于距离变换与分水岭的图像分割

admin

什么是图像分割(Image Segmentation)

• 图像分割(Image Segmentation)是图像处理最重要的处理手段之一
• 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(N)个cluster集合，每个集合包含一类像素。
• 根据算法分为监督学习方法和无监督学习方法，图像分割的算法多数都是无监督学习方法 - KMeans
  

距离变换与分水岭介绍





            
测试点多边形得到结果跟距离变换相似


            

• 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)





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

[C++] 纯文本查看 复制代码

/*
注意:
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
*/
#include <opencv2/opencv.hpp>
#include <iostream>
#include<math.h>
using namespace std;
using namespace cv;

Mat src, dst, gray;


int main(int argc, char** argv) {
	src = imread("pk.png");
	if (!src.data) {
		printf("加载图片异常\n");
		return -1;
	}
	namedWindow("input", CV_WINDOW_AUTOSIZE);
	imshow("input", src);

	//1.去除背景
	for (int row = 0; row < src.rows; row++)
	{
		for (int col = 0; col < src.cols; col++)
		{
			if (src.at<Vec3b>(row,col)==Vec3b(255,255,255))
			{
				src.at<Vec3b>(row, col)[0] = 0;
				src.at<Vec3b>(row, col)[1] = 0;
				src.at<Vec3b>(row, col)[2] = 0;
			}
		}

	}
	imshow("去背景", src);

	//2.锐化

	Mat kernel = (Mat_<float>(3, 3) << 1, 1, 1, 1, -8, 1, 1, 1, 1);
	Mat imgLaplance;
	Mat sharpenImg = src;
	filter2D(src, imgLaplance, CV_32F, kernel, Point(-1, -1), 0, BORDER_DEFAULT);
	
	src.convertTo(sharpenImg, CV_32F);
	Mat resultImg = sharpenImg - imgLaplance;
	resultImg.convertTo(resultImg, CV_8UC3);
	imgLaplance.convertTo(imgLaplance, CV_8UC3);

	imshow("锐化结果", resultImg);

	//3.二值化图像

	Mat binaryImg;
	cvtColor(resultImg, resultImg, CV_BGR2GRAY);
	//自动阈值二值化
	threshold(resultImg, binaryImg, 40, 255, THRESH_BINARY | THRESH_OTSU);
	imshow("二值化结果",binaryImg);

	//4.距离变化
	Mat distImg;
	distanceTransform(binaryImg, distImg, DIST_L1, 3, 5);
	normalize(distImg, distImg, 0, 1, NORM_MINMAX);
	imshow("距离变化", distImg);

	//5.距离变化的二值化
	threshold(distImg, distImg, 0.4, 1,THRESH_BINARY);
	//二值腐蚀
	Mat kernel_1 = Mat::ones(3, 3, CV_8UC1);//图像最小的白点可以通过这里的(3,3)参数改大达到去除目的 这里默认保留
	erode(distImg, distImg, kernel_1, Point(-1, -1 ));
	imshow("距离变化二值化", distImg);

	//6.标记
	Mat dist_8U;
	distImg.convertTo(dist_8U, CV_8U);//转8位单通道
	vector<vector<Point>>contours;
	//检测轮廓
	findContours(dist_8U, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point(0, 0));

	//创建markers
	Mat markers = Mat::zeros(src.size(), CV_32SC1);
	//绘制
	for (size_t i = 0; i < contours.size(); i++)
	{
		drawContours(markers, contours, static_cast<int>(i), Scalar::all(static_cast<int>(i) + 1),-1);

	}
	circle(markers, Point(5, 5), 3, Scalar(255, 255, 255), -1);

	imshow("markers", markers*1000);


	//7.分水岭变换
	watershed(src, markers);
	Mat mark = Mat::zeros(markers.size(), CV_8UC1);
	markers.convertTo(mark, CV_8UC1);
	
	//取反
	bitwise_not(mark, mark, Mat());
	imshow("风水岭变换", mark);


	//8.上色

	//取随机颜色
	vector<Vec3b>colors;
	for (size_t i = 0; i < contours.size(); i++)
	{
		int r = theRNG().uniform(0,255);
		int g = theRNG().uniform(0, 255);
		int b = theRNG().uniform(0, 255);
		colors.push_back(Vec3b((uchar)b, (uchar)g, (uchar)r));
	}
	//上色
	dst = Mat::zeros(markers.size(), CV_8UC3);
	for (int row = 0; row < markers.rows; row++)
	{
		for (size_t col = 0;  col < markers.cols;  col++)
		{
			int index = markers.at<int>(row, col);
			if (index > 0 && index <= static_cast<int>(contours.size())) {
				dst.at<Vec3b>(row, col) = colors[index - 1];

			}
			else {
				dst.at<Vec3b>(row, col) = Vec3b(0, 0, 0 );
			}
		}
	}

	imshow("最终结果", dst);


	waitKey(0);
	return 0;
}