什么是图像分割
- 将图像中像素根据一定的规则分为若干个cluster集合，每个集合包含一类对象
如下，将两匹马从图像背景中抠出来
分水岭算法
解释：分水岭算法，是一种基于拓扑理论的数学形态学的分割方法。分割图像时可以从图像中获取有用的信息。
基本思想：把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以可以通过模拟侵入过程来说明：在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢侵入水中，随着侵入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。
分水岭的计算步骤：
排序过程
淹没过程
说明：首先对每个像素的灰度级进行从低到高的排序，然后在从低到高实现淹没的过程中，对每一个局部极小值在h阶高度的影响采用先进先出（FIFO）结构进行判断及标注。分水岭变换得到的是输入图像的集水盆图像，集水盆之间的边界点，即为分水岭。
同理，分水岭算法首先计算灰度图像的梯度；可以很好的区分图像中的“山谷”或没有纹理的“盆地”（亮度值低的点）的形成是很有效的。然后开始从用户指定点（或算法得到的点）开始持续“灌注”盆地直到这些区域连成一片。
1、实现分水岭算法：watershed()函数
函数watershed实现的分水岭算法是基于标记的分割算法中的一种。在把图像传给函数之前，需要大致勾画标记出图像中的期望进行分割的区域，被标记为正指数。每一个区域都会标记为像素值1，2，3，4等。表示成为一个或多个连接组件。这些标记的值可以使用findContours()函数和drawContours()函数由二进制的掩码检索出来。这些标记就是即将绘制出来的分割区域的“种子”，而没有标记清楚的区域，被置为0。在函数输出中，每一个标记中的像素被设置为“种子”的值，而区域间的值被设置为-1。
void watershed(InputArray image,InputOutputArray markers)
- 第一个参数：输入图像，即源图像。填Mat类的对象即可，且需为8位三通道的彩色图像
- 第二个参数：函数调用后的运算结构存在这里，输入/输出32单通道图像的标记结果。即这个参数用于存放函数调用后的输出结果，需要和源图片有一样的尺寸和类型
2、处理流程（视频）
将白色背景变成黑色 - 为后面的变换做准备
src = imread("E://Pec//fenshui.jpg"); imshow(WINDOW_NAME, src); //修改背景 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 backgroud", CV_WINDOW_AUTOSIZE); //imshow("black backgroud", src);
使用filter2D与拉普拉斯算子实现图像对比度提高
//锐化,清晰边缘 Mat kernel = (Mat_<float>(3, 3) << 1, 1, 1, 1, -8, 1, 1, 1, 1); Mat imgLaplance; Mat sharpImage = src; filter2D(src, imgLaplance, CV_32F, kernel, Point(-1, -1), 0, BORDER_DEFAULT); src.convertTo(sharpImage, CV_32F); Mat result = sharpImage - imgLaplance; //数据类型之间的转换 result.convertTo(result, CV_8UC3); imgLaplance.convertTo(imgLaplance, CV_8UC3); //imshow("sharpImage", result);
转换为二值图像
//二值图像变换 Mat binaryImag; //灰度转换 cvtColor(src, result, CV_BGR2GRAY); threshold(result, binaryImag, 40, 255, THRESH_BINARY | THRESH_OTSU); //imshow("二值化图像", binaryImag);
距离变换
//二值距离变换 Mat distImage; distanceTransform(binaryImag, distImage, DIST_L2, 3);
对距离变换的结果进行归一化到[0~1]之间
//0-归一化上限，1-归一化下限。归一化标量：映射到[a,b]范围 normalize(distImage, distImage, 0, 1, NORM_MINMAX);
使用阈值，再次二值化，得到标记
threshold(distImage, distImage, .4, 1, THRESH_BINARY ); //imshow("距离变换后-二值化", distImage);
腐蚀得到每个Peak - erode
//二值腐蚀 Mat kl = Mat::ones(3, 3, CV_8UC1); erode(distImage, distImage, kl , Point(-1, -1)); imshow("腐蚀之后", distImage);
发现轮廓 - drawContours
//掩膜 Mat dist_8u; distImage.convertTo(dist_8u, CV_8U); vector<vector<Point>>contours; findContours(dist_8u, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point(0, 0)); Mat markers = Mat::zeros(src.size(), CV_32SC1); //循环绘制轮廓 for (size_t i= 0; i<contours.size(); i++) drawContours(markers, contours, static_cast<int>(i), Scalar(static_cast<int>(i)+1),-1); circle(markers, Point(3, 3), 3, Scalar(255, 255, 255), -1); //imshow("markers", markers*1000);
分水岭变换
//分水岭变换 watershed(src, markers); //双层循环，将分水岭图像遍历存入mark中 Mat mark(markers.size(), CV_8UC1); markers.convertTo(mark, CV_8UC1); //取反 bitwise_not(mark, mark, Mat()); imshow("分水岭变换", mark);
对每个分割区域着色输出结果
vector<Vec3b> colors; for (size_t i = 0; i <contours.size(); i++) { int b = theRNG().uniform(0, 255); int g = theRNG().uniform(0, 255); int r = theRNG().uniform(0, 255); colors.push_back(Vec3b((uchar)b, (uchar)g, (uchar)r)); } //双层循环，将分水岭图像遍历存入dst中 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); } //混合灰度图和分水岭效果图并显示最终的窗口 //dst = dst * 0.5 + grayImage * 0.5; imshow("最后效果图",dst);
效果图：
3、示例程序（书中）
#include<opencv2/opencv.hpp> #include<opencv2/imgproc/imgproc.hpp> #include<opencv2/highgui/highgui.hpp> #include<iostream> using namespace std; using namespace cv; #define WINDOW_NAME "【程序窗口1】" Mat g_maskImage, g_srcImage; Point prevPt(-1, -1); static void ShowHelpText(); static void on_Mouse(int event, int x, int y, int flags, void *); int main() { system("color 1F"); ShowHelpText(); g_srcImage = imread("E://Pec//shan.jpg"); imshow(WINDOW_NAME, g_srcImage); Mat srcImage, grayImage; g_srcImage.copyTo(srcImage); //从RBG和BGR颜色空间转换到灰度空间 cvtColor(g_srcImage, g_maskImage, COLOR_BGR2GRAY); //imshow("g_maskImage", g_maskImage); //从灰度空间转换到RGB和BGR颜色空间 cvtColor(g_maskImage, grayImage, COLOR_GRAY2BGR); //imshow("grayImage", grayImage); g_maskImage = Scalar::all(0); //设置鼠标回调函数 setMouseCallback(WINDOW_NAME, on_Mouse, 0); while (1) { int c = waitKey(0); if ((char)c == 27) break; //按键2按下时，恢复源图 if ((char)c == 2) { g_maskImage = Scalar::all(0); srcImage.copyTo(g_srcImage); imshow("image", g_srcImage); } //若检测到按键为1或者空格，则进行处理 if ((char)c == '1' || (char)c == ' ') { int i, j, compCount = 0; vector<vector<Point>>contours; vector<Vec4i>hierarchy; //寻找轮廓 findContours(g_maskImage, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE); //若是轮廓为空 if (contours.empty()) continue; //复制掩膜 Mat maskImage(g_maskImage.size(), CV_32S); maskImage = Scalar::all(0); //循环绘制轮廓 for (int index = 0; index >= 0; index = hierarchy[index][0], compCount++) drawContours(maskImage, contours, index, Scalar::all(compCount + 1), -1, 8, hierarchy, INT_MAX); //compCOunt为0时 if (compCount == 0) continue; //生成随机颜色 vector<Vec3b> colorTab; for (i = 0; i < compCount; i++) { int b = theRNG().uniform(0, 255); int g = theRNG().uniform(0, 255); int r = theRNG().uniform(0, 255); colorTab.push_back(Vec3b((uchar)b, (uchar)g, (uchar)r)); } //计算处理时间并输出到窗口 double dTime = (double)getTickCount(); watershed(srcImage, maskImage); dTime = (double)getTickCount() - dTime; printf("\t处理时间 =%gms\n", dTime*100. / getTickFrequency()); //双层循环，将分水岭图像遍历存入watershedImage中 Mat watershedImage(maskImage.size(), CV_8UC3); for(i=0;i<maskImage.rows;i++) for (j = 0; j < maskImage.cols; j++) { int index = maskImage.at<int>(i, j); if (index == -1) watershedImage.at<Vec3b>(i, j) = Vec3b(255, 255, 255); else if (index <= 0 || index > compCount) watershedImage.at<Vec3b>(i, j) = Vec3b(0, 0, 0); else watershedImage.at<Vec3b>(i, j) = colorTab[index-1]; } //混合灰度图和分水岭效果图并显示最终的窗口 watershedImage = watershedImage * 0.5 + grayImage * 0.5; imshow("watershed tandsform", watershedImage); } } return 0; } static void on_Mouse(int event, int x, int y, int flags, void *) { //处理鼠标步骤窗口中的情况 if (x < 0 || x >= g_srcImage.cols || y < 0 || y >= g_srcImage.rows) return; //处理鼠标相关信息 if (event == EVENT_LBUTTONUP || !(flags & EVENT_FLAG_LBUTTON)) prevPt = Point(-1, -1); else if (event == EVENT_LBUTTONDOWN) { prevPt = Point(x, y); } //鼠标左键按下并移动，绘制出白色线条 else if (event == EVENT_MOUSEMOVE && (flags & EVENT_FLAG_LBUTTON)) { Point pt(x, y); if (prevPt.x < 0) prevPt = pt; line(g_maskImage, prevPt, pt, Scalar::all(255), 5, 8, 0); line(g_srcImage, prevPt, pt, Scalar::all(255), 5, 8, 0); prevPt = pt; imshow(WINDOW_NAME, g_srcImage); } } static void ShowHelpText() { cout << "\n\t欢迎来到【分水岭算法】示例程序" << endl; cout << "\t\t请先用鼠标在窗口标记出大致的区域" << endl; cout << "\t\t然后按键【1】或者【空格】启动算法" << endl; cout << "\t\t按键操作如下：" << endl; cout << "\t\t\t按下按键【1】或者【空格】--运行分水岭分割算法" << endl; cout << "\t\t\t按下按键【2】--恢复原始图片" << endl; cout << "\t\t\t按下按键【ESC】--退出程序" << endl; }
