【OpenCV 4开发详解】分割图像——分水岭法

本文首发于 “小白学视觉”微信公众号，欢迎关注公众号 本文作者为小白，版权归 人民邮电出版社发行所有，禁止转载，侵权必究！

---

经过几个月的努力，小白终于完成了市面上第一本OpenCV 4入门书籍《OpenCV 4开发详解》。为了更让小伙伴更早的了解最新版的OpenCV 4，小白与出版社沟通，提前在公众号上连载部分内容，请持续关注小白。

分水岭算法与漫水填充法相似，都是模拟水淹过山地的场景，区别是漫水填充法是从局部某个像素值进行分割，是一种局部分割算法，而分水岭法是从全局出发，需要对全局都进行分割。

分水岭算法会在多个局部最低点开始注水，随着注水量的增加，水位越来越高会淹没局部像素值较小的像素点，最后两个相邻的凹陷区域的水会汇集在一起，并在汇集处形成了分水岭。分水岭的计算过程是一个迭代标注的过程，经典的计算方式主要分为以下两个步骤：

• Step1：排序过程，首先对图像像素的灰度级进行排序，确定灰度值较小的像素点，该像素点即为开始注水点；
• Step2：淹没过程，对每个最低点开始不断注水，不断掩模周围的像素点，不同注水处的水汇集在一起，形成分割线。

OpenCV 4提供了用于实现分水岭法分割图像的watershed()函数，该函数的函数原型在代码清单8-19中给出。

代码清单8-19 watershed()函数原型
	void cv::watershed(InputArray  image,
	                       InputOutputArray  markers 
	                       )

• image：输入图像，数据类型为CV_8U的三通道图像。
• markers：输入/输出CV_32S的单通道图像的标记结果，与原图像具有相同的尺寸。

该函数根据期望标记结果实现图像分水岭分割。函数的第一个参数是需要进行分水岭分割的图像，该图像必须是CU_8U的三通道彩色图像。函数第二个参数用于输入期望分割的区域，在将图像传递给函数之前，必须使用大于0的整数索引粗略的勾画图像期望分割的区域。因此，每个标记的区域被表示为具有像素值1、2、3等的一个或多个连通分量。标记图像的尺寸与输入图像相同且数据类型为CV_32S，可以使用findContours()函数和drawContours()函数从二值掩码中得到此类标记图像，标记图像中所有没有被标记的像素值都为0。在函数输出时，两个区域之间的分割线用-1表示。

为了了解该函数的用法，在代码清单8-20中给出了利用watershed()函数对图像进行分割的示例程序。程序中通过图像的边缘区域对图像进行标记，首先利用Canny()函数计算图像的边缘，之后利用findContours()函数计算图像中的连通域，并通过drawContours()函数绘制连通域得到符合格式要求的标记图像，最后利用watershed()函数对图像进行分割。为了增加分割后不同区域之间的对比度，随机对不同区域进行上色，结果如图8-12所示，同时提取原图像中每个被分割的区域，部分结果在图8-13给出。

代码清单8-20 myWatershed.cpp分水岭法分割图像
1.	#include <opencv2\opencv.hpp>
2.	#include <iostream>
3.	
4.	using namespace std;
5.	using namespace cv;
6.	
7.	int main()
8.	{
   
9.		Mat img, imgGray, imgMask;
10.		Mat maskWaterShed;  // watershed()函数的参数
11.		img = imread("HoughLines.jpg");  //原图像
12.		if (img.empty())
13.		{
   
14.			cout << "请确认图像文件名称是否正确" << endl;
15.			return -1;
16.		}
17.		cvtColor(img, imgGray, COLOR_BGR2GRAY);
18.		//GaussianBlur(imgGray, imgGray, Size(5, 5), 10, 20);  //模糊用于减少边缘数目
19.	
20.		//提取边缘并进行闭运算
21.		Canny(imgGray, imgMask, 150, 300)