Opencv 分水岭分割图片
#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
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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
- (转)Android自定义属性时format选项( <attr format="reference" name="background" /> )
Android自定义属性时format选项可以取用的值 1. reference:参考某一资源ID. (1)属性定义: [html] view plaincopyprint? <declar ...
- js动态的属性名如何取该属性的值
var cls={cn1:"nihao",cn2="made",cn3="shuide"};var index=2;//可变获取cn2的值 ...
- WPF ComboBox下拉绑定Treeview 功能的实现
因为项目需要,接触到这个功能点,借助网络还有自己的一点摸索,实现了这个功能.相关代码如下: XAML部分的代码: <ComboBox Grid.Row=" RenderTransfor ...
- 基于Spring Boot和Spring Cloud实现微服务架构
官网的技术导读真的描述的很详细,虽然对于我们看英文很费劲,但如果英文不是很差,请选择沉下心去读,你一定能收获好多.我的学习是先从Spring boot开始的,然后接触到微服务架构,当然,这一切最大的启 ...
- 理解加密算法——创建CA机构,签发证书并开始TLS通信
1 不安全的TCP通信 普通的TCP通信数据是明文传输的,所以存在数据泄露和被篡改的风险,我们可以写一段测试代码试验一下,NODE.JS代码: TCP Server: const net=requir ...
- ssi框架学习总结
框架简介: 相信大家对于mvc的三层架构已经灰常熟悉了,在这就不细讲了,个人感觉ssi的框架结构还是比较典型的mvc三层架构,还是比较容易上手的.关于这块的入门我想特别感谢下FrankHui童鞋,在他 ...
- android图片优化
/1.不要将Button的背景设置为selector 如果是将Button的背景设置为selector,在初始化Button的时候会将正反选图片都加载在内存中,相当于一个按钮占用了两张相同大小图片所使 ...
- LWIP在STM32实现
http://www.openedv.com/posts/list/25178.htm
- [转]加密经验集 => C#
下载地址 代码摘自 C#高级编程(第7版) 第579页 不对称加密
- linux下进程cpu占用过高问题定位方法
背景 记得前段时间,同事说他们测试环境的服务器cpu使用率一直处于100%,本地又没有什么接口调用,为什么会这样?cpu使用率居高不下,自然是有某些线程一直占用着cpu资源,那又如何查看占用cpu较高 ...