做形态学方法的团队_图像分割实战-分水岭分割方法和GrabCut 算法

1. 分水岭分割方法

它是依赖于形态学的，图像的灰度等级不一样，如果图像的灰度等级一样的情况下怎么人为的把它造成不一样？可以通过距离变换实现，这样它们的灰度值就有了阶梯状的变换。风水岭算法常见的有三种方法：（1）基于浸泡理论的分水岭分割方法；（2）基于连通图方法；（3）基于距离变换的方法。OpenCV 中是基于距离变换的分割方法，就相当于我们的小山头（认为造成的）。

基本的步骤：

例子1 粘连对象分离和计数。

例子代码：

#include<opencv2/opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
void test()
{
    
    Mat srcImg;
    srcImg = imread("pill_002.png");
    if (srcImg.empty())
    {
    
        cout << "could not load image...n" << endl;
    }

    namedWindow("Original image", CV_WINDOW_AUTOSIZE);
    imshow("Original image", srcImg);

    Mat grayImg, binaryImg, shiftedImg;

    //做滤波，使图像更加平滑，保留边缘,类似于双边滤波
    pyrMeanShiftFiltering(srcImg, shiftedImg, 21, 51);  
    namedWindow("shifted", CV_WINDOW_AUTOSIZE);
    imshow("shifted", shiftedImg);

    cvtColor(shiftedImg, grayImg, COLOR_BGR2GRAY);  //转为灰度图像
    //二值化
    threshold(grayImg, binaryImg, 0, 255, THRESH_BINARY | THRESH_OTSU);  
    namedWindow("binary", CV_WINDOW_AUTOSIZE);
    imshow("binary", binaryImg);

    //距离变换
    Mat distImg;
    distanceTransform(binaryImg, distImg, DistanceTypes::DIST_L2, 3, CV_32F);
    //归一化，因为距离变换后得出来的值都比较小。
    normalize(distImg, distImg, 0, 1, NORM_MINMAX);  
    namedWindow("distance", CV_WINDOW_AUTOSIZE);
    imshow("distance", distImg);

    //这个二值化的作用是寻找局部最大。
    threshold(distImg, distImg, 0.4, 1, THRESH_BINARY);
    namedWindow("distance_binary", CV_WINDOW_AUTOSIZE);
    imshow("distance_binary", distImg);

    //生成 marker
    Mat distMaskImg;
    // distImg 得到的是 0- 1之间的数，转化成8位单通道的。
    distImg.convertTo(distMaskImg, CV_8U);  
    vector<vector<Point>>contours;
    //找到 marker 的轮廓
    findContours(distMaskImg, contours, RETR_EXTERNAL,
                 CHAIN_APPROX_SIMPLE, Point(0, 0));
    //create marker 填充 marker
    Mat  markersImg = Mat::zeros(srcImg.size(), CV_32SC1);
    for (int i = 0; i < contours.size(