OpenCV学习Day13--分水岭算法

推文：https://blog.csdn.net/fengye2two/article/details/79116105
代码：

# -*- coding: UTF-8 -*-
import cv2 as cv
import numpy as np
'''

基于距离的分水岭分割流程：
    输入图像---->灰度（部分有噪点的图像需要去噪处理）---->二值化---->距离变换---->寻找种子---->生成Marker---->分水岭变换---->输出图像
    
'''
def waterShedDemo(image):
    print(image.shape)
    blured=cv.pyrMeanShiftFiltering(image,10,50)
    gray = cv.cvtColor(blured, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    cv.imshow("binaryImage", binary)

    kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))
    close = cv.morphologyEx(binary, cv.MORPH_CLOSE, kernel)  # 闭操作,填二值图像中的小空隙
    cv.imshow("closeResult", close)

    dist=cv.distanceTransform(close,cv.DIST_L2,3)#Opencv中distanceTransform方法用于计算图像中每一个非零点距离离自己最近的零点的距离;
            # distanceTransform的第二个Mat矩阵参数dst保存了每一个点与最近的零点的距离信息，图像上越亮的点，代表了离零点的距离越远。
            #根据距离变换的这个性质，经过简单的运算，用于细化字符的轮廓和查找物体质心（中心）。
    distOutput=cv.normalize(dist,0,1,cv.NORM_MINMAX)#归一化：就是要把需要处理的数据经过处理后（通过某种算法）限制在你需要的一定范围内
                                #第三个参数：归一化的类型: NORM_MINMAX:数组的数值被平移或缩放到一个指定的范围，线性归一化，一般较常用
                                                       #NORM_INF---归一化数组的L1-范数(绝对值的和)、 NORM_L1---归一化数组的(欧几里德)L2-范数
    cv.imshow("distanceOUtput",distOutput*50)#图像中最亮的地方为Marker

    ret,surface=cv.threshold(dist,dist.max()*0.6,255,cv.THRESH_BINARY)
    cv.imshow("surfaceImage",surface)

    surfaceFg=np.uint8(surface)#种子算法会根据markers传入的轮廓作为种子（也就是所谓的注水点），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。
    unknow=cv.subtract(binary,surfaceFg)
    ret,markers=cv.connectedComponents(surfaceFg)
    print(ret)
    markers=markers+1
    markers[unknow==255]=0
    markers=cv.watershed(image,markers=markers)
    image[markers==-1]=[0,0,255]
    cv.imshow("result",image)

src=cv.imread("E:\OpenCVTests/timg (1).jpg")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src)
waterShedDemo(src)

cv.waitKey(0)
cv.destroyAllWindows()

原图：

二值化图像：

进行闭操作后图像：为填充二值图像中的小黑缝隙

进行距离变换后的图像：图像中最亮的地方为Marker

进行waterShed运算之后结果：