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
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。
" d1 @4 i# l+ R8 v& y8 h分水岭算法的执行步骤
0 u3 H+ p( G9 V2 \# K9 O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。
& I8 |5 @  |3 [' x0 T- M3 s5 r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>+ l2 C, X, @, ^0 l
   
2. #include <opencv2/highgui.hpp>
   * A$ B$ _\" N! O8 [: @; g0 N
3. #include <opencv2/imgproc.hpp>3 K. M  J& M9 B4 q0 ?4 E! P, l
   
4. 
   + x6 a% L: `( H
5. void showImg(const std::string& windowName, const cv::Mat& img){  g- E# n, o# {  v
   
6.     cv::imshow(windowName, img);0 c5 M; i2 i4 l3 f7 ]8 }2 l
   
7. }  g0 X, E& t) [4 }+ l
   
8. 
   0 s0 e$ }/ T0 n+ V5 p; J/ S8 Y
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {
   ( V% c0 F( ^1 n& @( q
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核$ p& }' a9 c\" R\" j
    
11. }( V5 L; P& n3 ^+ x
    
12. 
    ) I$ d! W) @% y. U: k' q
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {
    9 e$ @5 W% u4 B$ k3 i
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);
    9 ^, _& c$ ~+ Y! `& R- `% E* C
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);. J' e7 `: t+ ?+ K
    
16. }
    5 C; m# A0 T6 a4 u* @
17. 
    0 I, W/ P& h& S\" N) y7 T3 v6 v# `
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {2 Y7 s5 G7 u/ L5 `7 \9 z  U1 A- y
    
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
    9 M7 ?* b( B- v3 T8 ]+ j5 n
20.     // 绘制前景标记
    % p7 h4 b  i. \( u  o. b
21.     for (size_t i = 0, size = contours.size(); i < size; i++)
    2 o. ~8 K0 s8 T$ V4 w* C3 B
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);
    : `7 `- q+ }\" i4 O$ O, I7 a
23. }3 t) O, ], l, U6 `5 |; U* r8 C
    
24. 5 M2 E/ x' t/ ?9 `9 b
    
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {0 k* \' ^  A  `0 |7 M- D$ v( Z' T6 p0 S
    
26.     for (int i = 0; i < size ; ++i) {& A$ n4 u2 H' Z  d: z
    
27.         int b = cv::theRNG().uniform(0, 256);$ Q4 y9 B\" h$ q* R
    
28.         int g = cv::theRNG().uniform(0, 256);3 d' C- o1 k7 A
    
29.         int r = cv::theRNG().uniform(0, 256);
    , `8 m0 L. }! d5 }7 x2 H
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));% A: r4 H: e\" w
    
31.     }1 T* F0 ]' a( i: x% _
    
32. }* U  m9 d4 Y3 ?( i# ~3 T
    
33. 0 L; S2 v% x% k3 C! j
    
34. int main(int argc, char** argv) {
    5 E# W4 e* K, {% e
35.     if(argc < 2){% h: A\" \' h; p
    
36.         std::cerr << "Errorn";% h# P; `5 t! j/ a) C
    
37.         std::cerr << "Provide Input Image:n n";
    5 f. @# Y7 ?8 v/ A' j! [
38.         return -1;
    # k9 b2 _* R; d4 J. I
39.     }  N; ?  h) s\" b4 q7 j+ L
    
40.     cv::Mat original_img = cv::imread(argv[1]);3 y/ X  |1 T\" c8 z1 d8 E: [& T0 E
    
41.     if(original_img.empty()){0 e& v; y, V' a3 T6 k1 h\" f9 C8 C
    
42.         std::cerr << "Errorn";
    ( Z: g  D6 W* V' q: R2 R- ?5 J. w2 D
43.         std::cerr << "Cannot Read Imagen";  }' l/ ?! P' B% L& u( p
    
44.         return -1;
    ; x7 Z  X5 s# p) w* v1 O, E2 \
45.     }2 s5 k3 h* Z/ T$ x$ U9 F) l
    
46.     cv::Mat shifted;  X, I8 w  w: d& J
    
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);8 C9 U1 D, W9 h. E: p
    
48.     showImg("Mean Shifted", shifted);  m. m# [! @8 }5 c$ _
    
49.     cv::Mat gray_img;
    2 F% K0 G! e& L9 @4 o2 ?. `- F
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);$ V9 R8 m\" v* b# H8 {
    
51.     showImg("GrayIMg", gray_img);
    - q# o# M# \+ \- _9 y) n, y
52.     cv::Mat bin_img;
    * Z7 N$ k, T  v& M, w  o5 l4 p2 U
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);
    - P1 m7 e+ e/ ]$ D
54.     showImg("thres img", bin_img);% a; z/ `( W1 K1 ~2 q1 A- A1 I
    
55.     cv::Mat sure_bg;+ j, Y: B* T3 J! E0 P* g! h
    
56.     getBackground(bin_img, sure_bg);
    - m% _2 z  `, H6 i+ U
57.     showImg("Sure Background", sure_bg);# o: p$ a& Q( j\" {! j
    
58.     cv::Mat sure_fg;( x/ `: o' t; M9 w9 R7 f6 K
    
59.     getForeground(bin_img, sure_fg);5 Z# h: V6 F# H* g% B* X9 L
    
60.     showImg("Sure ForeGround", sure_fg);  G, }4 s. H# N+ ]& }5 v
    
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);
    7 H0 k% j7 Y# C
62.     std::vector<std::vector<cv::Point>> contours;
    4 h& v5 H/ \* d: D! k
63.     findMarker(sure_bg, markers, contours);
    , Y- y4 u- [\" S1 _$ j
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈
    # b) J\" _7 B; M0 X  z- x2 _, c
65.    
      p! _3 V  F\" Y8 x* G
66.     cv::watershed(original_img, markers);6 n+ g! m. O\" ?% l/ ]$ o
    
67.     cv::Mat mark;
    . e% f\" d: A( a1 o, e+ T
68.     markers.convertTo(mark, CV_8U);2 m/ K: T% q6 |, O! H0 K
    
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色
    . D$ D; G1 V1 u
70.     showImg("MARKER", mark);! ?1 Z& H# A. ?# q\" G+ h  S
    
71.     // 在图像中突出显示标记 /
    ; m! v) P0 S# |3 {' p' M
72.     std::vector<cv::Vec3b> colors;/ N; B3 A% I) s5 o& d
    
73.     getRandomColor(colors, contours.size()); // 创建结果图像
    % u/ L/ A  \$ T5 d# j' a
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);
      _5 j# p& b: S* s1 N; r6 }4 ~
75.     // 用随机颜色填充标记的对象  o; s\" p# L\" a8 B. I
    
76.     for (int i = 0; i < markers.rows; i++)& |$ _, A9 b' C! i1 \5 E
    
77.     {
    ! F0 {! t: M3 o0 D9 }
78.         for (int j = 0; j < markers.cols; j++); F3 V- i) a7 `! T( _
    
79.         {: ]+ o& m) U5 P6 y2 z* w1 n8 K
    
80.             int index = markers.at(i,j);1 |) k% J7 d) V/ ^+ G* [. k; L  C
    
81.             if (index > 0 && index <= static_cast<int>(contours.size()))
    + C7 |( w$ V- l' j4 o
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];
    1 U! ]) z9 Y1 i% i; {$ C: W1 }; L& k
83.         }
    / ^* e\" x7 u4 r7 p+ i+ w
84.     }$ F! C& W2 h4 E1 k- M
    
85.     showImg("Final Result", dst);
    # e: S8 [2 }( y* |6 D$ y. M. a
86.     cv::waitKey(0);\" I6 n  M! l\" @4 Y8 G/ Q\" _
    
87.     return 0;
    / s- W/ y5 |7 n1 m* K
88. }+ d2 F8 A; C& s! i) @  |: r
    

复制代码

————————————————
7 n% a; O/ d8 O( }9 K                            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
8 ]1 f0 A6 L& {# v2 H" j8 ?