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
9 H( o7 m2 E* a+ a% c. s# {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
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：
: c: e5 A+ s! c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。
6 Q4 G* N+ m" H# V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>) m\" c\" h5 o9 C! ]
   
2. #include <opencv2/highgui.hpp>4 A! B& T- @; W- X: W# L
   
3. #include <opencv2/imgproc.hpp>) [/ \9 P* x5 X# S
   
4. ; S. p8 L1 a* c% N1 p- }- `
   
5. void showImg(const std::string& windowName, const cv::Mat& img){$ U& |5 {. \6 S' K4 n/ a; H
   
6.     cv::imshow(windowName, img);
   & _; R* a& ^6 L8 Z! g7 U5 q; p
7. }
   # C: i3 `3 @\" |- z8 ]/ G\" n/ F+ g! y
8. 
   % V- h! r5 e+ D+ u/ v8 b
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {6 [. d; S! S5 c9 p$ U  {# y  Z: u& v
   
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核$ p2 A; u$ d9 N; }
    
11. }
    0 ~( M5 J/ D: V1 {2 F
12. 9 z6 F! v; Y# I; @9 s
    
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {: j' W7 M- P7 Q# {4 \
    
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);
    4 L\" D- r' `+ a2 j0 z
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);
    1 }4 A1 n\" T' q
16. }
    + u/ P9 V) N2 d5 O7 ]0 {
17. 7 E: g5 S+ o! V% D
    
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {2 p2 m2 F% W. ~
    
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
    $ D  d+ x9 ^, N7 J! k3 P& v5 R
20.     // 绘制前景标记
    # b, z1 j& I+ t4 e' ]2 R9 h7 M
21.     for (size_t i = 0, size = contours.size(); i < size; i++)
    # v! N$ X( k+ J$ w: f
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);
    $ T1 g1 R/ j4 Q$ j
23. }) g8 J) _9 x8 H, r% K
    
24. 
    6 n. v) b8 {0 H5 J3 o) ~# U+ s: ?
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {
    5 G: o% L- L) d( ^8 W
26.     for (int i = 0; i < size ; ++i) {
    / [- Q5 e6 M\" j) {3 m# l7 B5 P
27.         int b = cv::theRNG().uniform(0, 256);
    7 P: n7 ]$ K$ H9 V( \
28.         int g = cv::theRNG().uniform(0, 256);
    . u  J( X' w3 c0 u* \
29.         int r = cv::theRNG().uniform(0, 256);- N\" @# k1 I( t' X9 D3 a' [) C\" B0 y
    
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));: i/ \2 Q' c# H$ e. v
    
31.     }
    ( y, H+ @' c6 Y1 `( A
32. }1 J* p% e! [& f6 [  G
    
33. 
    2 T0 u' d\" r1 B( N+ h$ o3 s
34. int main(int argc, char** argv) {& V, _$ r2 O& ^2 Q, P) C5 V! p
    
35.     if(argc < 2){& a: S8 F2 m% t6 }
    
36.         std::cerr << "Errorn";
    7 D6 D- a% Z\" W, J% Y
37.         std::cerr << "Provide Input Image:n n";) v. e# k* M1 S3 N
    
38.         return -1;, i+ J  U8 X# o+ ~6 I+ O( Q
    
39.     }
    \" b' e4 u0 T% X4 g
40.     cv::Mat original_img = cv::imread(argv[1]);
    3 j) G' ?\" E$ [' p7 e5 N$ v
41.     if(original_img.empty()){
    7 g& Z* N+ U+ @\" ?; I
42.         std::cerr << "Errorn";
    / T- B) n( _# ]
43.         std::cerr << "Cannot Read Imagen";+ P$ l6 D& _; @
    
44.         return -1;
    % q2 T9 m) v4 v; [0 E& b
45.     }
    & Y- c# \( v- P3 |$ d6 L& Q- F7 y& K
46.     cv::Mat shifted;
    # {* q/ s5 d: e  L7 x# |6 m1 V
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);' Y* s6 ~& y8 Q
    
48.     showImg("Mean Shifted", shifted);, }3 Z4 q+ ^/ F- _1 [
    
49.     cv::Mat gray_img;$ j! m% ?) r$ u) s0 z  @, B: L
    
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);, x( c* u# n' s; B7 c
    
51.     showImg("GrayIMg", gray_img);6 v1 G. U+ S, e/ C\" H1 T8 h3 V
    
52.     cv::Mat bin_img;
    . \: ^; w3 P/ J. J/ r
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);0 q( i! h4 y2 p8 J( t$ v7 W% F8 i
    
54.     showImg("thres img", bin_img);8 T7 p# q# ^9 G3 f$ W
    
55.     cv::Mat sure_bg;# s5 w3 f) N' f, U/ ]: z) y& V2 H) S
    
56.     getBackground(bin_img, sure_bg);5 X! J- ]( [2 t4 V: _- j* B
    
57.     showImg("Sure Background", sure_bg);0 u/ T7 g* M9 Q8 F. a$ {
    
58.     cv::Mat sure_fg;: S5 O# I, t; x+ q2 @, L7 C) Y$ O
    
59.     getForeground(bin_img, sure_fg);
    . d+ S, m& F' u! Z' v
60.     showImg("Sure ForeGround", sure_fg);
    : p7 O( U; ?3 Q8 a( B( I5 z
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);
    $ r' \; S$ E6 T/ c
62.     std::vector<std::vector<cv::Point>> contours;\" T) m/ |  M' f+ p( W\" C
    
63.     findMarker(sure_bg, markers, contours);. R% ]7 \' }1 [( R5 `, s+ C
    
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈3 R# i& k\" ~/ s0 M& G! N! a- ^
    
65.     3 O3 D2 a  a8 y4 L, _2 i5 l
    
66.     cv::watershed(original_img, markers);
    2 n\" C3 f  D' {' [# ~0 G8 p0 {; G  D
67.     cv::Mat mark;% z) V6 U+ Z$ v/ C4 J& X
    
68.     markers.convertTo(mark, CV_8U);
    . J! @6 V6 @7 V9 K6 G( M
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色
    5 }1 p5 u\" B3 S- B7 L+ `$ e\" X
70.     showImg("MARKER", mark);3 F# `( m3 j+ l- }; F% T
    
71.     // 在图像中突出显示标记 /1 [; B1 o, ~4 C; d3 x+ q. E' K
    
72.     std::vector<cv::Vec3b> colors;
    0 `, l; `* b9 m% }% ?, v3 S
73.     getRandomColor(colors, contours.size()); // 创建结果图像$ G\" t6 ?. N/ h) H
    
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);
    % A' `1 [$ ?& b8 m
75.     // 用随机颜色填充标记的对象\" A* j. A  F/ n  z1 ]$ F
    
76.     for (int i = 0; i < markers.rows; i++)( t1 g; R8 c9 t
    
77.     {
    ; ~' J9 B8 S( R2 M8 D0 d# W8 ]
78.         for (int j = 0; j < markers.cols; j++)1 `; X+ U$ p+ a& K0 ?* e  c  T
    
79.         {% G4 l0 f7 J9 T( J' m
    
80.             int index = markers.at(i,j);
    6 z) {. N7 ^\" g5 e3 S5 [$ c2 p7 y- n
81.             if (index > 0 && index <= static_cast<int>(contours.size()))
    + v8 l5 D- n! O( A5 i: l5 u( d) u! J5 C3 \
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];
    \" P  j9 o; D' q6 ^
83.         }
    ; ?' E2 f9 T( u0 p! d
84.     }$ _! S' P& H1 e/ w
    
85.     showImg("Final Result", dst);5 a  }  _; o' o' c
    
86.     cv::waitKey(0);& F3 j2 m6 h\" k% |7 e9 R% s' _- ~
    
87.     return 0;( T! H4 K/ Y1 I5 o* \1 o# z
    
88. }
    : j  Z( H& z4 t/ P  _

复制代码

————————————————
5 U9 ^' a" @8 f& ]/ W4 w                            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