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。
分水岭算法的执行步骤
6 e% r6 r5 c% Y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：
! x3 h" y$ d# {+ `1 P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。
9 ?' t  b/ X3 q' s/ \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 z+ J/ _+ m. C% e\" ^0 ^
   
2. #include <opencv2/highgui.hpp>
   1 I/ \9 [' t# b
3. #include <opencv2/imgproc.hpp>
   ) n& f, \5 q( M0 @1 V
4. 
   / z* A2 H+ [. h* e
5. void showImg(const std::string& windowName, const cv::Mat& img){3 I& t1 |/ k( C8 u
   
6.     cv::imshow(windowName, img);5 m5 [1 r3 p. I9 b: `; ~
   
7. }
   $ T$ A4 [4 f. E6 H0 l
8. 
   5 L; t7 {6 X, ~. s4 \% U
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {$ U8 M* Z  j8 s. m
   
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核) n2 c' O$ j7 M
    
11. }/ ~' L  q1 _; U2 L
    
12. 
    ) ?0 \9 m! _; P6 V7 t0 t) C* I. I& F
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {+ u0 {( j8 n7 i3 A) G9 W0 K( [4 @
    
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);
    5 }0 I# N% _% {& S2 v  A
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);
    ; f3 p6 a# M- |9 j\" a& h
16. }
    $ }: {  O% k, z' I
17. 
    / \( B. [9 M& ~/ G0 D3 h
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {
    / R3 G7 V+ m$ E3 ?+ U* J6 Z  p
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
    2 H/ Q% s0 \' T8 U0 T
20.     // 绘制前景标记* p2 v8 P9 N4 j$ ^1 K- e# P; |
    
21.     for (size_t i = 0, size = contours.size(); i < size; i++)
    % ~8 t9 f3 E, [; H$ T\" m
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);+ P8 z2 {; q\" {. J; g* V/ a
    
23. }
    $ A7 G+ K/ N! a/ {7 L4 l
24. 
    7 L9 p' v4 S6 `\" M! ^+ x$ w# R2 h
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {2 B& l9 K3 V& m' [
    
26.     for (int i = 0; i < size ; ++i) {0 U4 c! B; M\" Q( c$ [
    
27.         int b = cv::theRNG().uniform(0, 256);' _! V8 _3 J9 A* {- [: s
    
28.         int g = cv::theRNG().uniform(0, 256);
    2 L; K+ i2 k( @; \  ~0 q
29.         int r = cv::theRNG().uniform(0, 256);
    - I/ W, a9 |5 L% S\" y! N: U
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));2 `* {6 B, r' b. Y
    
31.     }
    # M5 y9 X! ]; g2 D0 ^( m4 ^
32. }
    , p! t4 ~  G\" m6 b+ F/ T
33. 8 A0 V  P- `$ v7 d' ?\" b/ U8 a2 A
    
34. int main(int argc, char** argv) {
    , Q' S; }0 f3 w4 f) e- D+ N
35.     if(argc < 2){  d! d7 a2 Z1 o
    
36.         std::cerr << "Errorn";% ^\" o# t: n0 @# f' q8 x2 a# _
    
37.         std::cerr << "Provide Input Image:n n";
    1 g( F2 m. |/ x+ N/ X
38.         return -1;0 S+ U# ~; P& A# k5 ^
    
39.     }
    9 i; J3 R. T/ g( B8 b\" X( |
40.     cv::Mat original_img = cv::imread(argv[1]);
    - N$ I! m5 \2 E1 X, ^
41.     if(original_img.empty()){, \( F, C+ L% `  @\" C
    
42.         std::cerr << "Errorn";7 f! v, U0 k\" t( O, E+ A6 ~; d0 l
    
43.         std::cerr << "Cannot Read Imagen";4 M  P% x3 c: A7 P
    
44.         return -1;
    6 I\" _0 @6 |+ z* C% n
45.     }4 v/ \0 I; Y& p9 R; z0 S# q
    
46.     cv::Mat shifted;# D5 |6 F' w9 c2 K5 w' z* n
    
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);3 B/ X0 X4 X& ^- V; r
    
48.     showImg("Mean Shifted", shifted);
    \" X0 H& h& ~/ t7 F
49.     cv::Mat gray_img;: Q7 P; A1 u) W- ]: g2 V& |
    
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);
    \" Z\" Z7 B7 H$ u
51.     showImg("GrayIMg", gray_img);% r4 ^- C- u, ~6 E
    
52.     cv::Mat bin_img;# K& ~9 b( B; ~  V
    
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);
    * V0 @- Y0 }/ n: H* r4 ^
54.     showImg("thres img", bin_img);
    $ `9 `& l; v6 u3 k- \, t7 t
55.     cv::Mat sure_bg;- j( [$ n; P\" u; P- r
    
56.     getBackground(bin_img, sure_bg);
    3 s% U( T2 f  c) k9 t% J$ S- Z
57.     showImg("Sure Background", sure_bg);
    4 ^, {( q! j, m) l$ a9 K8 C1 J
58.     cv::Mat sure_fg;
    $ @) y' w/ w\" Y2 d+ z7 N6 a
59.     getForeground(bin_img, sure_fg);
    ' [( H+ u- C9 M$ N. a
60.     showImg("Sure ForeGround", sure_fg);
    & V\" K; Y8 z: D) c; Y9 x( p9 m, F: |
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);
    8 T! A& \! E\" Q! ^9 ^& N
62.     std::vector<std::vector<cv::Point>> contours;' T5 Z) }2 L/ i8 L
    
63.     findMarker(sure_bg, markers, contours);
    * }7 d, W* a! z/ C) {2 N
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈
    9 ~. Z9 G+ e* K2 D
65.     5 m6 W8 k1 i\" ]0 f0 R* P1 K
    
66.     cv::watershed(original_img, markers);
    5 c0 o' ^9 g) R/ x7 @
67.     cv::Mat mark;# w6 D, t8 a8 f: x
    
68.     markers.convertTo(mark, CV_8U);
    & z: o, Z\" @5 m0 J6 w- C9 `, c
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色, @$ G4 ^5 c4 h4 x+ m% O
    
70.     showImg("MARKER", mark);* T; b& V$ A  |; P* d
    
71.     // 在图像中突出显示标记 /1 g9 c4 |* B( y* |+ b
    
72.     std::vector<cv::Vec3b> colors;% ]: J$ {# T) ^' r. ?6 E
    
73.     getRandomColor(colors, contours.size()); // 创建结果图像( y, T# f- d3 G& `; G& |
    
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);! J6 y6 u* p  j8 }& A
    
75.     // 用随机颜色填充标记的对象
    6 \+ Q, s! m: R1 ^; Q\" V* m
76.     for (int i = 0; i < markers.rows; i++): S9 p* K2 H! L9 q. @' k
    
77.     {
    0 L8 W2 a* `; y) k( r$ L% E\" F
78.         for (int j = 0; j < markers.cols; j++)
    ) a; S) ~4 d# c. Q& T
79.         {
    # M6 b5 k9 Q\" [- Q  x
80.             int index = markers.at(i,j);8 W: c$ n9 j$ v- f3 }
    
81.             if (index > 0 && index <= static_cast<int>(contours.size()))
    , a0 l8 s4 C3 t3 q$ [/ L* y: b9 ^
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];
    , v' d6 J# P3 f  ~
83.         }* R) ?4 s# {( F' ?$ v( T
    
84.     }) ~- T+ ^( k& b( H; e5 f9 q* ~
    
85.     showImg("Final Result", dst);
    5 y/ i1 H! ^  i% n- ?
86.     cv::waitKey(0);+ q; \9 V! m3 B  ?
    
87.     return 0;
    & ?' Z+ [6 L6 f! [: j1 U5 w
88. }+ H2 D3 k3 S2 L& v% A% |# Q. _
    

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
' @/ x+ S" o$ ]" L$ [+ w2 }