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
$ W8 ?1 b. w1 N/ h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：
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>* \. |, e# V4 ?9 e2 I5 }$ @6 R- v  [
   
2. #include <opencv2/highgui.hpp>
   4 e\" B1 X7 ?/ ~9 |0 k; }
3. #include <opencv2/imgproc.hpp>
     T3 s6 u% N% B0 E- A# f& O. O
4. 9 L2 }5 S  n( Q5 d2 @: H
   
5. void showImg(const std::string& windowName, const cv::Mat& img){- T5 {5 `2 Y4 q& ^2 ^0 [, L
   
6.     cv::imshow(windowName, img);8 D- y$ k+ _4 `, {7 G
   
7. }
     w$ `% h7 `\" w# L
8. 
   4 s2 u. p( G5 t! d: p
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {+ C: o$ H+ b1 b
   
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核
    8 H. s5 b& G: _% C! u1 G) u8 Q
11. }  V\" I5 ^( c- [% X) \2 p4 u/ Z4 w/ _3 _
    
12. 
    \" F, K( \) N$ ?. c+ W
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {
    , q1 s( l, ]2 d8 F7 T8 H. i, Y
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);
    % e/ n- p4 I5 p+ n2 y0 q5 ~1 M
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);/ F& G4 W6 e2 j: G
    
16. }
    . I, [& o/ S# N5 w4 R8 S
17. 
    5 ~0 A! ^% F3 G  |6 V
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {
    + k# M0 e! g% J
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);& P\" [5 g\" e# U4 }( ?9 w! @9 A, b0 H
    
20.     // 绘制前景标记7 w9 T+ P) O: u: a
    
21.     for (size_t i = 0, size = contours.size(); i < size; i++)
    3 x3 ]8 `$ a/ t; ]! j* C\" r# W
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);
    1 T/ J$ e) w* S# y5 c
23. }
    / w\" D% p1 x1 O# V  a- |
24. 1 f\" g8 }3 Q, \4 B1 v( i
    
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {% ~% }2 ~3 k. f! ~5 p
    
26.     for (int i = 0; i < size ; ++i) {9 u' @\" o0 s) W  l
    
27.         int b = cv::theRNG().uniform(0, 256);
    ! M: z6 A; j8 k) I9 w1 L
28.         int g = cv::theRNG().uniform(0, 256);
    * X3 Z( |+ Z+ k8 u( _0 k
29.         int r = cv::theRNG().uniform(0, 256);
    ( S, H8 h6 e  Z\" l6 g
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));3 W- G% \  F+ n' N6 U
    
31.     }
    + U* p+ J/ j2 t8 v* e
32. }$ q2 O, ^4 ]  M( W/ d
    
33. $ m7 f4 Y1 l3 d8 i; h! f% G
    
34. int main(int argc, char** argv) {% R- h; F0 _7 B; p/ N9 @( Q0 g6 p
    
35.     if(argc < 2){+ J2 `/ ^4 s5 ?; G1 ?
    
36.         std::cerr << "Errorn";( _* x' m  a6 N) B. @$ p
    
37.         std::cerr << "Provide Input Image:n n";
    $ `; D0 E  |/ x, R
38.         return -1;3 N) y/ c1 l; K9 _8 A, x! z
    
39.     }& m0 x) [2 M; V! z7 b: M2 v4 i+ A- E
    
40.     cv::Mat original_img = cv::imread(argv[1]);3 f6 |9 M) L\" e# r! X1 y
    
41.     if(original_img.empty()){
    , z1 Y7 M# N% T# q: N9 @. ?3 s1 Z
42.         std::cerr << "Errorn";$ l\" |- _, |% i# F' G9 C# U5 i
    
43.         std::cerr << "Cannot Read Imagen";, C$ n' A6 j1 T# O5 ^$ \  O
    
44.         return -1;  }6 I2 T\" @$ W
    
45.     }\" X% s9 c4 o3 [9 ]' J( n! B4 Q; ~2 X0 ^
    
46.     cv::Mat shifted;
    # D6 p* J7 o1 {9 a+ k! v
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);
    - x6 f/ J( a4 i: K# {
48.     showImg("Mean Shifted", shifted);
    , B- }! `7 E! Q
49.     cv::Mat gray_img;
    6 G. }4 W( j  e4 Q4 M3 B
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);
    . q! G& _$ m7 ]7 x( K
51.     showImg("GrayIMg", gray_img);6 s6 A* Z\" {% S
    
52.     cv::Mat bin_img;- V, h9 B% E+ @; J8 _4 z
    
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);2 N. K; l! l9 u, Z2 h0 b
    
54.     showImg("thres img", bin_img);
    * D( N9 D* Q3 c. O3 C
55.     cv::Mat sure_bg;
    . V. q+ o/ ~0 ]' y& j7 H
56.     getBackground(bin_img, sure_bg);
    ' t/ L7 [7 N  J/ r4 N$ T
57.     showImg("Sure Background", sure_bg);
    \" H0 F\" [4 v, Y7 {  L5 W+ R6 K+ g
58.     cv::Mat sure_fg;
    / V, K$ n& L8 }
59.     getForeground(bin_img, sure_fg);
    1 D# _\" d) N8 ?6 q) W
60.     showImg("Sure ForeGround", sure_fg);7 Y& ?4 `3 h7 |2 M+ g* {
    
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);  B$ g9 E  q\" ?# q6 d
    
62.     std::vector<std::vector<cv::Point>> contours;4 o5 Y4 A6 j2 r; H
    
63.     findMarker(sure_bg, markers, contours);
    $ z( D/ i5 n: U3 z& `; h
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈6 C7 ^3 w4 A8 @: W& s
    
65.     . t( K, a7 ~6 a4 [4 @* P4 n* {
    
66.     cv::watershed(original_img, markers);
    % F3 ], U4 d8 k  ]- G+ r+ ]
67.     cv::Mat mark;, Q, @- k% i/ a$ V; [/ m( u- y
    
68.     markers.convertTo(mark, CV_8U);: i! W  I* @% ]2 \6 h+ I* ?9 I
    
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色' K1 t% R! C! O5 N9 `  a
    
70.     showImg("MARKER", mark);  G2 ]* I0 S+ z0 U
    
71.     // 在图像中突出显示标记 /
    9 ^) e: W, w# S4 ]\" R; n( U+ B
72.     std::vector<cv::Vec3b> colors;; f  W6 O) u* }3 ?
    
73.     getRandomColor(colors, contours.size()); // 创建结果图像! c; {7 |* F0 T0 L! W# ]
    
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);
    2 C5 g. q8 k# u; P8 E( Q
75.     // 用随机颜色填充标记的对象! b, w1 J/ s; C9 @
    
76.     for (int i = 0; i < markers.rows; i++)
    : J\" p, j' @+ f  A, Y7 o
77.     {2 u. I* a3 P+ R
    
78.         for (int j = 0; j < markers.cols; j++)
    - ]. r, Z; X6 \, d
79.         {
      A, U% T4 w; o
80.             int index = markers.at(i,j);
    2 m4 ~# k7 z7 f# E; u: u6 S
81.             if (index > 0 && index <= static_cast<int>(contours.size()))
    & W  g+ v5 L& S5 x8 F
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];
    - T2 o; E0 T: R( `. l
83.         }
    . r+ j% l1 Y5 n2 |, J
84.     }. ^6 V2 C) U/ I5 O. @( u\" [
    
85.     showImg("Final Result", dst);8 V5 R* C  V, [* K7 }2 M1 L
    
86.     cv::waitKey(0);
    & X, }) r' Y8 e7 @: m
87.     return 0;
    ; F, _- B2 M( N4 q: b0 X
88. }
    5 O* I, ]; i7 X1 {& R0 n/ O/ s

复制代码

————————————————
$ u/ {) D3 a% O. D9 |6 _. h7 }                            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