前言
在这里我们不硬啃原理（原理可参考Opencv[人民邮电出版社出版]）。
一.漫水填充法原理
漫水填充法是图像处理中进行图像分割的重要方法，其原理是根据像素灰度值之间的差值寻找相同区域以实现分割。
二. 漫水填充法的步骤
2.1 选择种子点（x,y）
2.2 以种子点为中心，判断 4-邻域或者8-邻域的像素值与种子点像素值的差值，将差值小于阈值的像素点添加进区域内
2.3 将新加入的像素点作为新的种子点，反复执行第二步，直到没有新的像素点被添加进该区域为止\
三.参数解析：
floodFill(image, mask, seedPoint, newVal, loDiff=None, upDiff=None, flags=None)
image： 可以是单通道或三通道
mask： 掩码矩阵，尺寸比输入图像宽和高各大2的单通道图像，用于标记填充区域。
seedPoint: 种子点
newVal： 归入种子点区域的最小矩阵
loDiff： 添加进种子点区域条件的下界差值
upDiff: 添加种子点区域条件的上界差值，当种子点像素值与邻域某像素点的像素值的差值小于该值时，该像素点被添加进种子点所在的区域
flags：漫水填充法的操作标志。
四.设计步骤
4.1 读取图像
4.2 生成随机数，用于随机生成像素
4.3 确定连通域方式
4.4 掩码图像的数值
4.5 设置于选中像素点的差值
4.6 随机产生图像中的某一点像素
4.7 彩色图像中填充的像素值
4.8 漫水填充函数\
五.demo
程序和设计步骤中有部分出入，单还是可以完成。
import random import cv2 as cv import numpy as np # def fill_image(image): copyImage = image.copy() # 复制原图像 h, w = image.shape[:2] # 读取图像的宽和高 mask = np.zeros([h + 2, w + 2], np.uint8) # 新建图像矩阵 +2是官方函数要求 px = random.randint(0, h) py = random.randint(0, w) print("px", px, "py", px) cv.floodFill(copyImage, mask, (px, py), (255, 0, 0), (100, 100, 50), (50, 50, 50), flags=4 | (255 << 8) | cv.FLOODFILL_FIXED_RANGE) mask_copy = mask[1:h + 1, 1:w + 1] # 把掩码中的数值取出来大小和原图一样,这样才能和原图进行运算,注意掩码的取值范围从1到h/w+1 mask_copy = cv.merge([mask_copy, mask_copy, mask_copy]) # 要进行图像操作通道数目要一致,用merge函数合并出一个三通道图像 src = cv.bitwise_and(image, mask_copy) # 两个图像相与,mask中非标记区域为0与出来的结果也是0,起到屏蔽作用 cv.namedWindow("fill", cv.WINDOW_NORMAL) cv.imshow("fill", copyImage) # 显示填充过后的图像 cv.namedWindow("and", cv.WINDOW_NORMAL) # cv.imshow("and", image) return src src = cv.imread("0.jpg") # 读取图片 cv.namedWindow("raw", cv.WINDOW_NORMAL) # 设置框体大小和名字 cv.imshow("raw", fill_image(src)) cv.waitKey(0) cv.destroyAllWindows()
