【youcans 的 OpenCV 例程200篇】180.基于距离变换的分水岭算法

OpenCV 例程200篇 总目录-202205更新

【youcans 的 OpenCV 例程200篇】180.基于距离变换的分水岭算法
【youcans 的 OpenCV 例程200篇】181.基于 Sobel 梯度的分水岭算法
【youcans 的 OpenCV 例程200篇】182.基于形态学梯度的分水岭算法
【youcans 的 OpenCV 例程200篇】183.基于轮廓标记的分水岭算法
【youcans 的 OpenCV 例程200篇】184.鼠标交互标记的分水岭算法


【youcans 的 OpenCV 例程200篇】180.基于距离变换的分水岭算法


7. 图像分割之分水岭算法

分水岭算法是一种图像区域分割法,以临近像素间的相似性作为重要特征,从而将空间位置相近且灰度值相近的像素点互相连接起来,构成一个封闭的轮廓。

分水岭方法是一种基于拓扑理论的数学形态学的分割方法,基本思想是把图像看作测地学上的拓扑地貌,将像素点的灰度值视为海拔高度,整个图像就像一张高低起伏的地形图。每个局部极小值及其影响区域称为集水盆,集水盆的边界则形成分水岭。

分水岭算法是基于形态学的图像分割方法,体现了边缘检测、阈值处理和区域提取的概念和思想,往往会产生更稳定的分割结果。算法的实现过程可以理解为洪水淹没的过程:最低点首先被淹没,然后水逐渐淹没整个山谷;水位升高到一定高度就会溢出,于是在溢出位置修建堤坝;不断提高水位,重复上述过程,直到所有的点全部被淹没;所建立的一系列堤坝就成为分隔各个盆地的分水岭。

分水岭的计算过程是一个迭代标注过程,通过寻找集水盆和分水岭对图像进行分割。经典的分水岭算法分为排序过程和淹没过程两个步骤,首先对每个像素的灰度级从低到高排序,然后在从低到高的淹没过程中,对每一个局部极小值在 h 阶高度的影响域进行判断及标注。

最简单的分水岭算法的是基于距离变换,通过每个像素到最接近零值的像素的距离生成标注图像。基于梯度的分水岭算法通过梯度函数使得集水盆只响应想要探测的目标,对微弱边缘也有良好的响应,但图像中的噪声容易导致过分割。

基于标记点(标记符控制)的分水岭算法是主流的分割算法,其思想是利用先验知识来帮助分割。改进算法在原始图像中寻找一些内部标记和外部标记来引导分割,水淹过程从预先定义的标记开始,较好地解决了过度分割的问题。改进算法的关键在于如何获得准确的标记图像,即如何将前景物体与背景准确的标记出来。

图像的标记是将图像分为前景(目标物体)、背景和未知区域,把前景图像内的一部分设为 255,背景图像设为 0~255 的某个中间值,未知区域设为 0。通常,靠近目标物体中心的区域肯定是前景,远离对象中心的区域肯定是背景,二者之间的是未知区域。因此,对图像进行二值化处理后,经过多次腐蚀(或重建闭运算)可以得到前景区域,经过多次膨胀(或重建开运算)可以得到背景区域,前景区域和背景区域如有重合部分也是未知区域。

OpenCV 提供了函数 cv.watershed 实现基于标记的分水岭算法。

使用函数 cv.watershed 需要输入一个CV_32S 类型的标记图像,图像中每个非零像素代表一个标签。对图像中部分像素做标记,表明它的所属区域是已知的。

cv.watershed(image, markers[, ]	) → markers 

参数说明:

  • image:输入图像,8-bit/3-channel 彩色图像
  • markers:标记图像,32-bit 单通道图像,大小与 image 相同

注意事项:

  • 分水岭算法要求必须在标记图像 markers 中用索引勾勒出需要分割的区域,每个区域被赋值为 1、2、3… 等索引编号,对应于不同的目标物体。
  • 图像标记 markers 中未知区域的像素值设置为 0,通过分水岭算法确定这些像素属于背景还是前景区域。
  • 输出的图像标记 markers 中,每个像素都被赋值为 1、2、3… 等索引编号,或以 -1 表示区域之间的边界(分水岭)。

OpenCV 提供了函数 cv.distanceTransform 实现距离变换,计算图像中每个像素到最近的零像素点的距离。

函数说明:

cv.distanceTransform(src, distanceType, maskSize[, dst=None, dstType=CV_32F]) → dst
cv.distanceTransformWithLabels(src, distanceType, maskSize[, dst=None, labels=None, labelType=DIST_LABEL_CCOMP]) → dst, labels

参数说明:

  • src:输入图像,8-bit 单通道灰度图像
  • distanceType:距离的类型
    • cv.DIST_USER:用户定义的距离
    • cv.DIST_L1:dist=∣x1−x2∣+∣y1−y2∣dist = |x1-x2|+|y1-y2|dist=x1x2+y1y2
    • cv.DIST_L2:欧几里德距离
    • cv.DIST_C:dist=max(∣x1−x2∣,∣y1−y2∣)dist = max(|x1-x2|, |y1-y2|)dist=max(x1x2,y1y2)
  • maskSize:距离变换遮罩的大小,通常取 3, 5
  • labelType:生成的标签数组的类型
    • cv.DIST_LABEL_CCOMP:每个连接的零组件(及最接近连接组件的所有非零像素)被指定相同的标签
    • cv.DIST_LABEL_PIXEL:每个零像素(及离它最近的所有非零像素)都有自己的标签
  • dst:计算距离的输出图像,8-bit 或 32-bit 单通道图像,大小与 src 相同
  • labels:标签的输出图像,CV_32SC1类型, 大小与 src 相同

注意事项:

距离变换遮罩大小 maskSize 通常取 3 或 5,表示选择 3*3 或 5*5 的遮罩;距离类型为 DIST_L1 或 DIST_C 时遮罩大小被强制设为 3。


例程 11.37 基于距离变换的分水岭算法

最简单的分水岭算法的是基于距离变换,通过每个像素到最接近零值的像素的距离生成标注图像。

基于距离变换的分水岭算法的主要步骤为:

(1)首先通过阈值分割将灰度图像转换为二值图像,使用开运算消除噪点;
(2)通过形态学的膨胀操作,生成 “确定背景” 区域 sureBG;
(3)通过距离变换,并由阈值分割得到高亮区域,生成 “确定前景” 区域 sureFG;
(4)对 “确定前景” 区域 sureFG 进行连通性分析,标记为不同的连通域编号,即对多个分割目标进行编号;
(5)“确定前景” 区域 sureFG 与 “确定背景” 区域重合的部分,作为 “待定区域” unknown;
(6)从连通域标记图像中去除 “确定背景” 区域,作为分水岭算法的标注图像;
(7)基于标记图像使用分水岭算法进行分割,得到各个分割目标的轮廓,标注为 -1;
(8)把目标的轮廓添加到原始图像上。

    # 11.37 基于距离变换的分水岭算法img = cv2.imread("../images/Fig1039a.tif", flags=1)  # 读取彩色图像(BGR)gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转为灰度图像# 阈值分割,将灰度图像分为黑白二值图像ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_OTSU)# 形态学操作,生成 "确定背景" 区域kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))  # 生成 3*3 结构元opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=2)  # 开运算,消除噪点sure_bg = cv2.dilate(opening, kernel, iterations=3)  # 膨胀操作,生成 "确定背景" 区域# 距离变换,生成 "确定前景" 区域distance = cv2.distanceTransform(opening, cv2.DIST_L2, 5)  # DIST_L2: 3/5_, sure_fg = cv2.threshold(distance, 0.1*distance.max(), 255, cv2.THRESH_BINARY)  # 阈值选择 0.1*max 效果较好sure_fg = np.uint8(sure_fg)# 连通域处理ret, component = cv2.connectedComponents(sure_fg, connectivity=8)  # 对连通区域进行标号,序号为 0-N-1markers = component + 1  # OpenCV 分水岭算法设置标注从 1 开始,而连通域编从 0 开始# 去除连通域中的背景区域部分unknown = cv2.subtract(sure_bg, sure_fg)  # 待定区域,前景与背景的重合区域markers[unknown==255] = 0  # 去掉属于背景的区域 (置零)# 分水岭算法标注目标的轮廓markers = cv2.watershed(img, markers)  # 分水岭算法,将所有轮廓的像素点标注为 -1kinds = markers.max()  # 标注连通域的数量# 把轮廓添加到原始图像上imgWatershed = img.copy()imgWatershed[markers == -1] = [0, 0, 255]  # 将分水岭算法标注的轮廓点设为红色print(img.shape, markers.shape, markers.max(), markers.min(),ret)plt.figure(figsize=(10, 6))plt.subplot(231), plt.axis('off'), plt.title("Origin image")plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))  # 显示 img(RGB)plt.subplot(232), plt.axis('off'), plt.title("Gray image")plt.imshow(gray, 'gray')plt.subplot(233), plt.axis('off'), plt.title("Sure_bg")plt.imshow(sure_bg, 'gray')  # 确定背景plt.subplot(234), plt.axis('off'), plt.title("Sure_fg")plt.imshow(sure_fg, 'gray')  # 确定前景plt.subplot(235), plt.axis('off'), plt.title("Markers")plt.imshow(markers, 'gray')  # 图像标注plt.subplot(236), plt.axis('off'), plt.title("Watershed")plt.imshow(cv2.cvtColor(imgWatershed, cv2.COLOR_BGR2RGB))plt.tight_layout()plt.show()

在这里插入图片描述



(本节完)


版权声明:

OpenCV 例程200篇 总目录-202205更新
youcans@xupt 原创作品,转载必须标注原文链接:(https://blog.csdn.net/youcans/article/details/124766166)

Copyright 2022 youcans, XUPT
Crated:2022-5-15


欢迎关注 『youcans 的 OpenCV 例程 200 篇』 系列,持续更新中
欢迎关注 『youcans 的 OpenCV学习课』 系列,持续更新中

【youcans 的 OpenCV 例程200篇】147. 图像分割之孤立点检测
【youcans 的 OpenCV 例程200篇】148. 图像分割之线检测
【youcans 的 OpenCV 例程200篇】149. 图像分割之边缘模型
【youcans 的 OpenCV 例程200篇】150. 边缘检测梯度算子
【youcans 的 OpenCV 例程200篇】151. 边缘检测中的平滑处理
【youcans 的 OpenCV 例程200篇】152. 边缘检测之 LoG 算子
【youcans 的 OpenCV 例程200篇】153. 边缘检测之 DoG 算子
【youcans 的 OpenCV 例程200篇】154. 边缘检测之 Canny 算子
【youcans 的 OpenCV 例程200篇】155. 边缘连接的局部处理方法
【youcans 的 OpenCV 例程200篇】156. 边缘连接局部处理的简化算法
【youcans 的 OpenCV 例程200篇】157. 霍夫变换直线检测
【youcans 的 OpenCV 例程200篇】158. 阈值处理之固定阈值法
【youcans 的 OpenCV 例程200篇】159. 图像分割之全局阈值处理
【youcans 的 OpenCV 例程200篇】160. 图像处理之OTSU 方法
【youcans 的 OpenCV 例程200篇】161. OTSU 阈值处理算法的实现
【youcans 的 OpenCV 例程200篇】162. 全局阈值处理改进方法
【youcans 的 OpenCV 例程200篇】163. 基于边缘信息改进全局阈值处理
【youcans 的 OpenCV 例程200篇】164.使用 Laplace 边缘信息改进全局阈值处理
【youcans 的 OpenCV 例程200篇】165.多阈值 OTSU 处理方法
【youcans 的 OpenCV 例程200篇】166.自适应阈值处理
【youcans 的 OpenCV 例程200篇】167.基于移动平均的可变阈值处理
【youcans 的 OpenCV 例程200篇】168.图像分割之区域生长
【youcans 的 OpenCV 例程200篇】169.图像分割之区域分离
【youcans 的 OpenCV 例程200篇】170.图像分割之K均值聚类
【youcans 的 OpenCV 例程200篇】171.SLIC 超像素区域分割
【youcans 的 OpenCV 例程200篇】172.SLIC 超像素区域分割算法比较
【youcans 的 OpenCV 例程200篇】173.SEEDS 超像素区域分割
【youcans 的 OpenCV 例程200篇】174.LSC 超像素区域分割
【youcans 的 OpenCV 例程200篇】175.超像素区域分割方法比较
【youcans 的 OpenCV 例程200篇】176.图像分割之均值漂移算法
【youcans 的 OpenCV 例程200篇】177.图像分割之 GraphCuts 图割法
【youcans 的 OpenCV 例程200篇】178.图像分割之 GrabCut 图割法(框选前景)
【youcans 的 OpenCV 例程200篇】179.图像分割之 GrabCut 图割法(掩模图像)
【youcans 的 OpenCV 例程200篇】180.基于距离变换的分水岭算法

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/565506.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

IDEA设置主题和背景图片

我们使用IDEA开发的时候长期使用一种主题会感到沉重,那麽我们如何为IDEA设置我们自己想要的背景图片呢??? 一 . 设置主题 Idea主题自带的有三种:1、黑色模式 2、Intellij模式 3、高对比度模式; 具体修改步…

【youcans 的 OpenCV 例程200篇】181.基于 Sobel 梯度的分水岭算法

OpenCV 例程200篇 总目录-202205更新 【youcans 的 OpenCV 例程200篇】180.基于距离变换的分水岭算法 【youcans 的 OpenCV 例程200篇】181.基于 Sobel 梯度的分水岭算法 【youcans 的 OpenCV 例程200篇】182.基于形态学梯度的分水岭算法 【youcans 的 OpenCV 例程200篇】183.基…

java concurrent int_java.util.concurrent.AtomicInteger

AtomicInteger,一个提供原子操作的Integer的类。在Java语言中,i和i操作并不是线程安全的,在使用的时候,不可避免的会用到synchronized关键字。而AtomicInteger则通过一种线程安全的加减操作接口。来看AtomicInteger提供的接口。//…

IDEA创建SpringBoot

对于SpringBoot的开发我们使用IDEA工具是非常方便的,不仅开发效率高,而且代码能自动添加补全,那麽我们如何使用IDEA创建SpringBoot项目呢??? 1.使用IntelliJ IDEA 内置的Spring Initializr来创建SpringBoo…

【youcans 的 OpenCV 例程200篇】182.基于形态学梯度的分水岭算法

OpenCV 例程200篇 总目录-202205更新 【youcans 的 OpenCV 例程200篇】180.基于距离变换的分水岭算法 【youcans 的 OpenCV 例程200篇】181.基于 Sobel 梯度的分水岭算法 【youcans 的 OpenCV 例程200篇】182.基于形态学梯度的分水岭算法 【youcans 的 OpenCV 例程200篇】183.基…

procyon java8_java jdk 8反编译工具JD-GUI、procyon-decompiler、luyten、crf下载使用简介

本文对常用的反编译工具进行简单介绍JD-GUI、procyon-decompiler、luyten、crf反编译工具分类JD-GUIJDK7以及之前可以使用 JD-GUI,如果版本>1.8 各种问题http://java-decompiler.github.ioprocyon-decompiler如果版本>1.8 ,可以使用 procyon-dec…

SpringBoot页面出现 Whitelabel Error Page

我们运行SpringBoot项目之后需要通过Tomcat进行访问,但是我们访问的时候出现了Whitelabel Error Page的错误,我们该如何解决呢??? 错误页面 究其原因是我们的主程序缺少一个RestController的注解。 没有使用RestCon…

SpringBoot入门小案例

使用SpringBoot项目输出一个hello SpringBoot的入门小项目。 1.再IDEA中创建SpringBoot项目,创建完成如下所示。 2.项目创建完后打开包结构,WebApplication是项目的入口,是启动类,SpringBootApplication,这个注解非常…

【youcans 的 OpenCV 例程200篇】183.基于轮廓标记的分水岭算法

OpenCV 例程200篇 总目录-202205更新 【youcans 的 OpenCV 例程200篇】180.基于距离变换的分水岭算法 【youcans 的 OpenCV 例程200篇】181.基于 Sobel 梯度的分水岭算法 【youcans 的 OpenCV 例程200篇】182.基于形态学梯度的分水岭算法 【youcans 的 OpenCV 例程200篇】183.基…

【youcans 的 OpenCV 例程200篇】184.鼠标交互标记的分水岭算法

OpenCV 例程200篇 总目录-202205更新 【youcans 的 OpenCV 例程200篇】180.基于距离变换的分水岭算法 【youcans 的 OpenCV 例程200篇】181.基于 Sobel 梯度的分水岭算法 【youcans 的 OpenCV 例程200篇】182.基于形态学梯度的分水岭算法 【youcans 的 OpenCV 例程200篇】183.基…

【youcans 的 OpenCV 例程200篇】185.图像金字塔之高斯金字塔

OpenCV 例程200篇 总目录-202205更新 【youcans 的 OpenCV 例程200篇】185.图像金字塔之高斯金字塔 6. 图像金字塔 图像金字塔是一种以多分辨率来解释图像的结构,常用于图像分割、图像压缩和机器视觉。 图像金字塔是一系列来源于同一张原始图像、以金字塔形状排列…

【youcans 的 OpenCV 例程200篇】186.图像金字塔之拉普拉斯金字塔

OpenCV 例程200篇 总目录-202205更新 【youcans 的 OpenCV 例程200篇】186.图像金字塔之拉普拉斯金字塔 图像金字塔是一种以多分辨率来解释图像的结构,常用于图像分割、图像压缩和机器视觉。 图像金字塔是一系列来源于同一张原始图像、以金字塔形状排列的分辨率逐步…

【youcans 的 OpenCV 例程200篇】187.由拉普拉斯金字塔还原图像

OpenCV 例程200篇 总目录-202205更新 【youcans 的 OpenCV 例程200篇】187.由拉普拉斯金字塔还原图像 图像金字塔是一系列来源于同一张原始图像、以金字塔形状排列的分辨率逐步降低的图像集合。从底层图像可以看清更多细节,从顶层图像可以看到更多的轮廓特征。通常&…

整型和浮点型之间的转化

在Java中,我们如何将整型转化为浮点型,或者我们如何将浮点型转化成整型的呢? 结果演示 代码演示 package com.ten;public class Zidongzh {public static void main(String[] args) {double a 127.0;float b(float)a;float c(float)b;int…

【youcans 的 OpenCV 例程200篇】188.基于拉普拉斯金字塔的图像融合

OpenCV 例程200篇 总目录-202205更新 【youcans 的 OpenCV 例程200篇】188.基于拉普拉斯金字塔的图像融合 图像金字塔是一系列来源于同一张原始图像、以金字塔形状排列的分辨率逐步降低的图像集合。从底层图像可以看清更多细节,从顶层图像可以看到更多的轮廓特征。通…

【youcans 的 OpenCV 例程200篇】189.基于掩模的拉普拉斯金字塔图像融合

OpenCV 例程200篇 总目录-202205更新 【youcans 的 OpenCV 例程200篇】189.基于掩模的拉普拉斯金字塔图像融合 图像金字塔是一系列来源于同一张原始图像、以金字塔形状排列的分辨率逐步降低的图像集合。从底层图像可以看清更多细节,从顶层图像可以看到更多的轮廓特征…

中奖程序

使用Java做了一个中奖程序,程序中已经设置中奖的号码,根据文本提示会让你输入四个数字,当你输入你的四个数字之后程序会给出你是否中奖的结果显示。 结果演示 代码演示 package com.ten; import java.util.Scanner; public class ZhongJi…

【youcans 的 OpenCV 例程200篇】190.基于图像分割的图像融合

OpenCV 例程200篇 总目录-202205更新 【youcans 的 OpenCV 例程200篇】190.基于图像分割的图像融合 两张图像直接进行加法运算后图像的颜色会改变,通过加权加法实现图像混合后图像的透明度会改变,都不能实现图像的叠加。 实现图像的叠加,需要…

【youcans 的 OpenCV 例程200篇】191.基于图像分割的金字塔图像融合

OpenCV 例程200篇 总目录-202205更新 【youcans 的 OpenCV 例程200篇】191.基于图像分割的金字塔图像融合 拉普拉斯金字塔将源图像分解到不同的频带,越高频的图像信息越到上层。在相同显示尺寸下比较不同分辨率的拉普拉斯图像,可以发现不同尺度下关注的细…

【youcans 的 OpenCV 例程200篇】192.Gabor 滤波器组的形状

OpenCV 例程200篇 总目录-202205更新 【youcans 的 OpenCV 例程200篇】192.Gabor 滤波器组的形状 6.5 Gabor 滤波器 Gabor 变换是一种加窗短时傅里叶变换,以高斯函数作为短时傅里叶变换的窗函数,因此可以在频域不同尺度、不同方向上提取特征。 Gabor 函…