分水嶺算法是一種圖像區(qū)域分割法，在分割的過程中，它會把跟臨近像素間的相似性作為重要的參考依據(jù)，從而將在空間位置上相近并且灰度值相近的像素點互相連接起來構(gòu)成一個封閉的輪廓，封閉性是分水嶺算法的一個重要特征。

API介紹

void watershed( InputArray image, InputOutputArray markers );

參數(shù)說明：

• image: 必須是一個8bit 3通道彩色圖像矩陣序列
• markers: 在執(zhí)行分水嶺函數(shù)watershed之前，必須對第二個參數(shù)markers進行處理，它應該包含不同區(qū)域的輪廓，每個輪廓有一個自己唯一的編號，輪廓的定位可以通過Opencv中findContours方法實現(xiàn)，這個是執(zhí)行分水嶺之前的要求。算法會根據(jù)markers傳入的輪廓作為種子（也就是所謂的注水點），對圖像上其他的像素點根據(jù)分水嶺算法規(guī)則進行判斷，并對每個像素點的區(qū)域歸屬進行劃定，直到處理完圖像上所有像素點。而區(qū)域與區(qū)域之間的分界處的值被置為“-1”，以做區(qū)分。

我們將一個如何使用距離變換和分水嶺分割相互接觸的物體的例子。

考慮一下下面的硬幣圖像，這些硬幣相互接觸。即使你去閾值化它，它也會互相碰觸。

我們從找到硬幣的大概估計值開始。為此，我們可以利用大津的二值化。

#include<iostream>
#include<opencv2\opencv.hpp>

using namespace std;
using namespace cv;

int main() {
	Mat gray, thresh;
	Mat img = imread("coins.jpg");
	cvtColor(img, gray, COLOR_BGR2GRAY);
	threshold(gray, thresh, 0, 255, THRESH_BINARY_INV+CV_THRESH_OTSU);

	imshow("Otst閾值圖像", thresh);
	waitKey(0);
	return 0;
}

閾值后的圖像如下所示：

現(xiàn)在需要去除圖像中任何微小的白色噪聲。為此，我們可以使用形態(tài)開操作。為了去除物體上的任何小洞，我們可以使用形態(tài)閉操作。所以，現(xiàn)在我們可以確定的是，靠近物體中心的區(qū)域是前景，遠離物體的區(qū)域是背景。只有我們不確定的區(qū)域是硬幣的邊界區(qū)域。

所以我們需要提取我們確定是硬幣的區(qū)域。侵蝕去除邊界像素。所以不管剩下多少，我們都能確定是硬幣。如果物體不互相接觸，那就可以了。但是由于它們彼此接觸，另一個好的選擇是找到距離變換并應用適當?shù)拈撝?。接下來我們需要找到我們確信不是硬幣的區(qū)域。為此，我們擴展了結(jié)果。膨脹將物體邊界增加到背景。通過這種方式，我們可以確保結(jié)果中的任何背景區(qū)域都是真正的背景，因為邊界區(qū)域。

剩下的區(qū)域是我們不知道的，無論是硬幣還是背景。分水嶺算法應該能找到它。這些區(qū)域通常圍繞著硬幣的邊界，也就是前景和背景相遇的地方(甚至是兩個不同的硬幣相遇的地方)。我們稱之為邊界。用sure_fg 面積減去sure_bg面積可得。

Mat opening; Mat sure_bg;
Mat sure_fg; Mat unknow;
Mat dist_transform;
double maxValue;
// noise removal
Mat kernel = Mat::ones(3, 3, CV_8U);
morphologyEx(thresh, opening, MORPH_OPEN, kernel);

// sure background area
dilate(opening, sure_bg, kernel, Point(-1, -1), 3);

// Finding sure foreground area
distanceTransform(opening, dist_transform, DIST_L2, 5);
minMaxLoc(dist_transform, 0, &maxValue, 0, 0);
threshold(dist_transform, sure_fg, 0.7*maxValue, 255, 0);

// Finding unknown region
sure_fg.convertTo(sure_fg, CV_8U);
subtract(sure_bg, sure_fg, unknow);

看到結(jié)果。在閾值圖像中，我們得到了一些區(qū)域的硬幣，我們確定這些硬幣是獨立的。(在某些情況下，你可能只對前景分割感興趣，而對相互接觸的對象的分割不感興趣。在這種情況下，你不需要使用距離變換，只要侵蝕就足夠了。侵蝕只是提取前景區(qū)域的另一種方法，僅此而已。)

現(xiàn)在我們可以確定哪些是硬幣區(qū)域，哪些是背景等等。因此我們創(chuàng)建了marker(它是一個與原始圖像大小相同的數(shù)組，但是使用int32數(shù)據(jù)類型)，并在其中標記區(qū)域。我們確定的區(qū)域(無論是前景還是背景)被標記為任何正整數(shù)，但是不同的整數(shù)，而我們不確定的區(qū)域則被保留為0。為此，我們使用了connectedComponents()。它用0標記圖像的背景，然后用從1開始的整數(shù)標記其他對象。

但是我們知道，如果將background標記為0,watershed將認為它是未知區(qū)域。所以我們要用不同的整數(shù)來標記它。相反，我們將標記未知區(qū)域，由unknown定義，為0。

// Marker labelling
Mat markers;
connectedComponents(sure_fg, markers);

// Add one to all labels so that sure background is not 0, but 1
markers = markers + 1;

// Now, mark the region of unknown with zero
markers.setTo(0, unknow);

現(xiàn)在我們的標記圖像準備好了。到了最后一步，應用分水嶺。然后修改標記圖像。邊界區(qū)域?qū)擞洖?1。

Mat marker;
Mat mask;
watershed(img, markers);
compare(markers, -1, mask, CMP_EQ);
img.setTo(Scalar(0, 0, 255), mask);

參見下面的結(jié)果。對于一些硬幣，它們接觸的區(qū)域被正確分割，而對于另一些硬幣，它們沒有被分割。

到此這篇關于C++中實現(xiàn)OpenCV圖像分割與分水嶺算法的文章就介紹到這了,更多相關OpenCV圖像分割與分水嶺算法內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論