OpenCV分水岭算法实现图像分割(给大豆上色) C#

分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。

分水岭图像分割的一般步骤：

1. 原始图像的”水坝“预处理：视图像情况，通过掩膜对原始图像的边缘特征增强；
2. 各盆地注水点标注：图像降噪->二值化->通过距离变换提取骨架->归一化->二值化提取盆地中心->轮廓查找->像素填充标注注水点；
3. 将预处理后”水坝“特征明显的图像和标注水点的图像进行分水岭变化；
4. 输出图像填充颜色，可视化。
   

API：

public static void Watershed(InputArray image, InputOutputArray markers);

InputArray：预处理后”水坝“特征明显的图像；
InputOutputArray：注水点标注图

关键步骤：注水点标注

代码演示：

if (fileDialog.ShowDialog() == DialogResult.OK)
{
    picFile = fileDialog.FileName;

    //展示图
    Mat displayImg = Cv2.ImRead(picFile);

    //均值滤波,降噪
    Cv2.Blur(displayImg, displayImg, new OpenCvSharp.Size(3, 3), new Point(-1, -1));

    //标记图
    Mat srcMarkerImg = new Mat(picFile, ImreadModes.Grayscale);

    //均值滤波，降噪
    Cv2.Blur(srcMarkerImg, srcMarkerImg, new OpenCvSharp.Size(3, 3), new Point(-1, -1));

    Cv2.Threshold(srcMarkerImg, srcMarkerImg, 93, 255, ThresholdTypes.BinaryInv);

    var kernel = Cv2.GetStructuringElement(MorphShapes.Rect, new OpenCvSharp.Size(12, 12));

    //闭运算，去除图像中的小黑点
    Cv2.MorphologyEx(srcMarkerImg, srcMarkerImg, MorphTypes.Close, kernel);

    Mat distanceImg = new Mat();
    //距离变换
    Cv2.DistanceTransform(srcMarkerImg, distanceImg, DistanceTypes.L1, DistanceTransformMasks.Mask3, 5);

    //归一化
    Cv2.Normalize(distanceImg, distanceImg, 0, 1.0, NormTypes.MinMax);


    //二值化
    Cv2.Threshold(distanceImg, distanceImg, 0.5, 1, ThresholdTypes.Binary);

    distanceImg.ConvertTo(distanceImg, MatType.CV_8UC1);

    //标记结果，即前景色图像
    Mat markers = Mat.Zeros(srcMarkerImg.Size(), MatType.CV_32SC1);

    //找轮廓轮廓
    Cv2.FindContours(distanceImg, out OpenCvSharp.Point[][] contours, out HierarchyIndex[] outputArray, RetrievalModes.External, ContourApproximationModes.ApproxSimple);

    for (int i = 0; i < contours.Length; i++)
           {
               //对各个标记区域填充不同的像素值，后阶段根据像素值区分区域
               Cv2.DrawContours(markers, contours, (int)i, new Scalar((int)i + 1), -1);
           }

    //标记背景
    Cv2.Circle(markers, new Point(15, 15), 10, new Scalar(255), -1);


    Mat displayMakers = new Mat();
    markers.ConvertTo(displayMakers, MatType.CV_8UC1);
    picBox_Process.Image = OpenCvSharp.Extensions.BitmapConverter.ToBitmap(displayMakers * 100);


    displayImg.ConvertTo(displayImg, MatType.CV_8UC3);

    //分水岭操作
    Cv2.Watershed(displayImg, markers);

    //生成随机颜色数组
    Vec3b[] colors = new Vec3b[contours.Length];
    Random rB = new Random();
    Random rG = new Random();
    Random rR = new Random();
    for (int i = 0; i < contours.Length; i++)
           {
               var B = rB.Next(50, 98);
               var G = rG.Next(47, 255);
               var R = rR.Next(56, 120);

               RNG rngB = new RNG((ulong)B);
               RNG rngG = new RNG((ulong)G);
               RNG rngR = new RNG((ulong)R);

               colors[i] = new Vec3b((byte)rngB.Uniform(0, 255), (byte)rngG.Uniform(0, 255), (byte)rngR.Uniform(0, 255));
               Thread.Sleep(200);
           }

    //输出图像
    Mat resultImg = Mat.Zeros(markers.Size(), MatType.CV_8UC3);

    for (int i = 0; i < markers.Rows; i++)
           {
               for (int j = 0; j < markers.Cols; j++)
                    {
                        int index = markers.At<int>(i, j);
                        if (index > 0 && index <= contours.Length)
                        {
                            resultImg.At<Vec3b>(i, j) = colors[index - 1];
                        }
                        else
                        {
                            //填充背景为蓝色
                            resultImg.At<Vec3b>(i, j) = new Vec3b(255, 0, 0);
                        }
                    }
           }

    
    //同原图相加
    Cv2.Absdiff(displayImg, resultImg, resultImg);
    picBox_After.Image = OpenCvSharp.Extensions.BitmapConverter.ToBitmap(resultImg);

    picBox_Display.Image = OpenCvSharp.Extensions.BitmapConverter.ToBitmap(displayImg);
}