分水岭算法流程:
经典的风水岭算法,分为 一下几步:
1 按像素值分层,即图像可分为256层,对图像像素排序
2 对每个像素层,首先将所有同一像素层标记设为-2 ,然后对该层像素点的邻域判断,若邻域内有被标记过的像素点,则将该像素点入栈,否则对该层像素点判断,若标记为-2,且8邻域内有像素点标记也为-2,则将该点和该邻域内的像素点设为同一标记,且该邻域点如栈,如此循环取得所有相邻的点都可标记为同一区域标记。
3. 对下一像素层进行像素点判断,同样判断该像素点的邻域内是否有被标记的点,若有,则该点入栈,否则执行1处理
4.对栈内像素对象进行判断,取该像素对象的邻域,若邻域内只有一个已被标记的像素点(不为分水岭),则该点被标记为已标记的点值,若一个标记点为分水岭,则该点也标记为分水岭。若有两个以上的被不同标记的点,则该点作为分水岭。
5 若栈内像素对象的邻域内,有一点同样为同层像素值的点,则将该点距离标记值加1,改点入栈。
**难点 curdist 这个距离参数,并没看懂他实际的意义。
mser算法详见达叔 mser算法 https://www.cnblogs.com/shangd/p/6164916.html
首先图像数据预处理,将8位单通道灰度图转为32位单通道图。其中最高位记录是否被发现,17-19位记录方向。
heap 水坑边界数组,当前位置像素高于邻域像素,入栈当前像素,作为边界
comp,记录水坑数据堆栈,包括像素灰度值,面积(像素个数和像素位置)等
当水位下降时新入栈,水位提高时出栈并可能与之前的合并
history,记录水位抬高的历史,就是一个小坑抬高水位后一点点变成大坑的历史。遍历时:
history主要是记录用来判断最大稳定极值区域的数据,没有遍历的作用。主要记录时刻有两种:提高水位到边界heap中的最小高度,提高水位到comp中上一项的高度。要记录灰度值,像素数,快捷指针,孩子指针,稳定时的像素数。
总结: 首先数据预处理,然后去像素点,作为水坑开始扫描邻域,若邻域像素高,则入栈水坑边界,否则当前点入栈水坑边界,邻域点入栈水坑,
首先将当前像素作为水坑,得到边界,然后邻域遍历完后,出栈边界,作为当前像素,并寻找邻域,如此反复,
在水坑水位有抬高或者降低时,记录到历史水位数组中。