分水岭分割算法

alpha_Escher

于 2018-06-08 09:30:31 发布

阅读量2.6k

点赞数 1

分类专栏： open cv 文章标签：分水岭分割分割与合并

本文链接：https://blog.csdn.net/z827997640/article/details/80612971

版权

本文介绍了分水岭分割算法在计算机视觉中的应用，通过颜色和灰度特征来区分图像区域。首先对图像进行灰度化和二值化，再进行形态学开运算和距离变换，最后通过连通区域分割得到结果。此外，还讨论了分水岭分割的合并策略，利用巴特查里亚距离衡量区域相似性，以减少过分割问题。

摘要由CSDN通过智能技术生成

分水岭分割算法

在计算机视觉中我们常常关注的目标特征是颜色和灰度，刻画图像中的两个区域视觉相似性有许多方法，如形状描绘子，颜色特征，距特征等。对于某种场景下的应用，具有独特的纹理对象可以使用一个很好的纹理特征符。针对颜色不同的区域中的单体对象相同的扩展，我们可以使用颜色特征来测量对象的不用部分的相似性。如果物体各个子区域存在单一的颜色分布，我们可以使用颜色特征来测量对象不同部分的相似性。如果物体各个子区域存在单一的颜色分布，我们可以使用颜色特征来测量物体的不同区域的相似性概率。
分水岭分割算法的实现途径有多种，本节是利用图像距离变换来实现的，具体思路为：首先，对源图像进行灰度化，并使用OTSU进行二值化操作；其次，对二值化图像进行形态学开操作，利用distanceTransform完成图像距离变换操作；最后，归一化距离变换的统计图像，并计算相应的连通区域分割块：
示例代码如下：

Mat watershedSegment(Mat & srcImage, int & noOfSegments)
{
    Mat grayMat;
    Mat otsuMat;
    cvtColor(srcImage, grayMat, CV_BGR2GRAY);
    imshow("grayMat", grayMat);
    // 阈值操作
    threshold(grayMat, otsuMat, 0, 255, 
        CV_THRESH_BINARY_INV + CV_THRESH_OTSU);//使用最大类间方差进行分割，能够很好的分割直方图波峰和波谷不明显的图像
    imshow("otsuMat", otsuMat);
    // 形态学开操作
    morphologyEx(otsuMat, otsuMat, MORPH_OPEN, 
        Mat::ones(9, 9, CV_8SC1), Point(4, 4), 2);//去除小的干扰像素
    imshow("Mor-openMat", otsuMat);
    // 距离变换
    Mat disTranMat(otsuMat.rows, otsuMat.cols, CV_32FC1);
    distanceTransform(otsuMat, disTranMat, CV_DIST_L2, 3);
    // 归一化
    normalize(disTranMat, disTranMat, 0.0, 1, NORM_MINMAX);
    imshow("DisTranMat", disTranMat);
    // 阈值化分割图像
    threshold(disTranMat, disTranMat, 0.1, 1, CV_THRESH_BINARY);
    //归一化统计图像到0-255
    normalize(disTranMat, disTranMat, 0.0, 255.0, NORM_MINMAX);
    disTranMat.convertTo(disTranMat, CV_