OpenCV(四十一):图像分割-分水岭法

简介: OpenCV(四十一):图像分割-分水岭法

1.分水岭方法介绍

      OpenCV 提供了分水岭算法(Watershed Algorithm)的实现, 使用分水岭算法对图像进行分割,将图像的不同区域分割成互不干扰的区域。分水岭算法模拟了水在图像中的扩散和聚集过程,将标记的边界被看作是阻挡水扩散的高山,通过模拟水的扩散和聚集,最终确定图像的分割边界。

如图所示:水从山低蔓延,而高山阻止水扩散。

2.分水岭法分割图像函数watershed()

void cv::watershed ( InputArray   image,

InputOutputArray markers

  • image:输入图像,数据类型为CV_8U的三通道图像
  • markers:输入/输出CV_32S通道图像的标记结果,与原图像具有相同的尺寸

示例代码:

      基于标记图像中画的线来对原图像进行分割。

void  watershed_f(Mat mat,Mat mat2){//mat原图像  mat2含有标记的图像
    // 把四通道原图像转换成三通道
    Mat image;
    cv::cvtColor(mat, image, cv::COLOR_BGRA2BGR);
    Mat imgGray,imgMask,img_;
    Mat maskWaterShed;//watershed()函数的参数
    //对标记的图像进行灰度化
    Mat image2;
    cvtColor(mat2,imgGray,COLOR_BGR2GRAY);
    //对标记的图像二值化并开运算,可得到标记画的线
    threshold(imgGray,imgMask,250,255,THRESH_BINARY);
    Mat k= getStructuringElement(0,Size(3,3));
    morphologyEx(imgMask,imgMask,MORPH_OPEN,k);
    //显示二值化并开运算的结果
    imwrite("/sdcard/DCIM/imgMask2.png",imgMask);
    //对二值化后的标记图像进行轮廓检测,可得到画的线的轮廓
    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;
    findContours(imgMask,contours,hierarchy,RETR_TREE,CHAIN_APPROX_SIMPLE,Point());
    //在maskWaterShed上绘制出上面得到的轮廓
    maskWaterShed=Mat::zeros(imgMask.size(),CV_32S);
    for(int index=0;index<contours.size();index++){
        drawContours(maskWaterShed,contours,index,Scalar::all(index+1),2,8);
    }
    //分水岭算法 需要对原图像进行处理
    watershed(image,maskWaterShed);
    //显示分水岭算法分割的每个区域
    imwrite("/sdcard/DCIM/maskWaterShed2.png",maskWaterShed);
  
    //随机生成几种颜色
    vector<Vec3b> colors;
    for(int 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));
    }
    //给分水岭算法分割的每个区域添加颜色
    Mat resultImg=Mat(image2.size(),CV_8UC3);
    for(int i=0;i<imgMask.rows;i++){
        for(int j=0;j<imgMask.cols;j++){
            //绘制每个区域的颜色
            int index=maskWaterShed.at<int>(i,j);
            if(index==-1)//区域间的值被置为-1(边界)
            {
                resultImg.at<Vec3b>(i,j)=Vec3b(255,255,255);
            }
            else if(index<=0||index>contours.size())//没有标记清楚的区域被置为0
            {
                resultImg.at<Vec3b>(i,j)=Vec3b(0,0,0);
            }else{
                resultImg.at<Vec3b>(i,j)=colors[index-1];
            }
        }
    }
    //显示给分水岭算法分割的每个区域添加颜色的结果
    imwrite("/sdcard/DCIM/resultImg2.png",resultImg);
    //分割的区域与原图像结合
    resultImg=resultImg*0.8+image*0.2;
    imwrite("/sdcard/DCIM/resultImg3.png",resultImg);
}

目录
相关文章
|
6月前
|
算法 计算机视觉
OpenCV(四十):图像分割—漫水填充
OpenCV(四十):图像分割—漫水填充
169 0
|
3月前
|
计算机视觉 C++
基于VS2019和Opencv4,对hsv颜色空间的图像分割原理以及实现
这篇文章介绍了基于HSV颜色空间的图像分割原理,包括HSV模型的基本概念和如何在OpenCV中通过设置HSV的色彩范围来实现图像中特定颜色的物体分割,并通过示例代码展示了在静态图像和视频流中进行颜色分割的方法。
基于VS2019和Opencv4,对hsv颜色空间的图像分割原理以及实现
|
缓存 API 计算机视觉
OpenCV-实现天空变换(图像分割)
OpenCV-实现天空变换(图像分割)
226 0
|
6月前
|
算法 计算机视觉
OpenCV4-图像分割-watershed(分水岭算法)
1.分水岭概念 分水岭法是根据像素灰度值之间的差值寻找相同区域以实现分割的算法。我们可以将灰度值理解成像素的高度,这样一张图像可以看成崎岖不平的地面或者山区。向地面低洼的地方倾倒一定量的水,水将会掩盖低于某个高度的区域。
135 0
|
6月前
|
算法 计算机视觉
OpenCV图像处理-图像分割-MeanShift
1. 基本概念 MeanShift严格说来并不是用来对图像进行分割的,而是在色彩层面的平滑滤波。它会中和色彩分布相近的颜色,平滑色彩细节,侵蚀掉面积较小的的颜色区域,它以图像上任意一点P为圆心,半径为sp,色彩幅值为sr进行不断地迭代。
126 0
|
算法 计算机视觉
数字图像处理OpenCV——实验三 图像分割实验
实验三 图像分割实验 实验项目名称:图像分割实验 (1) 进一步理解图像的阈值分割方法和边缘检测方法的原理。 (2) 掌握图像基本全局阈值方法和最大类间方差法(otsu法)的原理并编程实现。 (3) 编程实现图像的边缘检测。 编程实现图像阈值分割(基本全局阈值方法和otsu法)和边缘检测。 图像的二值化处理图像分割中的一个主要内容,就是将图像上的点的灰度置为0或255,也就是讲整个图像呈现出明显的黑白效果。用I表示原图,R表示二值化后的图,则二值化的过程可以用以下公式表示: thr表示选取的阈值。二值化的过
421 0
数字图像处理OpenCV——实验三 图像分割实验
|
机器学习/深度学习 计算机视觉 Python
【OpenCV图像处理14】图像分割与修复(上)
【OpenCV图像处理14】图像分割与修复(上)
106 0
|
算法 计算机视觉
【OpenCV图像处理14】图像分割与修复(下)
【OpenCV图像处理14】图像分割与修复(下)
181 0
|
1月前
|
计算机视觉
Opencv学习笔记(三):图像二值化函数cv2.threshold函数详解
这篇文章详细介绍了OpenCV库中的图像二值化函数`cv2.threshold`,包括二值化的概念、常见的阈值类型、函数的参数说明以及通过代码实例展示了如何应用该函数进行图像二值化处理,并展示了运行结果。
322 0
Opencv学习笔记(三):图像二值化函数cv2.threshold函数详解
|
2月前
|
算法 计算机视觉
opencv图像形态学
图像形态学是一种基于数学形态学的图像处理技术,它主要用于分析和修改图像的形状和结构。
49 4