2021-07-26

山东大学暑期实训（十二）

分水岭算法

参考https://www.cnblogs.com/ssyfj/p/9278815.html

（一）获取灰度图像，二值化图像，进行形态学操作，消除噪点
def watershed_demo(image):
blur = cv.pyrMeanShiftFiltering(image,10,100)
gray = cv.cvtColor(blur,cv.COLOR_BGR2GRAY)　　#获取灰度图像
ret,binary = cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)　　#将图像转为黑色和白色部分
cv.imshow(“binary”,binary)　　#获取二值化图像
#形态学操作，进一步消除图像中噪点
kernel = cv.getStructuringElement(cv.MORPH_RECT,(3,3))
mb = cv.morphologyEx(binary,cv.MORPH_OPEN,kernel,iterations=2) #iterations连续两次开操作，消除图像的噪点

（二）在距离变换前加上一步操作：通过对上面形态学去噪点后的图像，进行膨胀操作，可以得到大部分都是背景的区域（原黑色不是我们需要的部分是背景）
sure_bg = cv.dilate(mb,kernel,iterations=3) #3次膨胀,可以获取到大部分都是背景的区域

（三）使用距离变换distanceTransform获取确定的前景色
根据distanceTransform获取距离背景最小距离的结果（详细看下面相关知识补充）
根据distanceTransform操作的结果，设置一个阈值，使用threshold决定哪些区域是前景，这样得到正确结果的概率很高
dist = cv.distanceTransform(mb,cv.DIST_L2,5)　　#获取距离数据结果
ret, sure_fg = cv.threshold(dist,dist.max()*0.6,255,cv.THRESH_BINARY)