OpenCV與圖像處理學(xué)習(xí)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(yīng)用

一、分水嶺算法概要

任意的灰度圖像可以被看做是地質(zhì)學(xué)表面，高亮度的地方是山峰，低亮度的地方是山谷。

給每個(gè)孤立的山谷（局部最小值）不同顏色的水（標(biāo)簽），當(dāng)水漲起來(lái)，根據(jù)周?chē)纳椒?#xff08;梯度），不同的山谷也就是不同的顏色會(huì)開(kāi)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(méi)，所創(chuàng)建的分水嶺就是分割邊界線(xiàn)，這個(gè)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(zhǔn)備

使用filter2D與拉普拉斯算子實(shí)現(xiàn)圖像對(duì)比度的提高

轉(zhuǎn)為二值圖像

距離變換

對(duì)距離變換結(jié)果進(jìn)行歸一化[0-1]之間

使用閾值，在此二值化，得到標(biāo)記

腐蝕每個(gè)peak erode

發(fā)現(xiàn)輪廓 findContours

繪制輪廓 drawContours

分水嶺變換 watershed

對(duì)每個(gè)分割區(qū)域著色輸出結(jié)果

三、代碼應(yīng)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(gè)部分 3、對(duì)圖像進(jìn)行開(kāi)運(yùn)算，即先腐蝕在膨脹 4、對(duì)開(kāi)運(yùn)算的結(jié)果再進(jìn)行 膨脹，得到大部分是背景的區(qū)域 5、通過(guò)距離變換 Distance Transform 獲取前景區(qū)域 6、背景區(qū)域sure_bg 和前景區(qū)域sure_fg相減，得到即有前景又有背景的重合區(qū)域 7、連通區(qū)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(duì)圖像進(jìn)行“開(kāi)運(yùn)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(duì)“開(kāi)運(yùn)算”的結(jié)果進(jìn)行膨脹，得到大部分都是背景的區(qū)域 sure_bg = cv2.dilate(opening, kernel, iterations=3) cv2.imshow("sure_bg", sure_bg)# Step5.通過(guò)distanceTransform獲取前景區(qū)域 dist_transform = cv2.distanceTransform(opening, cv2.DIST_L2, 5) # DIST_L1 DIST_C只能 對(duì)應(yīng)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(qū)域 #此區(qū)域和輪廓區(qū)域的關(guān)系未知 sure_fg = np.uint8(sure_fg) unknow = cv2.subtract(sure_bg, sure_fg) cv2.imshow("unknow", unknow)# Step7. 連通區(qū)域處理 ret, markers = cv2.connectedComponents(sure_fg, connectivity=8) # 對(duì)連通區(qū)域進(jìn)行標(biāo)號(hào) 序號(hào)為 0 - N-1 markers = markers + 1 # OpenCV 分水嶺算法對(duì)物體做的標(biāo)注必須都 大于1 ，背景為標(biāo)號(hào) 為0 因此對(duì)所有markers 加1 變成了 1 - N # 去掉屬于背景區(qū)域的部分（即讓其變?yōu)?，成為背景） # 此語(yǔ)句的Python語(yǔ)法 類(lèi)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(diǎn)被標(biāo)注為 -1 print(markers)img[markers == -1] = [0, 0, 255] # 標(biāo)注為-1 的像素點(diǎn)標(biāo) 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(jié)果：

開(kāi)運(yùn)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(qū)域一定是背景區(qū)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(qū)域，此區(qū)域和輪廓區(qū)域的關(guān)系未知：

分水嶺算法之后的效果為：

總結(jié)

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?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。