+ o\" G1 ~
   
8. / q. [* @# c% U# [7 J% j# i
   
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {' y; d0 y- g+ ?3 ^$ q
   
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核) N/ }\" D# t% ~$ k- }, D8 p
    
11. }5 t, d$ C\" N7 w
    
12. ' o& Y* Y+ h* H, N8 a& Y
    
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {
    9 p' ?; [- {/ y8 p\" {1 l
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);* n' o6 Y6 q* \/ C5 y
    
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);' g# T' j  H+ Y  a4 w0 ~2 _0 |
    
16. }5 W* C5 p' M\" Y/ M+ A6 B* i
    
17. 
    : c/ x  y4 a) w. R
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {
    , b+ ]% r, Y+ s\" Z7 y
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
    ) n/ I3 _9 f  {6 z- W1 w
20.     // 绘制前景标记9 o. u! ?5 o& q# @) q: O& |9 X
    
21.     for (size_t i = 0, size = contours.size(); i < size; i++)& ?3 Y2 T7 o% e) G7 S# Q8 o. P
    
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);
    ( p, M, _  I+ P
23. }
    - A( f, D) y; O! i
24. 
    & E+ `1 u% E6 c& i& O, o' _: K
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {7 u2 j7 C4 x, @0 P3 g$ k- q
    
26.     for (int i = 0; i < size ; ++i) {
    * w/ c/ b8 K. J7 `5 U
27.         int b = cv::theRNG().uniform(0, 256);: K; Z5 K5 \- m+ v( @
    
28.         int g = cv::theRNG().uniform(0, 256);
    ; J2 j# q( h6 G) l8 M! W; Q' I9 |
29.         int r = cv::theRNG().uniform(0, 256);% U1 Y/ A8 M$ i) L( O, h2 G
    
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));
    % }! }- g- a  P* T6 W& N
31.     }
    % {0 h% ^; G5 F, J5 g4 l\" f
32. }1 n  v% h# W/ S1 h/ W  k
    
33. 
    : f/ G1 O& T+ Y  f( t- a! N
34. int main(int argc, char** argv) {
    . U; k, [2 f1 G; g* y% R2 I
35.     if(argc < 2){
    # c, L& o; G1 y6 y& Y9 Z
36.         std::cerr << "Errorn";\" i5 b- ?( A% H: f
    
37.         std::cerr << "Provide Input Image:n n";
      ~0 ~6 B# I' ^( U# r
38.         return -1;. }1 W+ B/ |6 z* w6 E2 T
    
39.     }7 C7 f8 V2 O$ V1 T' b
    
40.     cv::Mat original_img = cv::imread(argv[1]);
    $ f% G$ n' _+ a$ M3 P6 [+ W2 k
41.     if(original_img.empty()){
    4 n) A9 l. H2 `3 [
42.         std::cerr << "Errorn";
    & h\" h3 a* x9 g# c# K6 Z, s
43.         std::cerr << "Cannot Read Imagen";/ v2 K( Q  @4 `$ ]2 H% k
    
44.         return -1;
    ( I$ F  K2 n( `5 P+ r# ^5 q
45.     }
    ' ?6 G  H; |# ?, |+ G; R' @+ W
46.     cv::Mat shifted;1 i' `/ B. U' Z3 L: |4 w  P
    
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);
    7 b# E+ k; e- u2 w. m* R2 T\" l! d
48.     showImg("Mean Shifted", shifted);* ~& F5 L, C! [. ^3 K. H+ M+ e
    
49.     cv::Mat gray_img;- ~2 C2 r( W9 R# n/ @
    
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);  }) D) L+ f) x# a
    
51.     showImg("GrayIMg", gray_img);
    $ N$ X9 z\" J# l: n0 r
52.     cv::Mat bin_img;7 \; A* \7 ]0 }% D/ o
    
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);
      p6 P0 s( s% u& t; `
54.     showImg("thres img", bin_img);8 x  j8 g/ ]' p0 G- S3 }
    
55.     cv::Mat sure_bg;
    . I* T5 K5 d  J. R9 l$ r- L9 ]! H( [
56.     getBackground(bin_img, sure_bg);
    6 S; g1 ~% P5 t
57.     showImg("Sure Background", sure_bg);
    1 x# l2 D4 ^1 ]' O
58.     cv::Mat sure_fg;, _7 }0 g6 P# @9 W1 y' y
    
59.     getForeground(bin_img, sure_fg);! h& i3 s  s3 D4 p
    
60.     showImg("Sure ForeGround", sure_fg);
      ]' K$ S4 Y3 h; g6 V: y! a
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);
    4 n% K/ w2 n/ l* s
62.     std::vector<std::vector<cv::Point>> contours;
    4 C8 O: ~8 |1 W1 [# v) [\" h8 L: U
63.     findMarker(sure_bg, markers, contours);
      d- b3 F- d$ i& H/ Q1 Y
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈, o; v3 H  L* U
    
65.     1 I5 ~! B6 r2 Q7 |: d3 a. f4 h8 [5 c1 H
    
66.     cv::watershed(original_img, markers);  [) N( l/ y6 Q0 S1 f1 h2 T$ P* y
    
67.     cv::Mat mark;4 S\" {/ {# h- |/ V* O3 ?
    
68.     markers.convertTo(mark, CV_8U);8 |) M7 Z% }; L$ F* @\" ^5 `4 J
    
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色
    # V4 O; F1 F$ T* }5 X
70.     showImg("MARKER", mark);: w4 D3 J7 g8 h& Q( c% O\" ?6 C
    
71.     // 在图像中突出显示标记 /- d2 ]9 _; o0 N8 M& a2 q2 Y# Z
    
72.     std::vector<cv::Vec3b> colors;\" }* C& q4 |* F% l/ ^6 N3 a. d5 Y
    
73.     getRandomColor(colors, contours.size()); // 创建结果图像+ i; t  s/ o3 q; d
    
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);  U) b! G2 F3 D/ \
    
75.     // 用随机颜色填充标记的对象' w4 G* s& C. }* b3 X( n- H
    
76.     for (int i = 0; i < markers.rows; i++)
    $ ^' F3 @  \& F: x+ ?5 S
77.     {
    9 z4 ^\" ]' o# [5 E/ e
78.         for (int j = 0; j < markers.cols; j++)
    ; J1 ^6 ?9 C$ a+ r
79.         {
    4 p5 j$ e5 K4 a
80.             int index = markers.at(i,j);
    $ E9 V3 d; K, W- s
81.             if (index > 0 && index <= static_cast<int>(contours.size()))
    ( c; L7 r7 ~+ y) Y\" Q! i% T5 C. ]( w
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];# R. C9 B( n% t
    
83.         }
    3 h1 R5 f: \5 f\" f1 t
84.     }: V3 Z0 ]! P  l& S( }4 ?; |; I9 T
    
85.     showImg("Final Result", dst);- f3 j7 a' N( a0 Q3 B* P9 K/ q
    
86.     cv::waitKey(0);9 z0 v8 _: V- l# ]& m\" m( t9 t
    
87.     return 0;' ]7 _: c( r9 }0 R/ c# I$ E
    
88. }
    $ r# I/ d\" U. P! ], }. 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

. ]4 l- S: v0 V, B