C++ OpenCV基于距离变换与分水岭的图像分割

以下文章来源于微卡智享 ，作者Vaccae

图像分割

图像分割，英文名image segmentation，就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：

• 基于阈值的分割方法
• 基于区域的分割方法
• 基于边缘的分割方法以及基于特定理论的分割方法

从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，即把属于同一区域的像索赋予相同的编号。

• 图像分割的目标是将图像中像素根据一定的规则分为若干个（N）个cluster集合，I每个集合包含一类像素。
• 根据算法分为监督学习算法和无监督学习算法，图像分割的算法多数都是无监督学习算法。---KMeans

距离变换与分水岭介绍

距离变换

距离变换常见算法有两种

• 不断膨胀/ 腐蚀得到
• 基于倒角距离

分水岭变换

分水岭变换常见的算法

基于浸泡理论实现

相关API

cv::distanceTransform(

InputArray src,

OutputArray dst,

OutputArray labels,

int distanceType,

int maskSize,

int labelType = DIST_LABEL_CCOMP

)

distanceType = DIST_L1/DIST_L2,

maskSize = 3x3,最新的支持5x5，推荐3x3、

labels离散维诺图输出,

dst输出8位或者32位的浮点数，单一通道，大小与输入图像一致

cv::watershed(

InputArray image,

InputOutputArray markers

)

操作步骤

1. 将白色背景变成黑色-目的是为后面的变换做准备
2. 使用filter2D与拉普拉斯算子实现图像对比度提高，sharp
3. 转为二值图像通过threshold
4. 距离变换
5. 对距离变换结果进行归一化到[0~1]之间
6. 使用阈值，再次二值化，得到标记
7. 腐蚀得到每个Peak - erode
8. 发现轮廓 – findContours
9. 绘制轮廓- drawContours
10. 分水岭变换 watershed
11. 对每个分割区域着色输出结果

代码演示

新建一个项目opencv-0027,配置属性(VS2017配置OpenCV通用属性),然后在源文件写入#include和main方法

这次我们用opencv里面自带的一张图像来实个这个方法

运行显示的图像为

1.将白色背景变成黑色

我们运行看一下

可以看到右边的已经把背景都换为黑色了。

2.使用filter2D与拉普拉斯算子实现图像对比度提高，sharp

我们再运行看一下，左边的就是生成的结果图，可以看出左边的清晰度更高了一些

3.转为二值图像通过threshold

我们再运行看一下，左边的图像已经让我们转换为二值图像了，也比较清晰

4.距离变换

5.对距离变换结果进行归一化到[0~1]之间

因为距离变换看不出任何效果，所以我们把4和5两步放在一起显示

我们再运行一下看看执行结果

6.使用阈值，再次二值化，得到标记

显示效果为

7.腐蚀得到每个Peak

效果不太好看，我们需要再进行二值的腐蚀，把上面的代码再修改一下

我们再看一下运行效果，可以看出来比刚才的效果好很多了

8.标记并且开始查找轮廓

这一步只是查找轮廓，我们接下来绘制查找的轮廓再一起显示出来

9.绘制轮廓

上面drawContours和circle最后一个参数都是用了-1，代表着画的轮廓里面进行颜色填充

我们再显示一下看看效果

看到好像什么也没有，这是因为我们画的轮廓太小了， 我们改一下显示效果

把最后显示cv::imshow(imgdst,makers*5000)再乘5000，重新看一下显示效果

这会儿就可以看到绘制的轮廓出来了

10.分水岭变换

我们看看显示的效果

可以看出，每个轮廓都有明显的区分开了。

11.对每个分割区域着色输出结果

然后我们再运行看到最后结果