opencv学习-图像分割与分水岭算法

---

前言

我们将展示一个如何使用距离变换和分水岭分割相互接触的物体的例子。
考虑一下下面的硬币图像，这些硬币相互接触。即使你去阈值化它，它也会互相碰触。

一、二值化

我们从找到硬币的大概估计值开始。为此，我们可以利用自适应的二值化。

#include<iostream>
#include<opencv2\opencv.hpp>

using namespace std;
using namespace cv;

int main() {
	Mat gray, thresh;
	Mat img = imread("coins.jpg");
	cvtColor(img, gray, COLOR_BGR2GRAY);
	threshold(gray, thresh, 0, 255, THRESH_BINARY_INV+CV_THRESH_OTSU);

	imshow("Otst阈值图像", thresh);
	waitKey(0);
	return 0;
}

阈值后的图像如下所示：

二、形态学去噪点

现在需要去除图像中任何微小的白色噪声。为此，我们可以使用形态开操作。为了去除物体上的任何小洞，我们可以使用形态闭操作。所以，现在我们可以确定的是，靠近物体中心的区域是前景，远离物体的区域是背景。只有我们不确定的区域是硬币的边界区域。

所以我们需要提取我们确定是硬币的区域。侵蚀去除边界像素。所以不管剩下多少，我们都能确定是硬币。如果物体不互相接触，那就可以了。但是由于它们彼此接触，另一个好的选择是找到距离变换并应用适当的阈值。接下来我们需要找到我们确信不是硬币的区域。为此，我们扩展了结果。膨胀将物体边界增加到背景。通过这种方式，我们可以确保结果中的任何背景区域都是真正的背景，因为边界区域。

Mat opening; Mat sure_bg;
Mat sure_fg; Mat unknow;
Mat dist_transform;
double maxValue;
// noise removal
Mat kernel = Mat::ones(3, 3, CV_8U);
morphologyEx(thresh, opening, MORPH_OPEN, kernel);

// sure background area
dilate(opening, sure_bg, kernel, Point(-1, -1), 3);

// Finding sure foreground area
distanceTransform(opening, dist_transform, DIST_L2, 5);
minMaxLoc(dist_transform, 0, &maxValue, 0, 0);
threshold(dist_transform, sure_fg, 0.7*maxValue, 255, 0);

// Finding unknown region
sure_fg.convertTo(sure_fg, CV_8U);
subtract(sure_bg, sure_fg, unknow);

剩下的区域是我们不知道的，无论是硬币还是背景。分水岭算法应该能找到它。这些区域通常围绕着硬币的边界，也就是前景和背景相遇的地方(甚至是两个不同的硬币相遇的地方)。我们称之为边界。用sure_fg 面积减去sure_bg面积可得。

看到结果。在阈值图像中，我们得到了一些区域的硬币，我们确定这些硬币是独立的。(在某些情况下，你可能只对前景分割感兴趣，而对相互接触的对象的分割不感兴趣。在这种情况下，你不需要使用距离变换，只要侵蚀就足够了。侵蚀只是提取前景区域的另一种方法，仅此而已。)

三、创建maker

现在我们可以确定哪些是硬币区域，哪些是背景等等。因此我们创建了marker(它是一个与原始图像大小相同的数组，但是使用int32数据类型)，并在其中标记区域。我们确定的区域(无论是前景还是背景)被标记为任何正整数，但是是不同的整数，而我们不确定的区域则被保留为0。为此，我们使用了connectedComponents()。它用0标记图像的背景，然后用从1开始的整数标记其他对象。

但是我们知道，如果将background标记为0,watershed将认为它是未知区域。所以我们要用不同的整数来标记它。相反，我们将标记未知区域，由unknown定义，为0。

// Marker labelling
Mat markers;
connectedComponents(sure_fg, markers);

// Add one to all labels so that sure background is not 0, but 1
markers = markers + 1;

// Now, mark the region of unknown with zero
markers.setTo(0, unknow);

四、应用分水岭

Mat marker;
Mat mask;
watershed(img, markers);
compare(markers, -1, mask, CMP_EQ);
img.setTo(Scalar(0, 0, 255), mask);

五、完整代码

int main()
{
	cv::Mat img = cv::imread("C:\\Users\\Administrator\\Downloads\\5.jpg");
	cv::Mat gray;
	cv::cvtColor(img, gray, COLOR_BGR2GRAY);
	
	cv::Mat thresh;
	threshold(gray, thresh, 0, 255, THRESH_BINARY_INV + CV_THRESH_OTSU);

	imshow("Otst阈值图像", thresh);

	Mat opening; Mat sure_bg;
	Mat sure_fg; Mat unknow;
	Mat dist_transform;
	double maxValue;
	// noise removal
	Mat kernel = Mat::ones(3, 3, CV_8U);
	morphologyEx(thresh, opening, MORPH_OPEN, kernel);

	// sure background area
	dilate(opening, sure_bg, kernel, Point(-1, -1), 3);

	// Finding sure foreground area
	distanceTransform(opening, dist_transform, DIST_L2, 5);
	minMaxLoc(dist_transform, 0, &maxValue, 0, 0);
	threshold(dist_transform, sure_fg, 0.7 * maxValue, 255, 0);

	// Finding unknown region
	sure_fg.convertTo(sure_fg, CV_8U);
	subtract(sure_bg, sure_fg, unknow);

	imshow("dist_transform", dist_transform);

	// Marker labelling
	Mat markers;
	connectedComponents(sure_fg, markers);

	// Add one to all labels so that sure background is not 0, but 1
	markers = markers + 1;

	// Now, mark the region of unknown with zero
	markers.setTo(0, unknow);

	Mat marker;
	Mat mask;
	watershed(img, markers);
	compare(markers, -1, mask, CMP_EQ);
	img.setTo(Scalar(0, 0, 255), mask);

	imshow("img", img);


	cv::waitKey(0);

	return 0;
}

参考原文链接：https://blog.csdn.net/jpc20144055069/article/details/102672777