形态学分水岭算法原理及示例实现

原理介绍

前面写了OTSU算法、最大熵算法、自适应阈值法、基于区域生长算法。他们都有各自的优缺点，而分水岭算法具有它们都具有的优势，所以通常能够产生更加稳健的分割效果。

分水岭算法(watershed)是一种比较基本的数学形态学分割算法，其基本思想是将灰度图像转换为梯度图像，将梯度值看作高低起伏的山岭，将局部极小值及其邻域看作一个“集水盆”。设想一个个“集水盆”中存在积水，且水位不断升高，淹没梯度较低的地方，当水漫过程停止后，就找出了分割线，图像也就可以被分割成几块连通区域。这里用动图演示一下：

                                     

所以寻找局部极小值是算法的关键，但在真实图像中，由于噪声点或者其它干扰因素的存在，使用分水岭算法常常存在过度分割的现象，这是因为很多很小的局部极值点的存在，比如下面的图像，这样的分割效果是毫无用处的：

                                       

为了解决过度分割的问题，可以使用基于标记(mark)图像的分水岭算法，就是通过先验知识，来指导分水岭算法，以便获得更好的图像分段效果。通常的mark图像，都是在某个区域定义了一些灰度层级，在这个区域的洪水淹没过程中，水平面都是从定义的高度开始的，这样可以避免一些很小的噪声极值区域的分割。

标记(mark)：可以通过人工交互标记，也可以通过计算。下面展示了采用基于mark的分水岭算法过程：第一幅图红色区域就是标记的灰度级。

                

通过标记，我们可以得到很好得分割效果：

                                           

OpenCV接口： 

void watershed( InputArray image, InputOutputArray markers ); 

输入图像必须是3通道的RGB图像，最为关键的是第二个参数markers，这个参数包含不同区域的轮廓，每个轮廓有一个自己唯一的编号，轮廓的定位可以通过Opencv中findContours方法实现。然后分水岭算法会根据markers传入的标记作为种子（也就是所谓的注水点、标记点），对图像上其他的像素点根据分水岭算法规则进行判断，并对每个像素点的区域归属进行划定，直到处理完图像上所有像素点。而区域与区域之间的分界处的值被置为“-1”，以做区分。

OpenCV的官方示例：https://docs.opencv.org/3.4.0/d8/da9/watershed_8cpp-example.html

 

示例代码

#include <opencv2/core/utility.hpp>
#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include <cstdio>
#include <iostream>
using namespace cv;
using namespace std;
static void help()
{
	cout << "\nThis program demonstrates the famous watershed segmentation algorithm in OpenCV: watershed()\n"
		"Usage:\n"
		"./watershed [image_name -- default is ../data/fruits.jpg]\n" << endl;
	cout << "Hot keys: \n"
		"\tESC - quit the program\n"
		"\tr - restore the original image\n"
		"\tw or SPACE - run watershed segmentation algorithm\n"
		"\t\t(before running it, *roughly* mark the areas to segment on the image)\n"
		"\t  (before that, roughly outline several markers on the image)\n";
}
Mat markerMask, img;
Point prevPt(-1, -1);
static void onMouse(int event, int x, int y, int flags, void*)
{
	if (x < 0 || x >= img.cols || y < 0 || y >= img.rows)
		return;
	if (event == EVENT_LBUTTONUP || !(flags & EVENT_FLAG_LBUTTON))
		prevPt = Point(-1, -1);
	else if (event == EVENT_LBUTTONDOWN)
		prevPt = Point(x, y);
	else if (event == EVENT_MOUSEMOVE && (flags & EVENT_FLAG_LBUTTON))
	{
		Point pt(x, y);
		if (prevPt.x < 0)
			prevPt = pt;
		line(markerMask, prevPt, pt, Scalar::all(255), 1, 8, 0);
		line(img, prevPt, pt, Scalar::all(255), 1, 8, 0);
		prevPt = pt;
		imshow("image", img);
	}
}
int main(int argc, char** argv)
{

	cv::CommandLineParser parser(argc, argv, "{help h | | }{ @input | I:/Learning-and-Practice/2019Change/Image process algorithm/Img/lung2.jpeg | }");
	if (parser.has("help"))
	{
		help();
		return 0;
	}
	string filename = parser.get<string>("@input");
	Mat img0 = imread(filename, 1), imgGray;
	if (img0.empty())
	{
		cout << "Couldn'g open image " << filename << ". Usage: watershed <image_name>\n";
		return 0;
	}

	help();
	namedWindow("image", 1);
	img0.copyTo(img);
	cvtColor(img, markerMask, COLOR_BGR2GRAY);
	cvtColor(markerMask, imgGray, COLOR_GRAY2BGR);
	markerMask = Scalar::all(0);
	imshow("image", img);
	setMouseCallback("image", onMouse, 0);
	for (;;)
	{
		char c = (char)waitKey(0);
		if (c == 27)
			break;
		if (c == 'r')
		{
			markerMask = Scalar::all(0);
			img0.copyTo(img);
			imshow("image", img);
		}
		if (c == 'w' || c == ' ')
		{
			int i, j, compCount = 0;
			vector<vector<Point> > contours;
			vector<Vec4i> hierarchy;
			findContours(markerMask, contours, hierarchy, RETR_CCOMP, CHAIN_APPROX_SIMPLE);
			if (contours.empty())
				continue;
			Mat markers(markerMask.size(), CV_32S);
			markers = Scalar::all(0);
			int idx = 0;
			for (; idx >= 0; idx = hierarchy[idx][0], compCount++)
				drawContours(markers, contours, idx, Scalar::all(compCount + 1), -1, 8, hierarchy, INT_MAX);
			if (compCount == 0)
				continue;
			vector<Vec3b> colorTab;
			for (i = 0; i < compCount; i++)
			{
				int b = theRNG().uniform(0, 255);
				int g = theRNG().uniform(0, 255);
				int r = theRNG().uniform(0, 255);
				colorTab.push_back(Vec3b((uchar)b, (uchar)g, (uchar)r));
			}
			double t = (double)getTickCount();
			Mat tmp = Mat::zeros(markers.size(), CV_8U);
			markers.convertTo(tmp, CV_8U, 255);
			imshow("markers",tmp);
			watershed(img0, markers);

			t = (double)getTickCount() - t;
			printf("execution time = %gms\n", t*1000. / getTickFrequency());
			Mat wshed(markers.size(), CV_8UC3);
			// paint the watershed image
			for (i = 0; i < markers.rows; i++)
			for (j = 0; j < markers.cols; j++)
			{
				int index = markers.at<int>(i, j);
				if (index == -1)
					wshed.at<Vec3b>(i, j) = Vec3b(255, 255, 255); //边界
				else if (index <= 0 || index > compCount)
					wshed.at<Vec3b>(i, j) = Vec3b(0, 0, 0);
				else
					wshed.at<Vec3b>(i, j) = colorTab[index - 1];
			}

			wshed = wshed*0.5 + imgGray*0.5;

			imshow("watershed transform", wshed);
		}
	}
	return 0;
}

效果

   

                                  标记                                               原图+标记                                                         分割效果

       

 

参考： 

http://www.cnblogs.com/mikewolf2002/p/3304118.html

https://www.cnblogs.com/zyly/p/9392881.html#_label2

http://m.itboth.com/d/6Zv2ue/opencv-c++

https://blog.csdn.net/just_sort/article/details/87376355

https://docs.opencv.org/3.4.0/d8/da9/watershed_8cpp-example.html