OpenCV笔记（三十二）基于距离变换与分水岭的图像分割

最新推荐文章于 2024-07-10 13:14:47 发布

Kratze-Jayue

最新推荐文章于 2024-07-10 13:14:47 发布

阅读量324

点赞数

分类专栏： # OpenCV图像处理文章标签：算法 opencv 计算机视觉 cv

本文链接：https://blog.csdn.net/Jayuee/article/details/105510175

版权

本文介绍了图像分割的重要性和OpenCV中实现图像分割的两种关键算法：距离变换和分水岭变换。详细阐述了距离变换的膨胀/腐蚀法和倒角距离法，以及分水岭变换的浸泡理论。通过API `distanceTransform` 和 `watershed` 的使用，展示了从图像预处理到最终的分水岭变换着色的完整流程。

摘要由CSDN通过智能技术生成

一、理论

1.图像分割

Image Segmentation

图像分割是图像处理最重要的处理手段之一
图像分割的目标是将图像中像素根据一定的规则分为若干(N)个cluster集合，每个集合包含一类像素。
根据算法分为监督学习方法和无监督学习方法，图像分割的算法多数都是无监督学习方法 - KMeans

2.距离变换

测试点多边形得到结果跟距离变换相似

距离变换常见算法有两种：

1. 不断膨胀/ 腐蚀得到

2. 基于倒角距离

3.分水岭变换

分水岭变换常见的算法: 基于浸泡理论实现

二、相关API

1.distanceTransform

距离变换

cv::distanceTransform(
    InputArray  src, 
    OutputArray dst,  
    OutputArray  labels,
    int  distanceType,
    int maskSize,
    int labelType=DIST_LABEL_CCOMP
	)

distanceType = DIST_L1/DIST_L2,
maskSize = 3x3	最新的支持5x5，推荐3x3、
labels	离散维诺图输出
dst		输出8位或者32位的浮点数，单一通道，大小与输入图像一致