针对分割,与分水岭变换相配合的常用工具是距离变换。二值图像的距离变换是相对简单的概念:是指从每个像素到最接近零值的像素的距离。例如,图10-25(a)显示了一个小的二值图像矩阵。图10-25(b)显示了相应的距离变换。注意,每个值为1的像素的距离变换为0,因为最靠近的非0像素是它本身。距离变换可以用工具箱函数bwdist来计算,调用语法为:
- D = bwdist(f)
例10.15 使用距离变换和分水岭变换分割二值图像
在这个例子中,我们说明如何与工具箱的分水岭变换一起,使用距离变换分割彼此有些接触的圆形水滴。特别是,我们想要分割图9-29(b)中处理过的销钉图像。首先,正如10.3.1节中描述的那样,使用im2bw和graythreshi把图像变换为二值图像:
- >> g = im2bw(f, graythresh(f));
图10-26(a)显示了结果。下一步是对图像求补,计算距离变换。然后,用函数watershed计算距离变换的负分水岭变换。该函数的调用语法是:
- L = watershed(A,conn)
其中,L是在9.4节讨论和定义过的标记矩阵。A是输入数组(一般可以是任何维数,但在本章是二维),并且conn指定了连通性(对于二维数组是4或8(默认值))。在L中,正整数与汇水盆地相对应,零值指出分水岭的脊线像素:
- >> gc = ~g;
- >> D = bwdist(gc);
- >> L = watershed(?D);
- >> w = L == 0;
图10-26(b)和(c)显示了求补后的图像及其距离变换。因为L的0值像素是分水岭的脊线像素,前面代码的最后一行计算二值图像w,图中仅显示这些像素。分水岭的脊线图像显示于图10-26(d)中。最后,使用原始的二值图像和图像w的"补",通过逻辑AND操作完成分割,如图10-26(e)所示:
- >> gg2 = g&-w;
注意,图10-20(e)中的某些物体没有很好地分开。这被称为过分割,这是使用基于分水岭的分割方法时常常会出现的问题。下边将讨论克服这一问题的不同技术。