OpenCV 2 学习笔记(25): 使用分水岭分割图像

最新推荐文章于 2022-08-20 09:55:52 发布

Fred_Yang2013

最新推荐文章于 2022-08-20 09:55:52 发布

阅读量4k

点赞数

分类专栏： OpenCV 图像处理文章标签：图像处理 OpenCV VC++

本文链接：https://blog.csdn.net/fred_yang2013/article/details/14516871

版权

本文介绍了OpenCV中的分水岭分割方法，这是一种基于拓扑理论的数学形态学分割技术。通过模拟浸入过程，防止过度分割。OpenCV使用改进算法，通过预定义的标记进行区域扩张，避免过度分割。还提到了一个用于分水岭算法的类，包括获取分割区域和边缘的方法。

摘要由CSDN通过智能技术生成

关于分水岭的文章见：

[1] Vincent L, Soille P. Watersheds in Digital Spaces : An Efficient Algorithm Based on Immersion Simulations[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence. 1991, 13(6): 583-598.

[2] Vachier C, Meyer F. The Viscous Watershed Transform[J]. Journal of Mathematical Imaging and Vision. 2005, 22(2-3): 251-267.

其中第一篇是分水岭的经典文章，opencv中的分水岭算法是基于第二篇文章改进的分水岭算法。

分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。由于分水岭对微弱的边缘也有很好的相应，所以比较容易产生过度分割。

而opencv中使用的是它的改进算法。基于先验知识得到预定义的标记，这个标记就是我们想分离的某个区域的一部分，