opencv學習筆記五十六:分水嶺分割演算法
一、基於分水嶺的分割演算法是受自然界地貌啟發而來的對灰度圖的地形學解釋,我們考慮以下三點:
1. 區域性最小值點,該點對應一個盆地的最低點,當我們在盆地裡滴一滴水的時候,由於重力作用,水最終會匯聚到該點。注意:可能存在一個最小值面,該平面內的都是最小值點。
2. 盆地的其它位置點,該位置滴的水滴會匯聚到區域性最小點。
3. 盆地的邊緣點,是該盆地和其它盆地交接點,在該點滴一滴水,會等概率的流向任何一個盆地。
假設我們在盆地的最小值點,打一個洞,然後往盆地裡面注水,並阻止兩個盆地的水彙集,我們會在兩個盆地的水彙集的時刻,在交接的邊緣線上(也即分水嶺線),建一個壩,來阻止兩個盆地的水彙集成一片水域。這樣影象就被分成2個畫素集,一個是注水盆地畫素集,一個是分水嶺線畫素集。
二、在上面的水嶺演算法示意圖中區域性極小值、積水盆地,分水嶺線以及水壩的概念可以描述為: (1)區域極小值:導數為0的點,區域性範圍內的最小值點; (2)集水盆(匯水盆地):當“水”落到匯水盆地時,“水”會自然而然地流到匯水盆地中的區域極小值點處; (3)分水嶺:當“水”處於分水嶺的位置時,會等概率地流向多個與它相鄰的匯水盆地中;
(4)水壩:人為修建的分水嶺,防止相鄰匯水盆地之間的“水”互相交匯影響。
watershed()函式的原型如下:
watershed(InputArray image, InputOutputArray markers)
可見,非常簡單,就兩個引數,但實際上不是那麼簡單的,官方文件對這個引數的說明翻譯如下:
markers中儲存了影象的大致輪廓,並且以值1,2,3...分別表示各個components.markers,通常由函式findContours() 和 drawContours()結合使用來獲得。markers相當於watershed()執行時的種子引數。markers中,不屬於輪廓的點的值應置為0.函式執行後,影象中的畫素如果是在由某個輪廓種子生成的區域中,那麼其值就置為這個種子的編號,如果畫素不在輪廓種子生成的區域中,則置為-1。
金子塔均值漂移pyrMeanShiftFiltering
meanShfit均值漂移演算法是一種通用的聚類演算法,它的基本原理是:對於給定的一定數量樣本,任選其中一個樣本,以該樣本為中心點劃定一個圓形區域,求取該圓形區域內樣本的質心(同時考慮畫素的空間位置和顏色值,如果是灰度圖,相當於三維資料點,彩色圖相當於五維資料點),即密度最大處的點,再以該點為中心繼續執行上述迭代過程,直至最終收斂。 可以利用均值偏移演算法的這個特性,實現彩色影象分割。這個函式嚴格來說並不是影象的分割,而是影象在色彩層面的平滑濾波,它可以中和色彩分佈相近的顏色,平滑色彩細節。
#include<opencv2\opencv.hpp>
using namespace cv;
using namespace std;
int main(int arc, char** argv) {
Mat src = imread("3.jpg");
namedWindow("input", CV_WINDOW_AUTOSIZE);
imshow("input", src);
////均值漂移濾波及二值化
Mat shifted, gray, binary;
pyrMeanShiftFiltering(src, shifted, 25, 55);
imshow("MeanShiftFilter", shifted);
cvtColor(shifted, gray, CV_BGR2GRAY);
threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);
imshow("MeanShiftFilter_binary", binary);
//距離變換及二值化
Mat dist ;
distanceTransform(binary, dist, 2, 3,CV_32F);//這裡距離是選擇L2,會有浮點數,所以型別為CV_32F
normalize(dist, dist, 0, 1, NORM_MINMAX);
imshow("distanceTransform", dist);
Mat dist_u;
dist.convertTo(dist_u, CV_8U);
normalize(dist_u, dist_u, 0, 255, NORM_MINMAX);
threshold(dist_u, dist_u, 0, 255, THRESH_BINARY | THRESH_OTSU);
imshow("distanceTransform_binary", dist_u);
//尋找種子點
vector<vector<Point>>contours;
findContours(dist_u, contours, RETR_EXTERNAL,CHAIN_APPROX_SIMPLE, Point(0, 0));
Mat markers = Mat::zeros(src.size(), CV_32S);
for (int i = 0; i < contours.size(); i++) {
drawContours(markers, contours, i, Scalar(i+1), -1);//將Scalar值作為各類的索引值,則markers裡的值為1到9
}
circle(markers, Point(5, 5), 3, Scalar(255), -1);//再加上個背景,索引給個255
imshow("markers", markers*10000);
//腐蝕
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
morphologyEx(src, src, MORPH_ERODE, kernel);
imshow("erode", src);
//分水嶺分割並顯示
watershed(src, markers);
Mat mark;
markers.convertTo(mark, CV_8UC1);
bitwise_not(mark, mark);
imshow("watershed", mark);
//用不同顏色顯示
Mat wshed(markers.size(), CV_8UC3);
vector<Vec3b> colorTab;
RNG rng(1);
for (int i = 0; i < contours.size(); i++)
{
int b = rng.uniform(0, 255);
int g = rng.uniform(0, 255);
int r = rng.uniform(0, 255);
colorTab.push_back(Vec3b((uchar)b, (uchar)g, (uchar)r));
}
for (int i = 0; i < markers.rows; i++)
for (int j = 0; j < markers.cols; j++)
{
int index = markers.at<int>(i, j);
if (index > 0 && index <= contours.size())
wshed.at<Vec3b>(i, j) = colorTab[index - 1];
else
wshed.at<Vec3b>(i, j) = Vec3b(0, 0, 0);
}
imshow("result", wshed);
printf("number of objects:%d", contours.size());
waitKey(0);
return 0;
}
原圖及執行結果如下: