Python+OpenCV入门教程【十七】分水岭算法

基于距离的分水岭分割流程：
1、输入图像
2、灰度（消除噪声）
3、二值化
4、距离变换
5、寻找种子
6、生成Marker
7、分水岭变换
8、输出图像

原理参考：分水岭分割原理

from cv2 import cv2 as cv
import numpy as np


def watearshel_demo():
    print(img.shape)
    # # 进行mean shift滤波 去噪
    blured = cv.pyrMeanShiftFiltering(img, 10, 80)
    # 操作步骤  gray/binary image
    gray = cv.cvtColor(blured, cv.COLOR_BGR2GRAY)  # 观察灰度处理后的图像好不好，不好就进行滤波
    # 图像二值化 进行阈值分割
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    cv.imshow("binary_image", binary)

    # morphology operation  形态学操作
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (1, 1))  # 结构元素
    mb = cv.morphologyEx(binary, cv.MORPH_OPEN, kernel, iterations=2)  # 进行2次开操作
    sure_bg = cv.dilate(mb, kernel, iterations=3)  # 进行3次膨胀
    cv.imshow("mor", sure_bg)

    # distace transform
    # 对mb进行距离变换
    dist = cv.distanceTransform(mb, cv.DIST_L2, 3)
    # 归一化处理
    dist_output = cv.normalize(dist, 0, 1.0, cv.NORM_MINMAX)
    cv.imshow("distanc_transform", dist_output * 50)

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

    # 种子surface_fg
    surface_fg = np.uint8(surface)  # 转成int
    # 其他的未知区域
    unknow = cv.subtract(sure_bg, surface_fg)
    # 联通区域  它会把将背景标记为 0，其他的对象使用从 1 开始的正整数标记。
    ret, markers = cv.connectedComponents(surface_fg)
    print(ret)

    # watershed transform
    # 确保背景是1不是0
    markers = markers + 1
    # 未知区域标记为0
    markers[unknow == 255] = 0
    # 分水岭  结果：标签图像将会被修改，边界区域的标记将变为 -1
    markers = cv.watershed(img, markers=markers)
    # 获得到的边界值为-1
    img[markers == -1] = [0, 0, 255]  # 红色
    cv.imshow('result', img)


if __name__ == "__main__":
    img = cv.imread("data/coins.jpg")  # blue green red
    cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
    cv.imshow("input image", img)
    watearshel_demo()
    cv.waitKey(0)
    cv.destroyAllWindows()