OpenCV图像分割与分水岭算法(C++)

我们将一个如何使用距离变换和分水岭分割相互接触的物体的例子。

考虑一下下面的硬币图像，这些硬币相互接触。即使你去阈值化它，它也会互相碰触。

我们从找到硬币的大概估计值开始。为此，我们可以利用大津的二值化。

#include<iostream>
#include<opencv2\opencv.hpp>

using namespace std;
using namespace cv;

int main() {
	Mat gray, thresh;
	Mat img = imread("coins.jpg");
	cvtColor(img, gray, COLOR_BGR2GRAY);
	threshold(gray, thresh, 0, 255, THRESH_BINARY_INV+CV_THRESH_OTSU);

	imshow("Otst阈值图像", thresh);
	waitKey(0);
	return 0;
}

阈值后的图像如下所示：

现在需要去除图像中任何微小的白色噪声。为此，我们可以使用形态开操作。为了去除物体上的任何小洞，我们可以使用形态闭操作。所以，现在我们可以确定的是，靠近物体中心的区域是前景，远离物体的区域是背景。只有我们不确定的区域是硬币的边界区域。

所以我们需要提取我们确定是硬币的区域。侵蚀去除边界像素。所以不管剩下多少，我们都能确定是硬币。如果物体不互相接触，那就可以了。但是由于它们彼此接触，另一个好的选择是找到距离变换并应用适当的阈值。接下来我们需要找到我们确信不是硬币的区域。为此，我们扩展了结果。膨胀将物体边界增加到背景。通过这种方式，我们可以确保结果中的任何背景区域都是真正的背景，因为边界区域。

剩下的区域是我们不知道的，无论是硬币还是背景。分水岭算法应该能找到它。这些区域通常围绕着硬币的边界，也就是前景和背景相遇的地方(甚至是两个不同的硬币相遇的地方)。我们称之为边界。用sure_fg 面积减去sure_bg面积可得。

Mat opening; Mat sure_bg;
Mat sure_fg; Mat unknow;
Mat dist_transform;
double maxValue;
// noise removal
Mat kernel = Mat::ones(3, 3, CV_8U);
morphologyEx(thresh, opening, MORPH_OPEN, kernel);

// sure background area
dilate(opening, sure_bg, kernel, Point(-1, -1), 3);

// Finding sure foreground area
distanceTransform(opening, dist_transform, DIST_L2, 5);
minMaxLoc(dist_transform, 0, &maxValue, 0, 0);
threshold(dist_transform, sure_fg, 0.7*maxValue, 255, 0);

// Finding unknown region
sure_fg.convertTo(sure_fg, CV_8U);
subtract(sure_bg, sure_fg, unknow);

看到结果。在阈值图像中，我们得到了一些区域的硬币，我们确定这些硬币是独立的。(在某些情况下，你可能只对前景分割感兴趣，而对相互接触的对象的分割不感兴趣。在这种情况下，你不需要使用距离变换，只要侵蚀就足够了。侵蚀只是提取前景区域的另一种方法，仅此而已。)

现在我们可以确定哪些是硬币区域，哪些是背景等等。因此我们创建了marker(它是一个与原始图像大小相同的数组，但是使用int32数据类型)，并在其中标记区域。我们确定的区域(无论是前景还是背景)被标记为任何正整数，但是不同的整数，而我们不确定的区域则被保留为0。为此，我们使用了connectedComponents()。它用0标记图像的背景，然后用从1开始的整数标记其他对象。

但是我们知道，如果将background标记为0,watershed将认为它是未知区域。所以我们要用不同的整数来标记它。相反，我们将标记未知区域，由unknown定义，为0。

// Marker labelling
Mat markers;
connectedComponents(sure_fg, markers);

// Add one to all labels so that sure background is not 0, but 1
markers = markers + 1;

// Now, mark the region of unknown with zero
markers.setTo(0, unknow);

现在我们的标记图像准备好了。到了最后一步，应用分水岭。然后修改标记图像。边界区域将标记为-1。

Mat marker;
Mat mask;
watershed(img, markers);
compare(markers, -1, mask, CMP_EQ);
img.setTo(Scalar(0, 0, 255), mask);

参见下面的结果。对于一些硬币，它们接触的区域被正确分割，而对于另一些硬币，它们没有被分割。