matlab 物体识别_MATLAB图像处理：50：标记控制的分水岭分割

本示例说明了如何使用分水岭分割来分离图像中的物体。分水岭变换通过将图像视为亮像素高而暗像素低的表面，在图像中找到“集水盆地”和“分水岭脊线”。

如果您可以识别或“标记”前景物体和背景位置，则使用分水岭变换进行分割会更好。标记控制的分水岭分割遵循以下基本过程：

1. 计算分割函数。这是一张图像，其暗区是您要分割的物体。
2. 计算前景标记。这些是每个物体中像素的连通域。
3. 计算背景标记。这些是不属于任何物体的像素。
4. 修改分割函数，使其仅在前景和背景标记位置具有最小值。
5. 计算修改后的分割函数的分水岭变换。

步骤1：读取彩色图像并将其转换为灰度

rgb = imread('pears.png');
I = rgb2gray(rgb);
imshow(I)
​
text(732,501,'Image courtesy of Corel(R)',...
     'FontSize',7,'HorizontalAlignment','right')

步骤2：使用梯度幅度作为分割函数

计算梯度幅度。梯度在物体边界处较高，而在物体内部的梯度较低（大部分）。

gmag = imgradient(I);
imshow(gmag,[])
title('Gradient Magnitude')

您是否可以直接在梯度幅度上使用分水岭变换对图像进行分割？

L = watershed(gmag);
Lrgb = label2rgb(L);
imshow(Lrgb)
title('Watershed Transform of Gradient Magnitude')

不行。如果不进行其他预处理（例如下面的标记计算），则直接使用分水岭变换通常会导致“过度分割”。

步