快捷導(dǎo)航

OpenCV基于距離變換和分水嶺實(shí)現(xiàn)圖像分割

更新時(shí)間：2022年09月27日 16:31:55 作者：肖愛Kun

圖像分割是根據(jù)灰度、顏色、紋理和形狀等特征，把圖像分成若干個(gè)特定的、具有獨(dú)特性質(zhì)的區(qū)域。本文將基于距離變換和分水嶺實(shí)現(xiàn)圖像分割，需要的可以了解一下

一.圖像分割

圖像分割是根據(jù)灰度、顏色、紋理和形狀等特征，把圖像分成若干個(gè)特定的、具有獨(dú)特性質(zhì)的區(qū)域，這些特征在同一區(qū)域內(nèi)呈現(xiàn)出相似性，而在不同區(qū)域間呈現(xiàn)出明顯的差異性，并提出感興趣目標(biāo)的技術(shù)和過程。它是由圖像處理到圖像分析的關(guān)鍵步驟。從數(shù)學(xué)角度來看，圖像分割是將數(shù)字圖像劃分成互不相交的區(qū)域的過程。圖像分割的過程也是一個(gè)標(biāo)記過程，即把屬于同一區(qū)域的像索賦予相同的編號(hào)。

其目的是將圖像中像素根據(jù)一定的規(guī)則分為若干(N)個(gè)聚(cluster)集合，每個(gè)集合包含一類像素。將對(duì)象在背景提取出來。

二.基于距離變換和分水嶺的圖像分割

分水嶺法（Meyer）是一種基于拓?fù)淅碚摰臄?shù)學(xué)形態(tài)學(xué)的分割方法，其基本思想是把圖像看作是測(cè)地學(xué)上的拓?fù)涞孛?，圖像中每一點(diǎn)像素的灰度值表示該點(diǎn)的海拔高度，每一個(gè)局部極小值及其影響區(qū)域稱為集水盆，而集水盆的邊界則形成分水嶺。該算法的實(shí)現(xiàn)可以模擬成洪水淹沒的過程，圖像的最低點(diǎn)首先被淹沒，然后水逐漸淹沒整個(gè)山谷。當(dāng)水位到達(dá)一定高度的時(shí)候?qū)?huì)溢出，這時(shí)在水溢出的地方修建堤壩，重復(fù)這個(gè)過程直到整個(gè)圖像上的點(diǎn)全部被淹沒，這時(shí)所建立的一系列堤壩就成為分開各個(gè)盆地的分水嶺。分水嶺算法對(duì)微弱的邊緣有著良好的響應(yīng)，但圖像中的噪聲會(huì)使分水嶺算法產(chǎn)生過分割的現(xiàn)象。

距離變換API函數(shù)接口

距離變換用于計(jì)算圖像中每一個(gè)非零點(diǎn)像素與其周圍最近的零點(diǎn)像素之間的距離，返回的值保存了每一個(gè)非零點(diǎn)與最近零點(diǎn)的距離信息；在圖像上的體現(xiàn)為圖像上越亮的點(diǎn)，代表了離零點(diǎn)的距離越遠(yuǎn)。

void distanceTransform( 
InputArray src,  
OutputArray dst,
OutputArray labels,
int distanceType,
int maskSize,
int labelType=DIST_LABEL_CCOMP
);

參數(shù)說明

（1）src是單通道的8bit的二值圖像（只有0或1）

（2）dst表示的是計(jì)算距離的輸出圖像，可以使單通道32bit浮點(diǎn)數(shù)據(jù)

（3）distanceType表示的是選取距離的類型，可以設(shè)置為CV_DIST_L1,CV_DIST_L2,CV_DIST_C等，具體如下：

DIST_USER	User defined distance
DIST_L1=1	distance = \|x1-x2\| + \|y1-y2
DIST_L2	the simple euclidean distance
DIST_C	distance = max(\|x1-x2\|,\|y1-y2\|)
DIST_L12	L1-L2 metric: distance =2(sqrt(1+x*x/2) - 1))
DIST_FAIR	distance = c^2(\|x\|/c-log(1+\|x\|/c)),c = 1.3998
DIST_WELSCH	distance = c2/2(1-exp(-(x/c)2)), c= 2.9846
DIST_HUBER	distance = \|x\|<c ? x^2/2 :c(\|x\|-c/2), c=1.345

（4）maskSize表示的是距離變換的掩膜模板，可以設(shè)置為3，5或CV_DIST_MASK_PRECISE，對(duì) CV_DIST_L1 或CV_DIST_C 的情況，參數(shù)值被強(qiáng)制設(shè)定為 3, 因?yàn)?×3 mask 給出5×5 mask 一樣的結(jié)果，而且速度還更快。

DIST_MASK_3	mask=3
DIST_MASK_5	mask=5
DIST_MASK-PRECISE

（5）labels表示可選輸出2維數(shù)組；

（6）labelType表示的是輸出二維數(shù)組的類型,8位或者32位浮點(diǎn)數(shù)，圖像是單一通道，并且大小與輸入圖像一致

watershed 分水嶺函數(shù)API接口

void watershed( InputArray image, InputOutputArray markers );

參數(shù)說明

（1）參數(shù) image，必須是一個(gè)8bit3通道彩色圖像矩陣序列。

（2）輸入或輸出32位單通道的標(biāo)記，和圖像一樣大小。（輸入高峰輪廓標(biāo)記）；在執(zhí)行分水嶺函數(shù)watershed之前，必須對(duì)第二個(gè)參數(shù)markers進(jìn)行處理，它應(yīng)該包含不同區(qū)域的輪廓，每個(gè)輪廓有一個(gè)自己唯一的編號(hào)，輪廓的定位可以通過Opencv中findContours方法實(shí)現(xiàn)，這個(gè)是執(zhí)行分水嶺之前的要求。

算法會(huì)根據(jù)markers傳入的輪廓作為種子（也就是所謂的注水點(diǎn)），對(duì)圖像上其他的像素點(diǎn)根據(jù)分水嶺算法規(guī)則進(jìn)行判斷，并對(duì)每個(gè)像素點(diǎn)的區(qū)域歸屬進(jìn)行劃定，直到處理完圖像上所有像素點(diǎn)。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。

代碼實(shí)現(xiàn)

1、將白色背景改為黑色，為后面的變換做準(zhǔn)備；

2、使用filter2D與Laplace算子實(shí)現(xiàn)圖像對(duì)比度的提高；sharpen銳化

3、通過threshold()轉(zhuǎn)換為二值圖像；

4、距離變換；

5、對(duì)距離變換的結(jié)果歸一化到0-1之間；

6、使用閾值，再次二值化，得到標(biāo)記；

7、腐蝕（erode）得到每個(gè)Peak；（peak : 山峰，山頂）

8、發(fā)現(xiàn)輪廓findContours；

9、繪制輪廓；

10、分水嶺變換；

11、對(duì)每個(gè)分割區(qū)域著色輸出結(jié)果；

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
 
using namespace std;
using namespace cv;
 
int main(int argc, char** argv) {
	char input_win[] = "input image";
	char watershed_win[] = "watershed segmentation demo";
	Mat src = imread("D:/vcprojects/images/cards.png");
	// Mat src = imread("D:/kuaidi.jpg");
	if (src.empty()) {
		printf("could not load image...\n");
		return -1;
	}
	namedWindow(input_win, CV_WINDOW_AUTOSIZE);
	imshow(input_win, src);
	// 1. change background
	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;
			}
		}
	}
	namedWindow("black background", CV_WINDOW_AUTOSIZE);
	imshow("black background", src);
 
	// sharpen
	Mat kernel = (Mat_<float>(3, 3) << 1, 1, 1, 1, -8, 1, 1, 1, 1);
	Mat imgLaplance;
	Mat sharpenImg = src;
	filter2D(src, imgLaplance, CV_32F, kernel, Point(-1, -1), 0, BORDER_DEFAULT);
	src.convertTo(sharpenImg, CV_32F);
	Mat resultImg = sharpenImg - imgLaplance;
 
	resultImg.convertTo(resultImg, CV_8UC3);
	imgLaplance.convertTo(imgLaplance, CV_8UC3);
	imshow("sharpen image", resultImg);
	// src = resultImg; // copy back
 
	// convert to binary
	Mat binaryImg;
	cvtColor(src, resultImg, CV_BGR2GRAY);
	threshold(resultImg, binaryImg, 40, 255, THRESH_BINARY | THRESH_OTSU);
	imshow("binary image", binaryImg);
 
	Mat distImg;
	distanceTransform(binaryImg, distImg, DIST_L1, 3, 5);
	normalize(distImg, distImg, 0, 1, NORM_MINMAX);
	imshow("distance result", distImg);
	
	// binary again
	threshold(distImg, distImg, .4, 1, THRESH_BINARY);
	Mat k1 = Mat::ones(13, 13, CV_8UC1);
	erode(distImg, distImg, k1, Point(-1, -1));
	imshow("distance binary image", distImg);
 
	// markers 
	Mat dist_8u;
	distImg.convertTo(dist_8u, CV_8U);
	vector<vector<Point>> contours;
	findContours(dist_8u, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point(0, 0));
 
	// create makers
	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::all(static_cast<int>(i) + 1), -1);
	}
	circle(markers, Point(5, 5), 3, Scalar(255, 255, 255), -1);
	imshow("my markers", markers*1000);
 
	// perform watershed
	watershed(src, markers);
	Mat mark = Mat::zeros(markers.size(), CV_8UC1);
	markers.convertTo(mark, CV_8UC1);
	bitwise_not(mark, mark, Mat());
	imshow("watershed image", mark);
 
	// generate random color
	vector<Vec3b> colors;
	for (size_t i = 0; i < contours.size(); i++) {
		int r = theRNG().uniform(0, 255);
		int g = theRNG().uniform(0, 255);
		int b = theRNG().uniform(0, 255);
		colors.push_back(Vec3b((uchar)b, (uchar)g, (uchar)r));
	}
 
	// fill with color and display final result
	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("Final Result", dst);
 
	waitKey(0);
	return 0;
}