C++中實現OpenCV圖像分割與分水嶺算法

Posted on by

分水嶺算法是一種圖像區域分割法，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，從而將在空間位置上相近並且灰度值相近的像素點互相連接起來構成一個封閉的輪廓，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 );

參數說明：

  • image: 必須是一個8bit 3通道彩色圖像矩陣序列
  • markers: 在執行分水嶺函數watershed之前，必須對第二個參數markers進行處理，它應該包含不同區域的輪廓，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，這個是執行分水嶺之前的要求。算法會根據markers傳入的輪廓作為種子（也就是所謂的註水點），對圖像上其他的像素點根據分水嶺算法規則進行判斷，並對每個像素點的區域歸屬進行劃定，直到處理完圖像上所有像素點。而區域與區域之間的分界處的值被置為“-1”，以做區分。

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。

CSDN圖標

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;
}

閾值後的圖像如下所示：

CSDN圖標

現在需要去除圖像中任何微小的白色噪聲。為此，我們可以使用形態開操作。為瞭去除物體上的任何小洞，我們可以使用形態閉操作。所以，現在我們可以確定的是，靠近物體中心的區域是前景，遠離物體的區域是背景。隻有我們不確定的區域是硬幣的邊界區域。

所以我們需要提取我們確定是硬幣的區域。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，那就可以瞭。但是由於它們彼此接觸，另一個好的選擇是找到距離變換並應用適當的閾值。接下來我們需要找到我們確信不是硬幣的區域。為此，我們擴展瞭結果。膨脹將物體邊界增加到背景。通過這種方式，我們可以確保結果中的任何背景區域都是真正的背景，因為邊界區域。

CSDN圖標

剩下的區域是我們不知道的，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);

看到結果。在閾值圖像中，我們得到瞭一些區域的硬幣，我們確定這些硬幣是獨立的。(在某些情況下，你可能隻對前景分割感興趣，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，隻要侵蝕就足夠瞭。侵蝕隻是提取前景區域的另一種方法，僅此而已。)

CSDN圖標 CSDN圖標

現在我們可以確定哪些是硬幣區域，哪些是背景等等。因此我們創建瞭marker(它是一個與原始圖像大小相同的數組，但是使用int32數據類型)，並在其中標記區域。我們確定的區域(無論是前景還是背景)被標記為任何正整數，但是不同的整數，而我們不確定的區域則被保留為0。為此，我們使用瞭connectedComponents()。它用0標記圖像的背景，然後用從1開始的整數標記其他對象。

但是我們知道，如果將background標記為0,watershed將認為它是未知區域。所以我們要用不同的整數來標記它。相反，我們將標記未知區域，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);

現在我們的標記圖像準備好瞭。到瞭最後一步，應用分水嶺。然後修改標記圖像。邊界區域將標記為-1。

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

參見下面的結果。對於一些硬幣，它們接觸的區域被正確分割，而對於另一些硬幣，它們沒有被分割。

CSDN圖標 CSDN圖標

到此這篇關於C++中實現OpenCV圖像分割與分水嶺算法的文章就介紹到這瞭,更多相關OpenCV圖像分割與分水嶺算法內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：