参考文献:
OTSU阈值分割+孔洞填充+海陆分离_SwordKii的博客-CSDN博客
drawContours函数_普通网友的博客-CSDN博客_drawcontours
R329-opencv阈值分割算法——自适应阈值_Third Impact的博客-CSDN博客_opencv自适应阈值分割
分水岭算法的python实现及解析_进不去的博客-CSDN博客_python分水岭算法
分水岭算法的理解和应用_Evonne_H的博客-CSDN博客_分水岭算法详细介绍与应用
目录
OTSU大津算法(常用于海陆分割)
1.原理:
寻找海陆分割二值化的阈值,通过统计学方法,常用来处理直方图中有俩个峰的图像,就如同海陆俩个颜色比较多的图片,找到方差最大的时候的灰度值
2.代码API
获取二值图像轮廓
contours, hierarchy=cv.findContours( img, mode, method);
contours:输出的轮廓,每一个轮廓用std::vector
hierarchy:输出的轮廓关系的存储;
img:二值图像;
mode:轮廓模式
cv.RETR_EXTERNAL:只有最外层轮廓;
cv.RETR_LIST : 检测所有的轮廓,但是轮廓之间都是单独的,没有父子关系;
cv.RETR_CCOMP : 检测所有的轮廓,但所有轮廓只建立两个等级关系;如果超过两个等级关系的,从顶层开始每两层分解成一个轮廓;
cv.RETR_TREE : 检测所有轮廓,所有轮廓按照真实的情况建立等级关系,层数不限;
method:轮廓处理:
cv.CHAIN_APPROX_NONE :不经过处理
cv.CHAIN_APPROX_SIMPLE:压缩轮廓
cv.CHAIN_APPROX_TC89_L1:用Teh-Chin chain approximation algorithm的一种算法压缩轮廓;
cv.CHAIN_APPROX_TC89_KCOS:用Teh-Chin chain approximation algorithm的另一种算法压缩轮廓;
画出二值图像轮廓
cv.drawContours( img, contours, contourIdx,color, thickness=1)
函数参数详解:
contours:输入的轮廓组,每一组轮廓由点vector构成,
contourIdx:int 指明画第几个轮廓,如果该参数为负值,则画全部轮廓,
color:轮廓的颜色,
thickness:轮廓的线宽,如果为负值或CV_FILLED表示填充轮廓内部,
轮廓面积
area = cv.contourArea(contours[i])
填充轮廓
cv.fillPoly(img,contours,color)
3.实现:
import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np
#解决中文显示问题,固定格式
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
#1.转化为灰度图
pic1=cv.imread("DJI_0023.jpg")
#2.高斯滤波去噪
pic1 = cv.GaussianBlur(pic1, (5,5), 0) # 高斯滤波
gray=cv.cvtColor(pic1,cv.COLOR_BGR2GRAY)
#3.OUST算法转换为二值图
floatshold,bin = cv.threshold(gray, 0, 255, cv.THRESH_BINARY+cv.THRESH_OTSU) #方法选择为THRESH_OTSU
#4.形态学操作,闭运算去除孔洞,链接细小边缘
kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE, (10, 10))
bin = cv.morphologyEx(bin, cv.MORPH_CLOSE, kernel)
#4.获取轮廓
contours, hierarchy=cv.findContours(bin, cv.RETR_TREE,cv.CHAIN_APPROX_NONE)
#5.填充轮廓
len_contour = len(contours)
contour_list = []
mask = np.zeros_like(bin, np.uint8) # 纯黑模板
for i in range(len_contour):
cv.drawContours(mask, contours,i,(255,255, 255), -1)
print(mask)
#6.彩色图片去除黑色蒙版
pic2=cv.bitwise_and(pic1,pic1, mask=mask)
#绘制图像
fig,axes=plt.subplots(nrows=2,ncols=2,figsize=(10,10))
axes[0,0].set_title("原图")
axes[0,0].imshow(pic1[:,:,::-1])
axes[0,1].set_title("二值图")
axes[0,1].imshow(bin,plt.cm.gray)
axes[1,0].set_title("轮廓合并")
axes[1,0].imshow(mask,plt.cm.gray)
axes[1,1].set_title("彩色图片去除黑色蒙版")
axes[1,1].imshow(pic2[:,:,::-1])
plt.show()
cv.waitKey()
结果:
大津算法有利于海路分割,屏蔽海洋
自适应阈值算法(复杂颜色地物提取例如打鱼船)
1.原理
对分割的小块进行二值化阈值处理,而不考虑整体图像,有利于处理光照不均匀的图像
2.代码API
dst = cv.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)
src:要处理的图像数据,为单通道灰度图像;
maxValue:double类型,二值化后的最大值;
adaptiveMethod:动态计算阈值的方法,有以下两种:
cv.ADAPTIVE_THRESH_MEAN_C:计算区域内的平均值减去C;
cv.ADAPTIVE_THRESH_GAUSSIAN_C:计算区域内的高斯均值减去C;
thresholdType:二值化类型flags,在该函数中仅能使用cv.THRESH_BINARY和cv.THRESH_BINARY_INV两种
blockSize:动态化计算阈值时所使用的区域的大小,类似卷积时的卷积核大小,需要为奇数;
C:计算区域内的均值后减去的常量,最后作为阈值;
3.实现
1.
import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np
#解决中文显示问题,固定格式
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
#1.转化为灰度图
pic1=cv.imread("DJI_0023.jpg")
#2.高斯滤波去噪
pic1 = cv.GaussianBlur(pic1, (5,5), 0) # 高斯滤波
gray=cv.cvtColor(pic1,cv.COLOR_BGR2GRAY)
#3.adaptiveThreshold转换为二值图
bin=cv.adaptiveThreshold(gray,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,11,5)
#4.形态学操作,闭运算去除孔洞,链接细小边缘
bin2=255-bin
bin2=cv.medianBlur(bin2,5)#中值去噪
bin2=cv.dilate(bin2,np.ones(20,np.uint8))#膨胀
#5.获取轮廓
contours, hierarchy=cv.findContours(bin2, cv.RETR_TREE,cv.CHAIN_APPROX_NONE)
#6.填充轮廓
len_contour = len(contours)
contour_list = []
for i in range(len_contour):
area=cv.contourArea(contours[i])
if(area
第三幅图靠作者的现阶段能力只能处理到这了。。不要嫌弃
噪声影响比较严重,对于复杂颜色的渔船提取较好
可见自适应二值化,对于边缘线提取比较有优势,但也提取了不必要的高亮海面部分
2.
如果扩大填充面积,area
Original: https://blog.csdn.net/qq_54263076/article/details/127190484
Author: ζั͡ ั͡雾 ั͡狼 ั͡✾
Title: [图像处理]14.分割算法比较 OTSU算法+自适应阈值算法+分水岭
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/632896/
转载文章受原作者版权保护。转载请注明原作者出处!