本文介紹了python opencv之分水嶺算法示例，分享給大家，具體如下：

目標(biāo)

1. 使用分水嶺算法對(duì)基于標(biāo)記的圖像進(jìn)行分割
2. 使用函數(shù)cv2.watershed()

原理：

灰度圖像可以被看成拓?fù)淦矫?灰度值高的區(qū)域可以看出山峰，灰度值低的區(qū)域可以看成是山谷。向每一個(gè)山谷當(dāng)中灌不同顏色的水。水位升高，不同山谷的水會(huì)匯合，為防止不同山谷的水匯合，小在匯合處建立起堤壩。然后繼續(xù)灌水，然后再建立堤壩，直到山峰都掩模。構(gòu)建好的堤壩就是圖像的分割。

此方法通常會(huì)得到過(guò)渡分割的結(jié)果，因?yàn)閳D像中的噪聲以及其他因素。為了減少此影響，opencv使用基于標(biāo)記的分水嶺算法，此算法要設(shè)置哪些山谷中的匯合點(diǎn)，哪些不是。這是一種交互式的圖像分割算法那。我們要給已知對(duì)象打上不同表情。如果某個(gè)區(qū)域肯定是前景或?qū)ο?，就使用某個(gè)顏色或灰度值標(biāo)簽標(biāo)記它。如果是背景那么使用其他顏色進(jìn)行標(biāo)記，其余不能確定的部分用0標(biāo)記。然后使用分水嶺算法，每次灌水，標(biāo)簽會(huì)被更新，當(dāng)兩個(gè)不同顏色的標(biāo)簽相遇就會(huì)構(gòu)建堤壩，知道所有山峰掩模，最后得到的邊界對(duì)象值是-1。

代碼：

對(duì)挨在一起的對(duì)象進(jìn)行分割。

使用Otsu's 二值化后的結(jié)果為

要出去圖像中的白噪聲?？梢允褂眯螒B(tài)學(xué)運(yùn)算，使用閉運(yùn)算去除對(duì)象中的空洞。

靠近對(duì)象中心的區(qū)域是前景，離對(duì)象遠(yuǎn)的區(qū)域是背景，不確定的區(qū)域是邊界。

首先提取硬幣區(qū)域，使用腐蝕操作去掉邊緣，剩下的就是硬幣。但硬幣沒(méi)有接觸時(shí)，此方法有效，但是由于硬幣相互接觸，就要使用另外一種有效的方法：距離變換加上合適的閾值。

之后，要尋找不確定是否是硬幣的區(qū)域。這里需要膨脹操作。膨脹操作會(huì)將對(duì)象邊界延伸到背景當(dāng)中。由于邊界區(qū)域被去除，現(xiàn)在就能知道哪些區(qū)域是前景，哪些是背景。

余下的區(qū)域不知道如何區(qū)分，那么使用分水嶺算法。這些區(qū)域通常是前景與背景的交界處。從能否確認(rèn)是否是背景的區(qū)域中減去確定是前景的區(qū)域就得到了邊界。

（前景和背景）

（上面的圖是直接使用作者的代碼后生產(chǎn)的結(jié)果，提取到了前景，為了演示一下不確定的區(qū)域，調(diào)了一下計(jì)算前景的距離變換的參數(shù)，使得中間出現(xiàn)不確定的區(qū)域）

這里面使用個(gè)cv2.distanceTransform函數(shù)

該函數(shù)用于計(jì)算2值圖象中所有像素離其最近的值為0像素的近似距離。

參數(shù)為

cv2.distanceTransform(src, distanceType, maskSize[, dst]) → dst

#src為輸入的二值圖像。distanceType為計(jì)算距離的方式，可以是如下值
DIST_USER = ⑴, //!< User defined distance
DIST_L1  = 1, //!< distance = |x1-x2| + |y1-y2|
DIST_L2  = 2, //!< the simple euclidean distance
DIST_C  = 3, //!< distance = max(|x1-x2|,|y1-y2|)
DIST_L12  = 4, //!< L1-L2 metric: distance = 2(sqrt(1+x*x/2) - 1))
DIST_FAIR = 5, //!< distance = c^2(|x|/c-log(1+|x|/c)), c = 1.3998
DIST_WELSCH = 6, //!< distance = c^2/2(1-exp(-(x/c)^2)), c = 2.9846
DIST_HUBER = 7 //!< distance = |x|<c ? x^2/2 : c(|x|-c/2), c=1.345


#maskSize是蒙板尺寸，只有0,3,5
DIST_MASK_3  = 3, //!< mask=3
DIST_MASK_5  = 5, //!< mask=5
DIST_MASK_PRECISE = 0 //!< mask=0

import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread('21.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

kernel = np.ones((3,3),np.uint8)
opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel, iterations = 2)
# sure background area
sure_bg = cv2.dilate(opening,kernel,iterations=3)#膨脹
# Finding sure foreground area

dist_transform = cv2.distanceTransform(opening,1,5)
ret, sure_fg = cv2.threshold(dist_transform,0.2*dist_transform.max(),255,0)#參數(shù)改小了，出現(xiàn)不確定區(qū)域
# Finding unknown region
sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg,sure_fg)#減去前景

cv2.imshow('p',sure_fg)
cv2.waitKey(0)

現(xiàn)在知道了那些背景是硬幣，可以創(chuàng)建標(biāo)簽。（與原圖像大小相同，數(shù)據(jù)類型為int32的數(shù)組）。

對(duì)于已經(jīng)確定分類的區(qū)域，也就是背景和前景，使用整數(shù)標(biāo)記，不確定的區(qū)域是用0標(biāo)記?？梢允褂胏v2.connectedComponents()函數(shù)來(lái)實(shí)現(xiàn)此功能。它會(huì)將背景標(biāo)記為0，其他標(biāo)記為位從1開(kāi)始的正整數(shù)。

但是，如果背景標(biāo)記為0，那么分水嶺算法會(huì)將其當(dāng)成位置區(qū)域，所以使用不同的整數(shù)進(jìn)行標(biāo)記，對(duì)于不確定的區(qū)域，函數(shù)標(biāo)記為0.

結(jié)果使用JET顏色地圖表示。深藍(lán)色未知區(qū)域，硬幣區(qū)域使用不同顏色。其余部分用淺藍(lán)色。

使用分水嶺算法

效果不錯(cuò)

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評(píng)論