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
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
3 E/ `7 }$ l$ D$ @6 m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>
   , w, J6 P4 A; H* w: l# V% R+ {0 A) Q
2. #include <opencv2/highgui.hpp>( O) K: D; K5 r+ v3 t% |9 D
   
3. #include <opencv2/imgproc.hpp>
   , x: p6 J9 T  ?) F
4. 
   . r2 ?' {2 P& K1 T( I0 v; k
5. void showImg(const std::string& windowName, const cv::Mat& img){$ I) }$ n$ @0 _1 D3 U& ~. n
   
6.     cv::imshow(windowName, img);
   6 l% v2 i& A3 I$ [
7. }* Y4 d9 b2 j9 L) x* r
   
8. 5 x6 x, o+ g, q- y1 n: h& @8 j
   
9. void getBackground(const cv::Mat& source, cv::Mat& dst) {
   8 E* M; z* q+ s1 K$ i3 y
10.     cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核7 {\" G8 l  B5 A. x( i$ U' P3 L
    
11. }' a3 m  o8 }) J
    
12. 
    + X: d$ {( n* T, ?( ]
13. void getForeground(const cv::Mat& source, cv::Mat& dst) {6 b% i, _8 d; R\" G' ], V4 f
    
14.     cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);6 u  A1 c6 p# F  \- }
    
15.     cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);9 e9 A( a/ A% W
    
16. }* s3 Z1 x- q% Z; A
    
17. 
    9 h* p( O2 G2 R; z# b7 |% o
18. void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {! U' {, z  |# X* o$ T9 o1 M9 p
    
19.     cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);# d3 U  U* d. n3 Y' f  R
    
20.     // 绘制前景标记
    0 I! W4 ?3 C2 T4 O  Z# z9 B8 u
21.     for (size_t i = 0, size = contours.size(); i < size; i++)
    0 |/ b5 G9 a6 U\" W\" ~
22.         drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);9 R# e$ K8 |7 e7 W- K2 y8 R) n' |
    
23. }
    * ^* N- f6 d  B
24. 7 j/ k7 V\" g9 {0 F
    
25. void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {
    * V0 R+ C9 m: R# ]7 u
26.     for (int i = 0; i < size ; ++i) {
    ; K$ T6 l4 B, L/ [
27.         int b = cv::theRNG().uniform(0, 256);& k4 e6 [6 m* B
    
28.         int g = cv::theRNG().uniform(0, 256);7 w+ G& P6 ]1 N0 l0 E2 Y/ U$ c3 L
    
29.         int r = cv::theRNG().uniform(0, 256);% C  ]8 T. i( }
    
30.         colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));
    - E, L# y0 k7 _
31.     }
    - H. @6 e\" ~6 q5 B7 x
32. }7 J/ C. g: T/ {' Z
    
33. 
    % X6 ^' |  g9 l9 p4 B
34. int main(int argc, char** argv) {+ P1 l* m2 X3 f+ b' x% O2 x
    
35.     if(argc < 2){
    % P1 @; r; C\" H2 s\" @8 ^. W
36.         std::cerr << "Errorn";
    & L3 H& G0 s\" f; o# Q6 _; p
37.         std::cerr << "Provide Input Image:n n";
    0 a  d- k2 @6 y
38.         return -1;
    , k5 C- d6 Z& z3 D' \
39.     }
    # P8 \/ J; n/ R$ F
40.     cv::Mat original_img = cv::imread(argv[1]);8 E0 K+ a3 w; O\" I
    
41.     if(original_img.empty()){
      E/ M5 o$ f7 O9 U* \
42.         std::cerr << "Errorn";8 p  o, R* u: }: t3 @1 E
    
43.         std::cerr << "Cannot Read Imagen";0 o) B/ O' x3 P1 q2 D% O5 I# p- Q
    
44.         return -1;! z! m+ M* N2 n# C
    
45.     }# l) F7 W: p. ?; J4 e3 Q+ K
    
46.     cv::Mat shifted;
    + `' Q; ~2 e! i' p% O. K/ [9 V% P* \
47.     cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);+ J7 V2 ~! }  f\" K9 z- m
    
48.     showImg("Mean Shifted", shifted);
    6 p+ ]6 }$ s$ c
49.     cv::Mat gray_img;
    2 u5 g% d: B9 q6 @  q' O3 `
50.     cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);
    . A\" J9 S. d6 _
51.     showImg("GrayIMg", gray_img);- f\" u\" Z\" m' R+ Q8 h: ?
    
52.     cv::Mat bin_img;
    % Y7 ]6 e5 {- W) A% b
53.     cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);& ~: f6 K* S# O% {& s# r2 Z
    
54.     showImg("thres img", bin_img);
    2 _9 Q6 G% g- S3 m8 u7 b9 a3 Q
55.     cv::Mat sure_bg;
    ) P8 B' U, P8 t8 _\" {
56.     getBackground(bin_img, sure_bg);) Z\" [( X\" n/ c4 j7 ~
    
57.     showImg("Sure Background", sure_bg);5 A, c* W: r+ M0 P6 w
    
58.     cv::Mat sure_fg;: e3 z, @% N1 C\" S+ P3 m
    
59.     getForeground(bin_img, sure_fg);
    4 F+ w$ ]6 J3 w7 e
60.     showImg("Sure ForeGround", sure_fg);
    4 q% X$ _8 s# Z% i' M* Y% k: F
61.     cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);
    6 p2 i- B; o* Z+ s
62.     std::vector<std::vector<cv::Point>> contours;
    * |$ A/ d# l& j8 j
63.     findMarker(sure_bg, markers, contours);
    ) @) r9 q4 y7 l$ l( }; s7 S; V* t
64.     cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈
    5 o\" y5 W+ \( K* ~  K' t
65.     . N. H8 m7 Q( h& o: o! O
    
66.     cv::watershed(original_img, markers);
    % s% U/ K9 x& ]- T# k* `$ x
67.     cv::Mat mark;9 y7 n3 d$ ^) `( ?. W
    
68.     markers.convertTo(mark, CV_8U);
    ( }8 `% y; J( h0 D
69.     cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色
    & t0 z# O3 J, z7 [9 \! t3 d
70.     showImg("MARKER", mark);
    9 M: E- f  D# u6 B7 m2 P
71.     // 在图像中突出显示标记 /8 K+ d( H1 Q0 Q8 ]% E) k. P
    
72.     std::vector<cv::Vec3b> colors;
    ; i+ K/ W& X5 {0 N2 {# |0 [
73.     getRandomColor(colors, contours.size()); // 创建结果图像  Q5 T0 i4 b/ g( a# j5 G
    
74.     cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);
    & s7 U) d$ h0 j: G) ~2 t+ a2 Q
75.     // 用随机颜色填充标记的对象6 H9 a  t9 O1 d, ~% D
    
76.     for (int i = 0; i < markers.rows; i++)2 B1 V4 T% s. o0 `% u& \
    
77.     {
    2 T6 @) a8 Q  ?
78.         for (int j = 0; j < markers.cols; j++)2 N3 k1 Q: Q* O) J
    
79.         {
    0 X, e6 {+ @# c1 t
80.             int index = markers.at(i,j);& C3 p: m1 R; O5 U
    
81.             if (index > 0 && index <= static_cast<int>(contours.size()))5 m9 r. Y. ^0 G
    
82.                 dst.at<cv::Vec3b>(i,j) = colors[index-1];& s; ]: F# |! G
    
83.         }- H! B! x0 r/ u& {. N% F
    
84.     }
    ' b% h\" u& _9 Q# U, x1 U! F, d
85.     showImg("Final Result", dst);
    8 U& z  |9 z* A9 P0 F; [+ ^8 ?6 F
86.     cv::waitKey(0);
    5 k* x. [$ ?3 u0 o
87.     return 0;$ b1 q. N9 c* `2 b/ p1 B# C7 ~
    
88. }9 |0 E2 N) }4 Y) _5 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
# ~, z' z) ^# f& D