opencv读书笔记--图像分割

最新推荐文章于 2024-10-31 16:28:59 发布

萧萧的博客

最新推荐文章于 2024-10-31 16:28:59 发布

阅读量369

点赞数

分类专栏：计算机视觉 OpenCV 文章标签： opencv 计算机视觉 python

本文链接：https://blog.csdn.net/qq_19462847/article/details/125184231

版权

计算机视觉同时被 2 个专栏收录

12 篇文章 0 订阅

订阅专栏

OpenCV

11 篇文章 0 订阅

订阅专栏

本文介绍了如何使用OpenCV库中的Watershed算法进行图像分割。首先，通过阈值处理和形态学操作来预处理图像，然后进行距离变换和连接组件分析以确定前景和背景。接着，利用标记的图像输入到Watershed函数中，最终得到分割结果，其中边界区域被标记为-1。

摘要由CSDN通过智能技术生成

图像分割与Watershed算法

原文地址：http://www.woshicver.com/FifthSection/4_15_%E5%9B%BE%E5%83%8F%E5%88%86%E5%89%B2%E4%B8%8E%E5%88%86%E6%B0%B4%E5%B2%AD%E7%AE%97%E6%B3%95/
使用分水岭实现基于标记的图像分割：cv.watershed()
具体操作方案：给我们知道的对象赋予不同的标签，用一种颜色标记我们确定为前景或者对象的区域，然后应用分水岭算法，然后我们的标记将使用我们给出的标签进行更新，对象的边界值将为-1.

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('C:\\Users\\Yan.Dong5\\Desktop\\shudu.jpeg')
gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(gray,0,255,cv.THRESH_BINARY_INV+cv.THRESH_OTSU)
#噪声去除
kernel = np.ones((3,3),np.uint8)
#形态学滤波
opening = cv.morphologyEx(thresh,cv.MORPH_OPEN,kernel,iterations=2)
#确定背景区域
sure_bg = cv.dilate(opening,kernel,iterations=3)
#寻找前景区域
dist_transform = cv.distanceTransform(opening,cv.DIST_L2,5)
ret,sure_fg = cv.threshold(dist_transform,0.7*dist_transform.max(),255,0)
#类别标记
ret,markers = cv.connectedComponents(sure_fg)
#为所有的标记+1，保证背景是0而不是1
markers = markers+1
#现在让所有的未知区域为0
markers[unknown==255]=0
#使用分水岭算法，标记图像将被修改，边界区域将被标记为-1
markers = cv.watershed(img,markers)
img[markers==-1]=[255,0,0]