Opencv学习——图像分割之分水岭算法

分水岭算法是比较经典的图像分割算法。最近看到一副区域检测和统计的图像，感觉可以通过分水岭算法进行实现，于是顺便对opencv的分水岭算法进行学习。如图需要分割的图像：

opencv有自带的分水岭分割示例，分割图像为硬币图像，如图：

由于示例是python的代码，没有C++的代码，所以打算先用C++实现示例中的功能，然后再对本文开头的图像进行分割。

---

基本步骤

1. 标记背景区域；
2. 标记前景和未知区域；
3. 合并标记图像；
4. 分水岭算法进行分割。

---

标记背景图像

基本操作：灰度化->阈值分割（OTSU）->形态学去噪->形态学膨胀得到背景图。

Mat src = imread("water_coins.jpg");
Mat frame;
cvtColor(src, frame, CV_BGR2GRAY);  //灰度化
Mat marker = frame.clone();
threshold(marker, frame, 0, 255, CV_THRESH_BINARY_INV | CV_THRESH_OTSU);    //阈值分割（OTSU）
//去除噪声,开运算
Mat element = getStructuringElement(MORPH_ELLIPSE, Size(3, 3));
morphologyEx(frame, frame, MORPH_OPEN, element, Point(-1, -1), 2);
//膨胀得到背景区域
Mat imgbg;
dilate(frame, imgbg, element, Point(-1, -1), 3);

---

标记前景图像

标记前景采用了距离变换函数：

C++: void distanceTransform(InputArray src, OutputArray dst, int distanceType, int maskSize, int dstType=CV_32F )

src – 8位单通道二值图像.
dst – 输出计算好的距离图像，8位或32位浮点型单通道图像 .
distanceType – 距离计算类型，包括曼哈顿距离，欧式距离等 .
maskSize – 距离变换掩膜尺寸 .
dstType – 输出图像类型. CV_8U or CV_32F. CV_8U只能用于CV_DIST_L1.

具体步骤：

//找前景
Mat imageThin(frame.size(), CV_32FC1); //定义保存距离变换结果的Mat矩阵  
distanceTransform(frame, imageThin, CV_DIST_L2, 5);  //距离变换 
normalize(imageThin, imageThin, 0, 255, CV_MINMAX);  //归一化利于显示
threshold(imageThin, imageThin, 200, 255, CV_THRESH_BINARY);

距离变换后效果图：

前景图：

---

标记未知区域

//找未知区域
imageThin.convertTo(imageThin, imgbg.type());
Mat unknown;
subtract(imgbg, imageThin, unknown); //图像相减

---

合并标记图像

Mat imglabels, imgstats, imgcentroid;
connectedComponentsWithStats(imageThin, imglabels, imgstats, imgcentroid);  //连通域标记

imglabels = imglabels + 100;    //背景区域像素为100

imglabels.convertTo(imglabels, CV_8U);
for (int i=0;i<unknown.rows;i++)
{
    uchar* ptr = unknown.ptr<uchar>(i);
    for (int j=0;j<unknown.cols;j++)
    {
        if (255==ptr[j])
        {
            imglabels.at<uchar>(i, j) = 0; //未知区域像素为0
        }
    }
}

imglabels.convertTo(imglabels, CV_32S); //图像类型转换

标记图像：

---

分水岭分割

watershed(src, imglabels);

分割后图像：

可以看到最后分割的效果，在某些地方由于硬币靠的太近分割效果不理想。后续可以通过圆检测等方式进行处理。

---

回到最初的气泡图，同样可以通过上述步骤进行分割，主要是得到标记图像，气泡图由于无法确定背景区域，所以在选定前景区域后，其他区域都设定为未知区域。最后分割的效果如图：