1. Johngo学长首页
  2. 技术点详细复盘专题
  3. 人工智能

【OpenCV】- 分水岭算法

• 人工智能 • 阅读 45

文章目录

*
–
+ 什么是图像分割
+ 分水岭算法
+
* 1、实现分水岭算法：watershed()函数
* 2、处理流程（视频）
* 3、示例程序（书中）

什么是图像分割

  • 将图像中像素根据一定的规则分为若干个cluster集合，每个集合包含一类对象

如下，将两匹马从图像背景中抠出来

【OpenCV】- 分水岭算法

; 分水岭算法

解释：分水岭算法，是一种基于拓扑理论的数学形态学的分割方法。分割图像时可以从图像中获取有用的信息。

基本思想：把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以可以通过模拟侵入过程来说明：在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢侵入水中，随着侵入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。

分水岭的计算步骤：

  • 排序过程
  • 淹没过程

说明：首先对每个像素的灰度级进行从低到高的排序，然后在从低到高实现淹没的过程中，对每一个局部极小值在h阶高度的影响采用先进先出（FIFO）结构进行判断及标注。分水岭变换得到的是输入图像的集水盆图像，集水盆之间的边界点，即为分水岭。

同理，分水岭算法首先计算灰度图像的梯度；可以很好的区分图像中的”山谷”或没有纹理的”盆地”（亮度值低的点）的形成是很有效的。然后开始从用户指定点（或算法得到的点）开始持续”灌注”盆地直到这些区域连成一片。

1、实现分水岭算法：watershed()函数

函数watershed实现的分水岭算法是基于标记的分割算法中的一种。在把图像传给函数之前，需要大致勾画标记出图像中的期望进行分割的区域，被标记为正指数。每一个区域都会标记为像素值1，2，3，4等。表示成为一个或多个连接组件。这些标记的值可以使用findContours()函数和drawContours()函数由二进制的掩码检索出来。这些标记就是即将绘制出来的分割区域的”种子”，而没有标记清楚的区域，被置为0。在函数输出中，每一个标记中的像素被设置为”种子”的值，而区域间的值被设置为-1。

void watershed(InputArray image,InputOutputArray markers)
  • 第一个参数：输入图像，即源图像。填Mat类的对象即可，且需为8位三通道的彩色图像
  • 第二个参数：函数调用后的运算结构存在这里，输入/输出32单通道图像的标记结果。即这个参数用于存放函数调用后的输出结果，需要和源图片有一样的尺寸和类型

2、处理流程（视频）

  • 将白色背景变成黑色 – 为后面的变换做准备
src = imread("E://Pec//fenshui.jpg");
    imshow(WINDOW_NAME, src);

    for(int row=0;row<src.rows;row++)
        for (int col = 0; col < src.cols; col++)
        {
            if (src.at<Vec3b>(row, col) == Vec3b(255, 255, 255))
            {
                src.at<Vec3b>(row, col)[0] = 0;
                src.at<Vec3b>(row, col)[1] = 0;
                src.at<Vec3b>(row, col)[2] = 0;
            }
        }
  • 使用filter2D与拉普拉斯算子实现图像对比度提高

    Mat kernel = (Mat_<float>(3, 3) << 1, 1, 1, 1, -8, 1, 1, 1, 1);
    Mat imgLaplance;
    Mat sharpImage = src;
    filter2D(src, imgLaplance, CV_32F, kernel, Point(-1, -1), 0, BORDER_DEFAULT);
    src.convertTo(sharpImage, CV_32F);
    Mat result = sharpImage - imgLaplance;

    result.convertTo(result, CV_8UC3);
    imgLaplance.convertTo(imgLaplance, CV_8UC3);
  • 转换为二值图像

    Mat binaryImag;

    cvtColor(src, result, CV_BGR2GRAY);
    threshold(result, binaryImag, 40, 255, THRESH_BINARY | THRESH_OTSU);
  • 距离变换

    Mat distImage;
    distanceTransform(binaryImag, distImage, DIST_L2, 3);
  • 对距离变换的结果进行归一化到[0~1]之间

    normalize(distImage, distImage, 0, 1, NORM_MINMAX);
  • 使用阈值，再次二值化，得到标记
threshold(distImage, distImage, .4, 1, THRESH_BINARY );
  • 腐蚀得到每个Peak – erode

    Mat kl = Mat::ones(3, 3, CV_8UC1);
    erode(distImage, distImage, kl , Point(-1, -1));
    imshow("腐蚀之后", distImage);
  • 发现轮廓 – drawContours

    Mat dist_8u;
    distImage.convertTo(dist_8u, CV_8U);
    vector<vector<Point>>contours;
    findContours(dist_8u, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point(0, 0));

    Mat markers = Mat::zeros(src.size(), CV_32SC1);

    for (size_t i= 0; i<contours.size(); i++)
        drawContours(markers, contours, static_cast<int>(i), Scalar(static_cast<int>(i)+1),-1);
    circle(markers, Point(3, 3), 3, Scalar(255, 255, 255), -1);
  • 分水岭变换

    watershed(src, markers);

    Mat mark(markers.size(), CV_8UC1);
    markers.convertTo(mark, CV_8UC1);

    bitwise_not(mark, mark, Mat());
    imshow("分水岭变换", mark);
  • 对每个分割区域着色输出结果
vector<Vec3b> colors;
    for (size_t i = 0; i <contours.size(); i++)
    {
        int b = theRNG().uniform(0, 255);
        int g = theRNG().uniform(0, 255);
        int r = theRNG().uniform(0, 255);
        colors.push_back(Vec3b((uchar)b, (uchar)g, (uchar)r));
    }

    Mat dst = Mat::zeros(markers.size(), CV_8UC3);
    for (int row = 0; row < markers.rows; row++)
        for (int col = 0; col < markers.cols; col++)
        {
            int index = markers.at<int>(row, col);
            if (index > 0 && index  static_cast<int>(contours.size()))
                dst.at<Vec3b>(row, col) = colors[index - 1];
            else
                dst.at<Vec3b>(row, col) = Vec3b(0, 0, 0);
        }

    imshow("最后效果图",dst);

效果图：

【OpenCV】- 分水岭算法

【OpenCV】- 分水岭算法

3、示例程序（书中）

#include
#include
#include
#include
using namespace std;
using namespace cv;
#define WINDOW_NAME "【程序窗口1】"
Mat g_maskImage, g_srcImage;
Point prevPt(-1, -1);
static void ShowHelpText();
static void on_Mouse(int event, int x, int y, int flags, void *);
int main()
{
    system("color 1F");
    ShowHelpText();
    g_srcImage = imread("E://Pec//shan.jpg");
    imshow(WINDOW_NAME, g_srcImage);
    Mat srcImage, grayImage;
    g_srcImage.copyTo(srcImage);

    cvtColor(g_srcImage, g_maskImage, COLOR_BGR2GRAY);

    cvtColor(g_maskImage, grayImage, COLOR_GRAY2BGR);

    g_maskImage = Scalar::all(0);

    setMouseCallback(WINDOW_NAME, on_Mouse, 0);
    while (1)
    {
        int c = waitKey(0);
        if ((char)c == 27)
            break;

        if ((char)c == 2)
        {
            g_maskImage = Scalar::all(0);
            srcImage.copyTo(g_srcImage);
            imshow("image", g_srcImage);
        }

        if ((char)c == '1' || (char)c == ' ')
        {
            int i, j, compCount = 0;
            vector<vector<Point>>contours;
            vector<Vec4i>hierarchy;

            findContours(g_maskImage, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);

            if (contours.empty())
                continue;

            Mat maskImage(g_maskImage.size(), CV_32S);
            maskImage = Scalar::all(0);

        for (int index = 0; index >= 0; index = hierarchy[index][0], compCount++)
            drawContours(maskImage, contours, index, Scalar::all(compCount + 1), -1, 8, hierarchy, INT_MAX);

            if (compCount == 0)
                continue;

            vector<Vec3b> colorTab;
            for (i = 0; i < compCount; i++)
            {
                int b = theRNG().uniform(0, 255);
                int g = theRNG().uniform(0, 255);
                int r = theRNG().uniform(0, 255);
                colorTab.push_back(Vec3b((uchar)b, (uchar)g, (uchar)r));
            }

            double dTime = (double)getTickCount();
            watershed(srcImage, maskImage);
            dTime = (double)getTickCount() - dTime;
            printf("\t处理时间 =%gms\n", dTime*100. / getTickFrequency());

            Mat watershedImage(maskImage.size(), CV_8UC3);
            for(i=0;i<maskImage.rows;i++)
                for (j = 0; j < maskImage.cols; j++)
                {
                    int index = maskImage.at<int>(i, j);
                    if (index == -1)
                        watershedImage.at<Vec3b>(i, j) = Vec3b(255, 255, 255);
                    else if (index  0 || index > compCount)
                        watershedImage.at<Vec3b>(i, j) = Vec3b(0, 0, 0);
                    else
                        watershedImage.at<Vec3b>(i, j) = colorTab[index-1];
                }

            watershedImage = watershedImage * 0.5 + grayImage * 0.5;
            imshow("watershed tandsform", watershedImage);
        }
    }
    return 0;
}
static void on_Mouse(int event, int x, int y, int flags, void *)
{

    if (x < 0 || x >= g_srcImage.cols || y < 0 || y >= g_srcImage.rows)
        return;

    if (event == EVENT_LBUTTONUP || !(flags & EVENT_FLAG_LBUTTON))
        prevPt = Point(-1, -1);
    else if (event == EVENT_LBUTTONDOWN)
    {
        prevPt = Point(x, y);
    }

    else if (event == EVENT_MOUSEMOVE && (flags & EVENT_FLAG_LBUTTON))
    {
        Point pt(x, y);
        if (prevPt.x < 0)
            prevPt = pt;
        line(g_maskImage, prevPt, pt, Scalar::all(255), 5, 8, 0);
        line(g_srcImage, prevPt, pt, Scalar::all(255), 5, 8, 0);
        prevPt = pt;
        imshow(WINDOW_NAME, g_srcImage);
    }
}
static void ShowHelpText()
{
    cout << "\n\t欢迎来到【分水岭算法】示例程序" << endl;
    cout << "\t\t请先用鼠标在窗口标记出大致的区域" << endl;
    cout << "\t\t然后按键【1】或者【空格】启动算法" << endl;
    cout << "\t\t按键操作如下：" << endl;
    cout << "\t\t\t按下按键【1】或者【空格】--运行分水岭分割算法" << endl;
    cout << "\t\t\t按下按键【2】--恢复原始图片" << endl;
    cout << "\t\t\t按下按键【ESC】--退出程序" << endl;
}

【OpenCV】- 分水岭算法

Original: https://blog.csdn.net/qq_44859533/article/details/126436001
Author: 我菜就爱学
Title: 【OpenCV】- 分水岭算法

原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/701094/

转载文章受原作者版权保护。转载请注明原作者出处！

赞 (0)
0

【自取】最近整理的，有需要可以领取学习：



Linux核心资料大放送~

全栈面试题汇总（持续更新&可下载）

一个提高学习100%效率的工具！

【超详细】深度学习面试题目！

LeetCode Python刷题答案下载！

LeetCode Java版刷题答案下载！

LeetCode C++ 版本，抓紧保存！

LeetCode GO语言 刷题答案下载！

大家都在看

亲爱的 Coder【最近整理，可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球