计算机视觉——OpenCV 使用分水岭算法进行图像分割

分水岭算法

在这里插入图片描述

分水岭算法：模拟地理形态的图像分割

分水岭算法通过模拟自然地形来实现图像中物体的分类。在这一过程中，每个像素的灰度值被视作其高度，灰度值较高的像素形成山脊，即分水岭，而二值化阈值则相当于水平面，低于这个水平面的区域会被“淹没”。

测地线距离：地形分析的核心

测地线距离是分水岭算法中的一个关键概念，它代表地球表面两点间的最短路径。这一概念在图论中同样适用，指的是图中两节点间的最短路径，与欧氏距离相比，测地线距离考虑的是实际路径。

分水岭算法的执行步骤

  1. 梯度图像分类：根据灰度值对梯度图像中的像素进行分类，并设定测地距离阈值。
  2. 起始点标记：选择灰度值最小的像素点作为起始点，这些点通常是局部最小值。
  3. 水平面上升：随着阈值的增长，测量周围邻域像素到起始点的测地距离。若小于阈值，则淹没这些像素；若大于阈值，则在这些像素上建立“大坝”。
  4. 大坝设置与区域分区：随着水平面的上升，建立更多的大坝，直到所有区域在分水岭线上相遇，完成图像的分区。

避免过度分割的策略

分水岭算法可能会因噪声或干扰导致图像过度分割，形成过多的小区域。解决这一问题的方法包括：

  • 高斯平滑：通过高斯平滑减少噪声，合并小分区。
  • 基于标记的分水岭算法：选择相对较高的灰度值像素作为起始点，手动标记或使用自动方法如距离变换来确定，从而合并小区域。

OpenCV 实现 Watershed 算法

函数原型：

void watershed( InputArray image, InputOutputArray markers );

参数说明：

  1. image：输入的图像，必须是8位的单通道灰度图像。这个图像的梯度信息将被用来模拟水流向低洼地区流动的过程。

  2. markers：输入输出参数，是一个与原图像大小相同的图像，用于存放分割标记。在函数调用前，这个图像应该被初始化，其中包含了用户定义的分割区域的标记。标记是通过正整数索引来表示的，表示用户已知的前景或背景区域。所有未知区域（即算法需要确定的区域）应该被标记为0。函数执行完成后，每个像素点的标记将被更新为“种子”组件的值，或者在区域边界处被设置为-1。

功能说明：

  • watershed 函数会分析 image 的梯度信息，并使用 markers 中定义的已知区域作为分割的起点（种子点）。
  • 算法将从这些种子点开始，逐步对图像中的其他像素点进行区域归属的判定，直到所有像素点都被标记。
  • 在分割过程中，如果两个相邻的已知区域（种子点）相遇，算法会在它们之间创建一个边界，以避免这些区域合并在一起，从而实现分割。

注意事项：

  • markers 中的标记非常重要，它们直接影响分割的结果。因此，用户需要仔细考虑如何标记已知的前景和背景区域。
  • 分水岭算法可能会导致过度分割，特别是当图像中存在大量噪声时。在实际应用中，可能需要对图像进行预处理，如使用高斯模糊去除小的局部最小值，以减少过度分割的问题。

C++ 代码实现

  1. 读取图像
if(argc < 2){std::cerr << "Errorn";std::cerr << "Provide Input Image:n<program> <inputimage>\n";return -1;
}
cv::Mat original_img = cv::imread(argv[1]);
if(original_img.empty()){std::cerr << "Errorn";std::cerr << "Cannot Read Imagen";return -1;
}

在这里插入图片描述

  1. 使用滤波器从图像中去除噪声
    Mean shift blur 是一种保留图像边缘的滤波算法，经常用于在图像 Watershed 分割之前消除噪声，这可以显著改善 Watershed 分割效果。
cv::Mat shifted;
cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);
showImg("图像滤波", shifted);

在这里插入图片描述

  1. 将原始图像转换为灰度和二进制图像
cv::Mat gray_img;
cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);
showImg("", gray_img);

在这里插入图片描述

cv::Mat bin_img;
cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);
showImg("二值图像", bin_img);

在这里插入图片描述

  1. 查找图像的确定背景

在这一步中，要找到图像中我们确定是背景的区域。

void getBackground(const cv::Mat& source, cv::Mat& dst) {cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核
}

在这里插入图片描述

  1. 查找图像的确定前景

为了找到图像的前景，使用距离变换算法

void getForeground(const cv::Mat& source, cv::Mat& dst) {cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);
}

在这里插入图片描述

  1. 查找标记

在应用 Watershed 算法之前，需要标记。为此，我们将使用 OpenCV 提供的 findContour() 函数来在图像中找到标记。

void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);// 绘制前景标记for (size_t i = 0, size = contours.size(); i < size; i++)drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);
}

在这里插入图片描述

  1. 应用 Watershed 算法
cv::watershed(original_img, markers);
cv::Mat mark;
markers.convertTo(mark, CV_8U);
cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色
showImg("MARKER", mark);

在这里插入图片描述

完整代码

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>void showImg(const std::string& windowName, const cv::Mat& img){cv::imshow(windowName, img);
}void getBackground(const cv::Mat& source, cv::Mat& dst) {cv::dilate(source, dst, cv::Mat::ones(3, 3, CV_8U)); // 3x3 核
}void getForeground(const cv::Mat& source, cv::Mat& dst) {cv::distanceTransform(source, dst, cv::DIST_L2, 3, CV_32F);cv::normalize(dst, dst, 0, 1, cv::NORM_MINMAX);
}void findMarker(const cv::Mat& sureBg, cv::Mat& markers, std::vector<std::vector<cv::Point>>& contours) {cv::findContours(sureBg, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);// 绘制前景标记for (size_t i = 0, size = contours.size(); i < size; i++)drawContours(markers, contours, static_cast<int>(i), cv::Scalar(static_cast<int>(i)+1), -1);
}void getRandomColor(std::vector<cv::Vec3b>& colors, size_t size) {for (int i = 0; i < size ; ++i) {int b = cv::theRNG().uniform(0, 256);int g = cv::theRNG().uniform(0, 256);int r = cv::theRNG().uniform(0, 256);colors.emplace_back(cv::Vec3b((uchar)b, (uchar)g, (uchar)r));}
}int main(int argc, char** argv) {if(argc < 2){std::cerr << "Errorn";std::cerr << "Provide Input Image:n n";return -1;}cv::Mat original_img = cv::imread(argv[1]);if(original_img.empty()){std::cerr << "Errorn";std::cerr << "Cannot Read Imagen";return -1;}cv::Mat shifted;cv::pyrMeanShiftFiltering(original_img, shifted, 21, 51);showImg("Mean Shifted", shifted);cv::Mat gray_img;cv::cvtColor(original_img, gray_img, cv::COLOR_BGR2GRAY);showImg("GrayIMg", gray_img);cv::Mat bin_img;cv::threshold(gray_img, bin_img, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);showImg("thres img", bin_img);cv::Mat sure_bg;getBackground(bin_img, sure_bg);showImg("Sure Background", sure_bg);cv::Mat sure_fg;getForeground(bin_img, sure_fg);showImg("Sure ForeGround", sure_fg);cv::Mat markers = cv::Mat::zeros(sure_bg.size(), CV_32S);std::vector<std::vector<cv::Point>> contours;findMarker(sure_bg, markers, contours);cv::circle(markers, cv::Point(5, 5), 3, cv::Scalar(255), -1); // 在标记周围绘制圆圈cv::watershed(original_img, markers);cv::Mat mark;markers.convertTo(mark, CV_8U);cv::bitwise_not(mark, mark); // 将白色转换为黑色，黑色转换为白色showImg("MARKER", mark);// 在图像中突出显示标记 /std::vector<cv::Vec3b> colors;getRandomColor(colors, contours.size()); // 创建结果图像cv::Mat dst = cv::Mat::zeros(markers.size(), CV_8UC3);// 用随机颜色填充标记的对象for (int i = 0; i < markers.rows; i++){for (int j = 0; j < markers.cols; j++){int index = markers.at(i,j);if (index > 0 && index <= static_cast<int>(contours.size()))dst.at<cv::Vec3b>(i,j) = colors[index-1];}}showImg("Final Result", dst);cv::waitKey(0);return 0;
}

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/pingmian/3809.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

spring自定义属性编辑器

spring自定义属性编辑器

spring自定义属性编辑器 属性编辑器用来解析bean的配置文件中的属性标签&#xff0c;spring的BeanWrapperImpl默认会注册CustomCollectionEditor(集合)、CustomMapEditor(Map)、CurrencyEditor(货币)、ByteArrayPropertyEditor等&#xff0c;可以使用CustomEditorConfigurer来注…
阅读更多...
上门服务系统|上门服务小程序搭建流程

上门服务系统|上门服务小程序搭建流程

随着科技的不断进步和人们生活水平的提高&#xff0c;越来越多的服务开始向线上转型。传统的上门服务业也不例外&#xff0c;随着上门服务小程序的兴起&#xff0c;人们的生活变得更加便捷和高效。本文将为大家介绍上门服务小程序的搭建流程以及应用范围。 一、上门服务小程序搭…
阅读更多...
华为OD机试 - 跳格子3 - 动态规划（Java 2024 C卷 200分）

华为OD机试 - 跳格子3 - 动态规划（Java 2024 C卷 200分）

华为OD机试 2024C卷题库疯狂收录中&#xff0c;刷题点这里 专栏导读 本专栏收录于《华为OD机试&#xff08;JAVA&#xff09;真题&#xff08;A卷B卷C卷&#xff09;》。 刷的越多&#xff0c;抽中的概率越大&#xff0c;每一题都有详细的答题思路、详细的代码注释、样例测试…
阅读更多...
Taro +vue3 中实现全局颜色css变量的设置和使用

Taro +vue3 中实现全局颜色css变量的设置和使用

当我们现在需要弄一个随时修改的页面颜色主题色 我们可以随时修改 我使用的是 Taro 框架 一般有一个app.less 文件 我们在这个里面 设置一个root 全局样式 :root {--primary-color: #028fd4;--secondary-color: #028fd6;/* 添加其他颜色变量 */ } 这样在全局我们就可以使用这…
阅读更多...
汽车信息安全--如何理解TrustZone(2)

汽车信息安全--如何理解TrustZone(2)

目录 1.概述 2 如何切换安全状态 3 TrustZone里实现了什么功能&#xff1f; 4. 与HSM的比较 1.概述 汽车信息安全--如何理解TrustZone(1)-CSDN博客讲解了什么是Trustzone&#xff0c;下面我们继续讲解与HSM的区别。 2 如何切换安全状态 在引入安全扩展后&#xff0c;Arm…
阅读更多...
OpenHarmony硬件合成方案解析

OpenHarmony硬件合成方案解析

本文档主要讲解在OpenHarmony中&#xff0c;硬件合成适配的方法及原理说明。 环境说明&#xff1a; OHOS版本&#xff1a;3.1-Release及以上 一、背景介绍 1.1 什么是合成 要理解什么是合成&#xff0c;合成做了什么&#xff1f;我们先通过分解设置界面来回答这个问题: 在…
阅读更多...
MySQL中的Performance Schema是什么？

MySQL中的Performance Schema是什么？

MySQL中的Performance Schema是什么&#xff1f; Performance Schema 是 MySQL 的一个特性&#xff0c;主要用于监控 MySQL 服务器在运行时的性能和资源使用情况。它首次引入于 MySQL 5.5 版本&#xff0c;并在后续版本中得到增强。Performance Schema 提供了一种方式来收集数…
阅读更多...
base64算法

base64算法

1 介绍 将二进制数据编码为文本字符串的算法 理解&#xff1a;把一个能看懂的明文变成一个看不懂的密文数据统称为加密 2 使用 A 在浏览器控制台使用 加密 window.btoa(加密的数据) 解密 window.atob(MTIzNDQ) B 在VSconde中使用 加密 解密
阅读更多...
机器学习-保险花销预测笔记+代码

机器学习-保险花销预测笔记+代码

读取数据 import numpy as np import pandas as pddatapd.read_csv(rD:\人工智能\python视频\机器学习\5--机器学习-线性回归\5--Lasso回归_Ridge回归_多项式回归\insurance.csv,sep,) data.head(n6) EDA 数据探索 import matplotlib.pyplot as plt %matplotlib inlineplt.hi…
阅读更多...
STM32之串口中断接收丢失数据

STM32之串口中断接收丢失数据

五六年没搞STM32了&#xff0c;这个项目一切都挺顺利&#xff0c;万万没想到被串口接收中断恶心到了。遇到的问题很奇怪 HAL_UART_Receive_IT(&huart1, &rx_buffer[rx_index], LCD_UART_LEN); 这个代码中 LCD_UART_LEN1的时候&#xff0c;接收过来的数据&#xff0c;数…
阅读更多...
MySQL查询JSON字符串

MySQL查询JSON字符串

MySQL版本&#xff1a;8.0.27 表结构及数据 /*Navicat Premium Data TransferSource Server : LocalSource Server Type : MySQLSource Server Version : 80027 (8.0.27)Source Host : 127.0.0.1:3306Source Schema : mumangguoTarget Server T…
阅读更多...
如何用Python实现智能客服问答系统

如何用Python实现智能客服问答系统

随着人工智能技术的不断发展&#xff0c;机器人客服与聊天系统成为了热门话题。Python作为一种简单易学、功能强大的编程语言&#xff0c;在机器人客服与聊天系统的开发中具有广泛应用。 本文将介绍如何使用Python实现机器人客服与聊天系统&#xff0c;包括实现方式、代码示例和…
阅读更多...
可能内存溢出的高级排序算法-归并排序

可能内存溢出的高级排序算法-归并排序

归并排序 归并排序在经典递归实现中需要的额外空间相对较多。这是因为在归并排序的过程中&#xff0c;需要与原始数组大小相同的额外空间来存储临时合并的数组。所以&#xff0c;其空间复杂度为O(n)&#xff0c;其中n表示待排序数组的长度。在递归过程中&#xff0c;需要创建临…
阅读更多...
LeetCode 0039.组合总和：回溯 + 剪枝

LeetCode 0039.组合总和：回溯 + 剪枝

【LetMeFly】39.组合总和&#xff1a;回溯 剪枝 力扣题目链接&#xff1a;https://leetcode.cn/problems/combination-sum/ 给你一个 无重复元素 的整数数组 candidates 和一个目标整数 target &#xff0c;找出 candidates 中可以使数字和为目标数 target 的 所有 不同组合…
阅读更多...
[NSSCTF]prize_p5

[NSSCTF]prize_p5

前言 之前就学过反序列化的字符串逃逸 但是没怎么做题 补一下窟窿 题目 <?phperror_reporting(0);class catalogue{public $class;public $data;public function __construct(){$this->class "error";$this->data "hacker";}public functi…
阅读更多...
Ali-Sentinel-链路控制

Ali-Sentinel-链路控制

归档 GitHub: Ali-Sentinel-链路控制 链结构 参考&#xff1a;入口控制-处理链 具体实现 NodeSelectorSlot 给上下文设置统计节点 com.alibaba.csp.sentinel.slots.nodeselector.NodeSelectorSlot Spi(isSingleton false, order Constants.ORDER_NODE_SELECTOR_SLOT)…
阅读更多...
2023-2024年度广东省职业院校学生技能大赛“ 网络系统管理”赛项竞赛规程（正式稿）

2023-2024年度广东省职业院校学生技能大赛“ 网络系统管理”赛项竞赛规程（正式稿）

2023-2024年度广东省职业院校学生技能大赛“ 网络系统管理”赛项竞赛规程&#xff08;正式稿&#xff09; 信息安全管理与评估 网络系统管理 网络搭建与应用 云计算 软件测试 移动应用开发 任务书&#xff0c;赛题&#xff0c;解析等资料&#xff0c;知识点培训服务 添加博主wx…
阅读更多...
Python 中的下划线变量

Python 中的下划线变量

Python 中的下划线变量 _name: 这是一种约定俗成的方式&#xff0c;表示这是一个私有变量&#xff0c;意味着它应该在类的内部使用&#xff0c;而不应该直接从外部访问。但实际上&#xff0c;Python并没有严格的私有化机制&#xff0c;这只是一种约定&#xff0c;因为外部仍然可…
阅读更多...
Nginx高级配置与重写规则详解：从入门到实践

Nginx高级配置与重写规则详解：从入门到实践

摘要： 本文将深入探讨Nginx的高级配置与重写规则，通过实际案例讲解如何优化Nginx的配置，实现URL重写、负载均衡、缓存优化等功能。文章旨在帮助读者更好地理解和应用Nginx，提升网站性能和用户体验。 一、Nginx简介 Nginx是一款高性能的HTTP和反向代理服务器，也是IMAP/POP…
阅读更多...
代码随想录训练营day43

代码随想录训练营day43

第九章 动态规划 part05 1.LeetCode. 最后一块石头的重量 II 1.1题目链接&#xff1a;1049.最后一块石头的重量II 文章讲解&#xff1a;代码随想录 视频讲解&#xff1a;B站卡哥视频 1.2思路&#xff1a;本题其实就是尽量让石头分成重量相同的两堆&#xff0c;相撞之后剩下…
阅读更多...
最新文章

Copyright @ 2022~2023