OpenCV與圖像處理學習十一——分水嶺算法（含代碼）

• 一、分水嶺算法概要
• 二、分水嶺算法步驟
• 三、代碼應用

一、分水嶺算法概要

任意的灰度圖像可以被看做是地質學表面，高亮度的地方是山峰，低亮度的地方是山谷。

給每個孤立的山谷（局部最小值）不同顏色的水（標簽），當水漲起來，根據周圍的山峰（梯度），不同的山谷也就是不同的顏色會開始合并，要避免山谷合并，需要在水要合并的地方建立分水嶺，直到所有山峰都被淹沒，所創建的分水嶺就是分割邊界線，這個就是分水嶺的原理。

二、分水嶺算法步驟

將白色背景變成黑色背景——目的是為了后面的變換做準備

使用filter2D與拉普拉斯算子實現圖像對比度的提高

轉為二值圖像

距離變換

對距離變換結果進行歸一化[0-1]之間

使用閾值，在此二值化，得到標記

腐蝕每個peak erode

發現輪廓 findContours

繪制輪廓 drawContours

分水嶺變換 watershed

對每個分割區域著色輸出結果

三、代碼應用

""" 完成分水嶺算法步驟： 1、加載原始圖像 2、閾值分割，將圖像分割為黑白兩個部分 3、對圖像進行開運算，即先腐蝕在膨脹 4、對開運算的結果再進行 膨脹，得到大部分是背景的區域 5、通過距離變換 Distance Transform 獲取前景區域 6、背景區域sure_bg 和前景區域sure_fg相減，得到即有前景又有背景的重合區域 7、連通區域處理 8、最后使用分水嶺算法 """import cv2 import numpy as np# Step1. 加載圖像 img = cv2.imread('image/yezi.jpg') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # Step2.閾值分割，將圖像分為黑白兩部分 ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU) cv2.imshow("thresh", thresh)# Step3. 對圖像進行“開運算”，先腐蝕再膨脹 kernel = np.ones((3, 3), np.uint8) opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=2) cv2.imshow("opening", opening)# Step4. 對“開運算”的結果進行膨脹，得到大部分都是背景的區域 sure_bg = cv2.dilate(opening, kernel, iterations=3) cv2.imshow("sure_bg", sure_bg)# Step5.通過distanceTransform獲取前景區域 dist_transform = cv2.distanceTransform(opening, cv2.DIST_L2, 5) # DIST_L1 DIST_C只能 對應掩膜為3 DIST_L2 可以為3或者5 ret, sure_fg = cv2.threshold(dist_transform, 0.1 * dist_transform.max(), 255, 0)cv2.imshow("sure_fg", sure_fg)# Step6. sure_bg與sure_fg相減,得到既有前景又有背景的重合區域 #此區域和輪廓區域的關系未知 sure_fg = np.uint8(sure_fg) unknow = cv2.subtract(sure_bg, sure_fg) cv2.imshow("unknow", unknow)# Step7. 連通區域處理 ret, markers = cv2.connectedComponents(sure_fg, connectivity=8) # 對連通區域進行標號 序號為 0 - N-1 markers = markers + 1 # OpenCV 分水嶺算法對物體做的標注必須都 大于1 ，背景為標號 為0 因此對所有markers 加1 變成了 1 - N # 去掉屬于背景區域的部分（即讓其變為0，成為背景） # 此語句的Python語法 類似于if ，“unknow==255” 返回的是圖像矩陣的真值表。 markers[unknow==255] = 0# Step8.分水嶺算法 markers = cv2.watershed(img, markers) # 分水嶺算法后，所有輪廓的像素點被標注為 -1 print(markers)img[markers == -1] = [0, 0, 255] # 標注為-1 的像素點標 紅 cv2.imshow("dst", img) cv2.waitKey(0) cv2.destroyAllWindows()

原圖為：

使用大津閾值法二值化后的結果：

開運算消除一些噪聲（本例不明顯）：

做膨脹操作，那么得到的背景區域一定是背景區域：

做距離變換操作（或腐蝕），那么得到的前景一定為真正的前景：

中間是既有前景又有背景的重合區域，此區域和輪廓區域的關系未知：

分水嶺算法之后的效果為：

總結

以上是生活随笔為你收集整理的OpenCV与图像处理学习十一——分水岭算法（含代码）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。