Android OpenCV（四十二）：图像分割（分水岭法）

分水岭算法的整个过程：

1. 把梯度图像中的所有像素按照灰度值进行分类，并设定一个测地距离阈值。
2. 找到灰度值最小的像素点（默认标记为灰度值最低点），让threshold从最小值开始增长，这些点为起始点。
3. 水平面在增长的过程中，会碰到周围的邻域像素，测量这些像素到起始点（灰度值最低点）的测地距离，如果小于设定阈值，则将这些像素淹没，否则在这些像素上设置大坝，这样就对这些邻域像素进行了分类。
4. 随着水平面越来越高，会设置更多更高的大坝，直到灰度值的最大值，所有区域都在分水岭线上相遇，这些大坝就对整个图像像素的进行了分区。

用上面的算法对图像进行分水岭运算，由于噪声点或其它因素的干扰，可能会得到密密麻麻的小区域，即图像被分得太细（over-segmented，过度分割），这因为图像中有非常多的局部极小值点，每个点都会自成一个小区域。

其中的解决方法：

1. 对图像进行高斯平滑操作，抹除很多小的最小值，这些小分区就会合并。
2. 不从最小值开始增长，可以将相对较高的灰度值像素作为起始点（需要用户手动标记），从标记处开始进行淹没，则很多小区域都会被合并为一个区域，这被称为基于图像标记(mark)的分水岭算法

API

public static void watershed(Mat image, Mat markers)

• 参数一：image，输入图像，必须是CV_8U三通道图像。
• 参数二：markers，输入/输出32位单通道图像的标记结果。必须与image大小相同。 在将图像传递给第二个参数之前，必须使用大于0的整数索引在图像中粗略标记出所需分割的区域。 因此，每个标记区域表示一个或多个连接分量，像素值分别用1、2、3等来表示。 我们可以通过使用findContours和drawContours从二值掩码中检索此类标记。 标记是图像处理过程中的“种子”。标记图像中所有没有被标记的像素值为0。在输出图像中，两个区域之间的分割线用-1表示。

操作

/**

• 图像分割–分水岭法
• author: yidong
• 2020/11/9
  */
  class WaterShedActivity : AppCompatActivity() {

private val mBinding: ActivityWaterShedBinding by lazy {
ActivityWaterShedBinding.inflate(
layoutInflater
)
}
private lateinit var mRgb: Mat
private lateinit var mGray: Mat

override fun onCreate(savedInstanceState: Bundle?) {
super.onCreate(savedInstanceState)
setContentView(mBinding.root)

mRgb = Mat()
mGray = Mat()
val bgr = Utils.loadResource(this, R.drawable.contourpoly)
Imgproc.cvtColor(bgr, mRgb, Imgproc.COLOR_BGR2RGB)
Imgproc.cvtColor(bgr, mGray, Imgproc.COLOR_BGR2GRAY)

mBinding.ivLena.showMat(mGray)

GlobalScope.launch(Dispatchers.IO) {
doWaterShed()
}
}

private fun doWaterShed() {
mBinding.progressBar.setVisible()
val markers = Mat(
mRgb.size(),
CvType.CV_32S,
Scalar.all(0.0)
)
// Imgproc.GaussianBlur(mGray, mGray, Size(13.0, 13.0), 4.0, 4.0
val binary = Mat()
Imgproc.threshold(
mGray,
binary,
20.0,
255.0,
Imgproc.THRESH_BINARY and Imgproc.THRESH_OTSU
)
mBinding.ivResult.showMat(binary)
val contours = mutableListOf()
val hierarchy = Mat()
Imgproc.findContours(
binary,
contours,
hierarchy,
Imgproc.RETR_TREE,
Imgproc.CHAIN_APPROX_SIMPLE
)

for (i in 0 until contours.size) {
Imgproc.drawContours(
markers,
contours,
i,
Scalar.all(i + 1.toDouble()),
-1,
Imgproc.LINE_8,
hierarchy,
Int.MAX_VALUE
)
}

Imgproc.watershed(mRgb, markers)

val colors = mutableListOf()
for (k in 0 until contours.size) {
val r = Random.nextInt(0, 255)
val g = Random.nextInt(0, 255)
val b = Random.nextInt(0, 255)
val scalar = doubleArrayOf(r.toDouble(), g.toDouble(), b.toDouble())
colors.add(scalar)
}

val resultImg = Mat(mGray.size(), CvType.CV_8UC3)
for (i in 0 until markers.rows()) {
for (j in 0 until markers.cols()) {
val index = markers.get(i, j)[0].toInt()

最后

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数初中级Android工程师，想要提升技能，往往是自己摸索成长，自己不成体系的自学效果低效漫长且无助。

因此我收集整理了一份《2024年Android移动开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Android开发知识点！不论你是刚入门Android开发的新手，还是希望在技术上不断提升的资深开发者，这些资料都将为你打开新的学习之门

如果你觉得这些内容对你有帮助，需要这份全套学习资料的朋友可以戳我获取！！

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新！
有帮助，需要这份全套学习资料的朋友可以戳我获取！！**](https://bbs.csdn.net/topics/618165277)

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新！