分水岭算法c语言,Opencv分水岭算法学习

分水岭算法可以将图像中的边缘转化成“山脉”，将均匀区域转化为“山谷”，这样有助于分割目标。

分水岭算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，图像中的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区域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。

分水岭的计算过程是一个迭代标注过程。分水岭计算分成两个步骤：一个是排序过程，一个是淹没过程。首先对每个像素的灰度级进行从低到高的排序，然后在从低到高实现淹没的过程中，对每一个局部极小值在h阶高度的影响域采用先进先出(FIFO)结构进行判断及标注。分水岭变换得到的是输入图像的集水盆图像，集水盆之间的边界点即为分水岭。显然，分水岭表示的是输入图像的极大值点。

简而言之，分水岭算法首先计算灰度图的梯度，这对图像中的“山谷”或没有纹理的“盆地”(亮度值低的点)的形成是很有效的，也对“山头”或图像中有主导线段的“山脉”(山脊对应的边缘)的形成有效。然后开始从用户指定点(或者算法得到点)开始持续“灌注”盆地直到这些区域连成一片。基于这样产生的标记就可以把区域合并到0一起，合并后的区域又通过聚集的方式进行分割，好像图像被“填充”起来一样。

实现分水岭算法–watershed函数

函数watershed实现的分水岭算法是基于标记的分割算法中的一种。在把图像传给函数之前，需要大致勾画标记出图像中的期望进行分割的区域，它们被标记为正指数，所以，每一个区域都会被标记为像素值1、2、3等，表示成为一个或者多个连接组件，这些标记的值可以使用findContours函数和drawContours函数由二进制的掩码检索出来。这些标记就是即将绘制出来的分割区域的“种子”，而没有标记清楚的区域，被置为0，在函数的输出中，每一个标记中的像素被设置为“种子”的值，而区域间的值被设置为-1。

void watershed(inputArray,intputOutputArray markers)

*第一个参数，输入图像，需为8位三通道的彩色图像。

*第二个参数，函数调用后的运算结果存在这里，输入／输入32位单通道图像的标记结果。

#include

#include

#include

using namespace cv;

using namespace std;

//宏定义

#define WINDOW_NAME "image[procedure window]"

//全局变量声明

Mat g_srcImage,g_maskImage;

Point prevPt(-1,-1);

//全局函数声明

static void on_Mouse(int event,int x,int y,int flags,void*);

//主函数

int main()

{

//载入源图像

g_srcImage=imread("/Users/new/Desktop/1.jpg");

if(!g_srcImage.data){printf("读取源图像srcImage错误～！\n");return false;}

//显示源图像

imshow(WINDOW_NAME,g_srcImage);

Mat srcImage,grayImage;

g_srcImage.copyTo(srcImage);

//灰度化

cvtColor(srcImage, g_maskImage, COLOR_BGR2GRAY);

//imshow("image[mask]",g_maskImage);

cvtColor(g_maskImage, grayImage, COLOR_GRAY2BGR);

//imshow("image[gray]",grayImage);

//掩膜图像初始化为0

g_maskImage=Scalar::all(0);

//设置鼠标回调函数

setMouseCallback(WINDOW_NAME, on_Mouse,0);

//轮询按键处理

while(1)

{

//获取键值

int c=waitKey(0);

//若按键为ESC时，退出

if((char)c == 27)

break;

//若按键为2时，恢复原图

if((char)c=='2')

{

g_maskImage=Scalar::all(0);

srcImage.copyTo(g_srcImage);

imshow("image",g_srcImage);

}

//若按键为1,则进行处理

if((char)c=='1')

{

//定义一些参数

int i,j,compCount=0;

vector>contours;

vector hierarchy;

//寻找轮廓

findContours(g_maskImage, contours, hierarchy, CV_RETR_CCOMP, CHAIN_APPROX_SIMPLE);

//轮廓为空时的处理

if(contours.empty())

continue;

//复制掩膜

Mat maskImage(g_maskImage.size(),CV_32S);

maskImage=Scalar::all(0);

//循环绘制轮廓

for(int index=0;index>=0;index=hierarchy[index][0],++compCount)

drawContours(maskImage, contours, index, Scalar::all(compCount+1),-1,8,hierarchy,INT_MAX);

//compCount为零时的处理

if(compCount==0)

continue;

//生成随机颜色

vectorcolorTab;

for(int i=0;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));

}

//计算处理时间并输出到窗口中

double dTime=(double)getTickCount();

//进行分水岭算法

watershed(srcImage, maskImage);

dTime=(double)getTickCount()-dTime;

printf("\t 处理时间=%gms\n",dTime*1000./getTickFrequency());

//双层循环，将分水岭图像遍历存入watershedImage中

Mat watershedImage(maskImage.size(),CV_8UC3);

for(i=0;i

for(j=0;j

{

int index=maskImage.at(i,j);

if(index==-1)

watershedImage.at(i,j)=Vec3b(255,255,255);//图像变白色

else if(index<=0||index>compCount)

watershedImage.at(i,j)=Vec3b(0,0,0);//图像变黑色

else

watershedImage.at(i,j)=colorTab[index-1];

}

//混合灰度图和分水岭效果图并显示最终的窗口

watershedImage=watershedImage*0.5+grayImage*0.5;

imshow("image[watershed]",watershedImage);

}

}

return 0;

}

//回调函数定义

void on_Mouse(int event,int x,int y,int flags,void*)

{

//处理鼠标不在窗口中的情况

if(x<0||x>=g_srcImage.cols||y<0||y>=g_srcImage.rows)

return;

//处理鼠标左键相关消息

if(event==EVENT_LBUTTONUP||!(flags & EVENT_FLAG_LBUTTON))//按下左键

prevPt=Point(-1,-1);

else if(event==EVENT_LBUTTONDOWN)//松开左键

prevPt=Point(x,y);//鼠标所指的位置

//鼠标左键按下并移动，绘制出白色线条

else if(event==EVENT_MOUSEMOVE && (flags & EVENT_FLAG_LBUTTON))

{

Point pt(x,y);

if(prevPt.x<0)//如果指出去了，返回

prevPt=pt;

line(g_maskImage, prevPt, pt, Scalar::all(255),2,8,0);//画白线

line(g_srcImage,prevPt,pt,Scalar::all(255),2,8,0);//画白线

prevPt=pt;

imshow(WINDOW_NAME, g_srcImage);

}

}

Opencv技巧

(1)计算算法运行时间：

//计算处理时间并输出到窗口中

double dTime=(double)getTickCount();

//进行分水岭算法

watershed(srcImage, maskImage);

dTime=(double)getTickCount()-dTime;

printf("\t 处理时间=%gms\n",dTime*1000./getTickFrequency());

(2)改变图像某点像素值：Mat类中的at方法对于获取图像矩阵某点的RGB值或者改变某点的值很方便，

对于单通道的图像：image.at(i, j)

对于RGB通道的图像：image.at(i, j)[0]

image.at(i, j)[1]

image.at(i, j)[2]

(3)Point(-1,-1)解析：由于卷积过程，图像矩阵要进行填充，Point(-1,-1)即代表卷积开始的位置，这决定了不填充时的结果A处于填充后结果B的位置的那个部分，从(-1，-1)开始卷积的结果是A处于B的正中间那块位置。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。