matlab分水岭分割算法不用内置函数_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#includeusing namespace std;using namespace cv;void test(){    Mat srcImg;    srcImg = imread("pill_002.png");    if (srcImg.empty())    {        cout <>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 (i),                     Scalar::all(static_cast(i)+1), -1);     }    circle(markersImg, Point(5, 5), 3, Scalar(255), -1);    //形态学操作 - 彩色图像，目的是去掉干扰，让结果更好。    Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));    morphologyEx(srcImg, srcImg, MORPH_ERODE, kernel);    //完成分水岭变换    watershed(srcImg, markersImg);    Mat mark = Mat::zeros(markersImg.size(), CV_8UC1);    markersImg.convertTo(mark, CV_8UC1);    bitwise_not(mark, mark, Mat());    namedWindow("watershed", CV_WINDOW_AUTOSIZE);    imshow("watershed", mark);    //下面的步骤可以不做，最好做出来让结果显示更美观。    //生成随机颜色    vectorcolors;    for (int i = 0; i (i, j);            if (index > 0 && index <= contours.size())            {                dstImg.at(i, j) = colors[index - 1];            }            else            {                dstImg.at(i, j) = Vec3b(0, 0, 0);            }        }    }    cout <

总结：有时候会导致碎片化，过度分割，因为二值化中如果有很多小的黑点或碎片，在分割的时候导致很多 mask ，即小山头太多了，这个时候我们要考虑怎么去合并它，可以通过联通区域的直方图，或者像素值均值相似程度等。

例子2：图像分割

#include#includeusing namespace std;using namespace cv;//执行分水岭算法函数Mat watershedCluster(Mat &srcImg, int &numSegments);//结果显示函数void DisplaySegments(Mat &markersImg, int numSegments);void test(){    Mat srcImg;    srcImg = imread("toux.jpg");    if (srcImg.empty())    {        cout <>contours;    vectorhireachy;    findContours(distImg, contours, hireachy, RETR_CCOMP, CHAIN_APPROX_SIMPLE);    if (contours.empty())    {        return Mat();    }    Mat markersImg(distImg.size(), CV_32S);    markersImg = Scalar::all(0);    for (int i = 0; i colors;    for (int i = 0; i (i, j);            if (index > 0 && index <= numSegments)            {                dstImg.at(i, j) = colors[index - 1];            }            else            {                dstImg.at(i, j) = Vec3b(255, 255, 255);            }        }    }    cout <

效果图：

2. GrabCut 算法分割图像

GrabCut 算法的原理前面有介绍过，这里就不在介绍了，具体可以看下文章末尾往期推荐中阅读。下面例子实现图像中对象的抠图。

基本步骤：

例子代码：

#include#includeusing namespace std;using namespace cv;int numRun = 0; //算法迭代次数bool init = false;Rect rect;Mat srcImg, MaskImg, bgModel, fgModel;//鼠标回调函数void onMouse(int event, int x, int y, int flags, void* param);void showImg();  //显示画的图片void setRoiMask();  //选择 ROI 的函数void runGrabCut();  //执行算法函数static void ShowHelpText();  //提示用户操作函数void test(){    srcImg = imread("toux.jpg");    if (srcImg.empty())    {        cout < 1 && rect.height > 1)        {            showImg();        }        break;    default:        break;    }}void showImg(){    Mat result, binMask;    binMask.create(MaskImg.size(), CV_8UC1);    binMask = MaskImg & 1;    if (init)    {        srcImg.copyTo(result,binMask);    }    else    {        srcImg.copyTo(result);    }    rectangle(result, rect, Scalar(0, 0, 255), 2, 8);    namedWindow("Original image", CV_WINDOW_AUTOSIZE);    imshow("Original image", result);}void setRoiMask(){    //GC_BGD = 0   明确属于背景的像素    //GC_FGD = 1   明确属于前景的像素    //GC_PR_BGD = 2  可能属于背景的像素    //GC_PR_FGD = 3  可能属于前景的像素    MaskImg.setTo(GC_BGD);      //为了避免选择越界    rect.x = max(0, rect.x);    rect.y = max(0, rect.y);    rect.width = min(rect.width, srcImg.cols - rect.x);    rect.height = min(rect.height, srcImg.rows - rect.y);    //把我们选取的那一块设为前景    MaskImg(rect).setTo(Scalar(GC_PR_FGD));}void runGrabCut(){    if (rect.width 

效果图：