#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

Mat img1, img2, img3, img4, img5,img6,img_result, img_gray1, img_gray2, img_gray3, img_canny1,img_binary1, img_dist1,kernel_1,kernel_2,img_laplance,img_sharp;

char win1[] = "window1";
char win2[] = "window2";
char win3[] = "window3";
char win4[] = "window4";
char win5[] = "window5";
char win6[] = "window6";
char win7[] = "window7";

int thread_value = 100;
int max_value = 255;
RNG rng1(12345);
RNG rng2(1235);

int Demo_Moments();

int Demo_Moments()
{
  namedWindow(win1, CV_WINDOW_AUTOSIZE);
  namedWindow(win2, CV_WINDOW_AUTOSIZE);
  //namedWindow(win3, CV_WINDOW_AUTOSIZE);

  img1 = imread("D://images//24.jpg");
  //img2 = imread("D://images//1//p5_1.jpg");
  if (img1.empty())
  {
    cout << "could not load image..." << endl;
    return 0;
  }

  imshow(win1, img1);
  img1.copyTo(img2);

  //背景色变黑色
  for (size_t row =0;row<img2.rows;row++)
  {
    for (size_t col=0;col<img2.cols;col++)
    {
      //if (img2.at<Vec3b>(row,col)==Vec3b(135,26,95))
      if(img2.at<Vec3b>(row,col)[0]>100 && img2.at<Vec3b>(row,col)[0]<150 && img2.at<Vec3b>(row,col)[1]>18 && img2.at<Vec3b>(row, col)[1] <80 && img2.at<Vec3b>(row,col)[2]>80 && img2.at<Vec3b>(row,col)[2]<170)
      {
        img2.at<Vec3b>(row, col)[0] = 0;
        img2.at<Vec3b>(row, col)[1] = 0;
        img2.at<Vec3b>(row, col)[2] = 0;
      }
    }
  }
  
  imshow(win2, img2);
  img2.copyTo(img_sharp);

  //通过拉普拉斯-锐化边缘
  kernel_1 = (Mat_<float>(3,3)<<1,1,1,1,-8,1,1,1,1);
  filter2D(img2, img_laplance, CV_32F,kernel_1, Point(-1, -1), 0, BORDER_DEFAULT);
  img2.convertTo(img_sharp, CV_32F);
  img3 = img_sharp - img_laplance;

  img3.convertTo(img3, CV_8UC3);
  img_laplance.convertTo(img_laplance, CV_8UC3);

  imshow(win3, img3);

  //转灰度图
  cvtColor(img3, img4, CV_BGR2GRAY);
  //二值化
  threshold(img4, img_binary1, 40, 255, THRESH_BINARY | THRESH_OTSU);

  //距离变换
  distanceTransform(img_binary1, img_dist1, DIST_L1, 3, 5);
  //归一化处理
  normalize(img_dist1, img_dist1, 0, 1, NORM_MINMAX);
  //imshow(win4,img_dist1);
  //距离变换结果二值化
  threshold(img_dist1, img_dist1, 0.4, 1, THRESH_BINARY);
  
  //定义腐蚀核大小
  kernel_2 = Mat::ones(3,3,CV_8UC1);
  //腐蚀二值图
  erode(img_dist1, img_dist1, kernel_2, Point(-1, -1));
  imshow(win4, img_dist1);

  img_dist1.convertTo(img5, CV_8U);

  //查找轮廓,标记,得到标记轮廓的图片
  vector<vector<Point>> vec_points;
  //查找轮廓
  findContours(img5, vec_points, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point(0, 0));

  //
  img6 = Mat::zeros(img1.size(),CV_32SC1);
  for (size_t i=0;i<vec_points.size();i++)
  {
    //drawContours(img6, vec_points, static_cast<int>(i), Scalar(rng1.uniform(0,255), rng1.uniform(0, 255), rng1.uniform(0, 255)),-1);
    drawContours(img6, vec_points, static_cast<int>(i), Scalar::all(static_cast<int>(i) + 1), -1);
    //drawContours(img6, vec_points, static_cast<int>(i), Scalar(theRNG().uniform(0, 255), theRNG().uniform(0, 255), theRNG().uniform(0, 255)), -1);
  }

  //circle(img6,Point(5,5),3,Scalar(rng1.uniform(0, 255), rng1.uniform(0, 255), rng1.uniform(0, 255)),-1);
  //circle(img6, Point(5, 5), 3, Scalar(theRNG().uniform(0, 255), theRNG().uniform(0, 255), theRNG().uniform(0, 255)), -1);
  circle(img6,Point(5,5),3,Scalar(255,255,255),-1);
  imshow(win5,img6*3000);
  
  //在标记图片的基础上进行分水岭变换
  watershed(img1,img6);
  Mat img_mark = Mat::zeros(img6.size(),CV_8UC1);
  img6.convertTo(img_mark,CV_8UC1);
  //取反
  bitwise_not(img_mark,img_mark,Mat());
  imshow(win6,img_mark);

  //着色
  vector<Vec3b> vec_colors;
  for (size_t j=0;j<vec_points.size();j++)
  {
    int color_r = rng2.uniform(0,255);
    int color_g = rng2.uniform(0, 255);
    int color_b = rng2.uniform(0, 255);

    //int color_r = theRNG().uniform(10, 255);
    //int color_g = theRNG().uniform(10, 255);
    //int color_b = theRNG().uniform(10, 255);

    vec_colors.push_back(Vec3b((uchar)color_b,(uchar)color_g,(uchar)color_r));
    //vec_colors.push_back(Vec3b((uchar)rng1.uniform(0,255), (uchar)rng1.uniform(0, 255), (uchar)rng1.uniform(0, 255)));
  }

  img_result = Mat::zeros(img6.size(),CV_8UC3);
  for (size_t row=0;row<img6.rows;row++)
  {
    for (size_t col=0;col<img6.cols;col++)
    {
      int index_1 = img6.at<int>(row,col);
      if (index_1>0 && index_1<=static_cast<int>(vec_points.size()))
      {
        img_result.at<Vec3b>(row, col) = vec_colors[index_1 -1];
      }
      else
      {
        img_result.at<Vec3b>(row, col) = Vec3b(0,0,0);
      }
    }
  }

  imshow(win7, img_result);

  return 0;
}

int main()
{
  Demo_Moments();

  waitKey(0);
  return 0;
}

Opencv 分水岭分割图片的更多相关文章

  1. 基于标记的分水岭分割算法/OpenCV中距离变换

    Opencv分水岭算法——watershed自动图像分割用法 OpenCV距离变换distanceTransform应用 图像分割作为图像识别的基础,在图像处理中占有重要地位,通常需要在进行图像分割算 ...

  2. 分水岭分割算法(watershed segmentation)的C++实现(法2)

    运行环境:ubuntu16.04+Qt+opencv2.4.13.3 watershed.cpp #include "opencv2/imgproc/imgproc.hpp" #i ...

  3. Opencv分水岭算法——watershed自动图像分割用法

    分水岭算法是一种图像区域分割法,在分割的过程中,它会把跟临近像素间的相似性作为重要的参考依据,从而将在空间位置上相近并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,封闭性是分水岭算法的一个重要特 ...

  4. opencv::分水岭图像分割

    分水岭分割方法原理 (3种) - 基于浸泡理论的分水岭分割方法 (距离) - 基于连通图的方法 - 基于距离变换的方法 图像形态学操作: - 腐蚀与膨胀 - 开闭操作 分水岭算法运用 - 分割粘连对象 ...

  5. Matlab的标记分水岭分割算法

    1 综述 Separating touching objects in an image is one of the more difficult image processing operation ...

  6. 用CorelDRAW等分分割图片的方法

    在CorelDRAW中,想要将图片等分分割可以通过放置容器来实现,根本不需要裁剪工具和辅助线.例如两等分:首先要建立确定等分的份数,建立长方形或正方形.然后把图片放置容器,调整位置,做无缝拼接就可以了 ...

  7. 怎么样用opencv将彩色图片转化成像素值只有0和255的灰度图?

      分类: OpenCV [Q1]怎么样用opencv将彩色图片转化成像素值只有0和255的灰度图? 进行灰度化,IplImage* pImg = cvLoadImage( "C:\\1.b ...

  8. csharp通过dll调用opencv函数,图片作为参数

    [blog 项目实战派]csharp通过dll调用opencv函数,图片作为参数          ​一直想做着方面的研究,但是因为这个方面的知识过于小众,也是由于自己找资料的能力比较弱,知道今天才找 ...

  9. TensorFlow与OpenCV,读取图片,进行简单操作并显示

    TensorFlow与OpenCV,读取图片,进行简单操作并显示 1 OpenCV读入图片,使用tf.Variable初始化为tensor,加载到tensorflow对图片进行转置操作,然后openc ...

随机推荐

  1. 将 PCB 文件转换为可读的文本

    将 PCB 文件转换为可读的文本 将元件转成列表. 坐标也放到列表中. 以元件号为排序. 使用 json 格式,并格式,方便对比. 元件网络转成单独文件. 特殊说明生成单独文件.

  2. http链接

    1,打开一个网页是多少个请求:如果是一个html页面就是一个,解析后面css,js就是很多个  一般都是多个http请求 浏览器先根据地址栏地址发送一个http请求获取html网页 然后浏览器解析ht ...

  3. 工作JS总结

    获取 <inpout type="checkbox" value="1" /> 多选项的value /*获取checkbox的全部选中项 使用方法: ...

  4. xss 攻击 sql 注入

    XSS测试 "/><script>alert(document.cookie)</script><!-- <script>alert(docu ...

  5. ES6中的新特性

    本人最近学习es6一些方法,难免有些手痒,想着能不能将这些方法总结下,如下 1.数组的扩展 1)首先什么是伪数组 无法直接调用数组方法或期望length属性有什么特殊的行为,但仍可以对真正数组遍历方法 ...

  6. html5的canvas方法的总结

    canvas的方法 save()保存当前环境的状态 restore() 返回之前保存过的路径状态和属性 createEvent() getContext()返回一个对象,指出访问绘图功能必要的API ...

  7. Linux 利用hosts.deny 防止暴力破解ssh

    一.ssh暴力破解 利用专业的破解程序,配合密码字典.登陆用户名,尝试登陆服务器,来进行破解密码,此方法,虽慢,但却很有效果. 二.暴力破解演示 2.1.基础环境:2台linux主机(centos 7 ...

  8. interrupt 1 using 1

    释疑:void Timer0() interrupt 1 using 1 Timer0   是函数名,随便取的 interrupt   xx   using   y 跟在interrupt   后面的 ...

  9. python算法之选择排序

    选择排序 选择排序(Selection sort)是一种简单直观的排序算法.它的工作原理如下.首先在未排序序列中找到最小(大)元素,存放到排序序列的起始位置,然后,再从剩余未排序元素中继续寻找最小(大 ...

  10. python:数组/列表(remove()函数、append()函数、sort()函数、reverse()函数)

    排序: 1:整理顺序 #冒泡 lista = [5,7,11,19,99,63,3,9,1] list = [] while lista != []: number = 0 for i in list ...