种子点的标记没有太搞懂,这个算法的速度还是很快的

  1. // watershed_test20140801.cpp : 定义控制台应用程序的入口点。
  2. //
  3.  
  4. #include "stdafx.h"
  5.  
  6. //
  7. // ch9_watershed image
  8. // This is an exact copy of the watershed.cpp demo in the OpenCV ../samples/c directory
  9. //
  10. // Think about using a morphologically eroded forground and background segmented image as the template
  11. // for the watershed algorithm to segment objects by color and edges for collecting
  12. //
  13. /* *************** License:**************************
  14. Oct. 3, 2008
  15. Right to use this code in any way you want without warrenty, support or any guarentee of it working.
  16.  
  17. BOOK: It would be nice if you cited it:
  18. Learning OpenCV: Computer Vision with the OpenCV Library
  19. by Gary Bradski and Adrian Kaehler
  20. Published by O'Reilly Media, October 3, 2008
  21.  
  22. AVAILABLE AT:
  23. http://www.amazon.com/Learning-OpenCV-Computer-Vision-Library/dp/0596516134
  24. Or: http://oreilly.com/catalog/9780596516130/
  25. ISBN-10: 0596516134 or: ISBN-13: 978-0596516130
  26.  
  27. OTHER OPENCV SITES:
  28. * The source code is on sourceforge at:
  29. http://sourceforge.net/projects/opencvlibrary/
  30. * The OpenCV wiki page (As of Oct 1, 2008 this is down for changing over servers, but should come back):
  31. http://opencvlibrary.sourceforge.net/
  32. * An active user group is at:
  33. http://tech.groups.yahoo.com/group/OpenCV/
  34. * The minutes of weekly OpenCV development meetings are at:
  35. http://pr.willowgarage.com/wiki/OpenCV
  36. ************************************************** */
  37.  
  38. #include "cv.h"
  39. #include "highgui.h"
  40. #include <stdio.h>
  41. #include <stdlib.h>
  42. #include <iostream>
  43. using namespace std;
  44. using namespace cv;
  45.  
  46. #pragma comment(lib,"opencv_core2410d.lib")
  47. #pragma comment(lib,"opencv_highgui2410d.lib")
  48. #pragma comment(lib,"opencv_imgproc2410d.lib")
  49.  
  50. IplImage* marker_mask = 0;
  51. IplImage* markers = 0;
  52. IplImage* img0 = 0, *img = 0, *img_gray = 0, *wshed = 0;
  53. CvPoint prev_pt = {-1,-1};
  54.  
  55. void on_mouse( int event, int x, int y, int flags, void* param )
  56. {
  57. if( !img )
  58. return;
  59.  
  60. if( event == CV_EVENT_LBUTTONUP || !(flags & CV_EVENT_FLAG_LBUTTON) )
  61. prev_pt = cvPoint(-1,-1);
  62. else if( event == CV_EVENT_LBUTTONDOWN )
  63. prev_pt = cvPoint(x,y);
  64. else if( event == CV_EVENT_MOUSEMOVE && (flags & CV_EVENT_FLAG_LBUTTON) )
  65. {
  66. CvPoint pt = cvPoint(x,y);
  67. if( prev_pt.x < 0 )
  68. prev_pt = pt;
  69. cvLine( marker_mask, prev_pt, pt, cvScalarAll(255), 5, 8, 0 );
  70. cvLine( img, prev_pt, pt, cvScalarAll(255), 5, 8, 0 );
  71. prev_pt = pt;
  72. cvShowImage( "image", img );
  73. }
  74. }
  75.  
  76. int main( int argc, char** argv )
  77. {
  78. cout<<"input image name: "<<endl;
  79. string file;
  80. cin>>file;
  81.  
  82. char* filename = (char *)file.c_str();
  83.  
  84. CvRNG rng = cvRNG(-1);
  85.  
  86. if( (img0 = cvLoadImage(filename,1)) == 0 )
  87. return 0;
  88.  
  89. printf( "Hot keys: \n"
  90. "\tESC - quit the program\n"
  91. "\tr - restore the original image\n"
  92. "\tw or ENTER - run watershed algorithm\n"
  93. "\t\t(before running it, roughly mark the areas on the image)\n"
  94. "\t (before that, roughly outline several markers on the image)\n" );
  95.  
  96. cvNamedWindow( "image", 1 );
  97. cvNamedWindow( "watershed transform", 1 );
  98.  
  99. img = cvCloneImage( img0 );
  100. img_gray = cvCloneImage( img0 );
  101. wshed = cvCloneImage( img0 );
  102. marker_mask = cvCreateImage( cvGetSize(img), 8, 1 );
  103. markers = cvCreateImage( cvGetSize(img), IPL_DEPTH_32S, 1 );
  104. cvCvtColor( img, marker_mask, CV_BGR2GRAY );
  105. cvCvtColor( marker_mask, img_gray, CV_GRAY2BGR );
  106.  
  107. cvZero( marker_mask );
  108. cvZero( wshed );
  109. cvShowImage( "image", img );
  110. cvShowImage( "watershed transform", wshed );
  111. cvSetMouseCallback( "image", on_mouse, 0 );
  112.  
  113. for(;;)
  114. {
  115. int c = cvWaitKey(0);
  116.  
  117. if( (char)c == 27 )
  118. break;
  119.  
  120. if( (char)c == 'r' )
  121. {
  122. cvZero( marker_mask );
  123. cvCopy( img0, img );
  124. cvShowImage( "image", img );
  125. }
  126.  
  127. if( (char)c == 'w' || (char)c == '\n' )
  128. {
  129. CvMemStorage* storage = cvCreateMemStorage(0);
  130. CvSeq* contours = 0;
  131. CvMat* color_tab;
  132. int i, j, comp_count = 0;
  133. //cvSaveImage( "wshed_mask.png", marker_mask );
  134. //marker_mask = cvLoadImage( "wshed_mask.png", 0 );
  135. cvFindContours( marker_mask, storage, &contours, sizeof(CvContour),
  136. CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE );
  137. cvZero( markers );
  138. for( ; contours != 0; contours = contours->h_next, comp_count++ )
  139. {
  140. cvDrawContours( markers, contours, cvScalarAll(comp_count+1),
  141. cvScalarAll(comp_count+1), -1, -1, 8, cvPoint(0,0) );
  142. }
  143.  
  144. color_tab = cvCreateMat( 1, comp_count, CV_8UC3 );
  145. for( i = 0; i < comp_count; i++ )
  146. {
  147. uchar* ptr = color_tab->data.ptr + i*3;
  148. ptr[0] = (uchar)(cvRandInt(&rng)%180 + 50);
  149. ptr[1] = (uchar)(cvRandInt(&rng)%180 + 50);
  150. ptr[2] = (uchar)(cvRandInt(&rng)%180 + 50);
  151. }
  152.  
  153. {
  154. double t = (double)cvGetTickCount();
  155. cvWatershed( img0, markers );
  156. t = (double)cvGetTickCount() - t;
  157. printf( "exec time = %gms\n", t/(cvGetTickFrequency()*1000.) );
  158. }
  159.  
  160. // paint the watershed image
  161. for( i = 0; i < markers->height; i++ )
  162. for( j = 0; j < markers->width; j++ )
  163. {
  164. int idx = CV_IMAGE_ELEM( markers, int, i, j );
  165. uchar* dst = &CV_IMAGE_ELEM( wshed, uchar, i, j*3 );
  166. if( idx == -1 )
  167. dst[0] = dst[1] = dst[2] = (uchar)255;
  168. else if( idx <= 0 || idx > comp_count )
  169. dst[0] = dst[1] = dst[2] = (uchar)0; // should not get here
  170. else
  171. {
  172. uchar* ptr = color_tab->data.ptr + (idx-1)*3;
  173. dst[0] = ptr[0]; dst[1] = ptr[1]; dst[2] = ptr[2];
  174. }
  175. }
  176.  
  177. cvAddWeighted( wshed, 0.5, img_gray, 0.5, 0, wshed );
  178. cvShowImage( "watershed transform", wshed );
  179. cvReleaseMemStorage( &storage );
  180. cvReleaseMat( &color_tab );
  181. }
  182. }
  183.  
  184. return 1;
  185. }

实现效果:

OpenCV 实现分水岭算法的更多相关文章

  1. OpenCV学习(9) 分水岭算法(3)

    本教程我学习一下opencv中分水岭算法的具体实现方式. 原始图像和Mark图像,它们的大小都是32*32,分水岭算法的结果是得到两个连通域的轮廓图. 原始图像:(原始图像必须是3通道图像) Mark ...

  2. OpenCV学习(8) 分水岭算法(2)

        现在我们看看OpenCV中如何使用分水岭算法.     首先我们打开一副图像:    // 打开另一幅图像   cv::Mat    image= cv::imread("../to ...

  3. opencv分水岭算法对图像进行切割

    先看效果 说明 使用分水岭算法对图像进行切割,设置一个标记图像能达到比較好的效果,还能防止过度切割. 1.这里首先对阈值化的二值图像进行腐蚀,去掉小的白色区域,得到图像的前景区域.并对前景区域用255 ...

  4. opencv学习之路(30)、分水岭算法及图像修补

    一.简介 二.分水岭算法 #include "opencv2/opencv.hpp" using namespace cv; void main() { Mat srcImg = ...

  5. OpenCV 学习笔记 04 深度估计与分割——GrabCut算法与分水岭算法

    1 使用普通摄像头进行深度估计 1.1 深度估计原理 这里会用到几何学中的极几何(Epipolar Geometry),它属于立体视觉(stereo vision)几何学,立体视觉是计算机视觉的一个分 ...

  6. 分水岭算法(理论+opencv实现)

    分水岭算法理论 从意思上就知道通过用水来进行分类,学术上说什么基于拓扑结构的形态学...其实就是根据把图像比作一副地貌,然后通过最低点和最高点去分类! 原始的分水岭: 就是上面说的方式,接下来用一幅图 ...

  7. 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 ...

  8. OpenCV——分水岭算法

    分水岭算法,是一种基于拓扑理论的数学形态学的分割方法,其基本思想是把图像看作是测地学上的拓扑地貌,图像中每一点像素的灰度值表示该点的海拔高度,每一个局部极小值及其影响区域称为集水盆,而集水盆的边界则形 ...

  9. OpenCV学习(7) 分水岭算法(1)

            分水岭算法主要用于图像分段,通常是把一副彩色图像灰度化,然后再求梯度图,最后在梯度图的基础上进行分水岭算法,求得分段图像的边缘线.         下面左边的灰度图,可以描述为右边的地 ...

随机推荐

  1. 在8X8的棋盘上分布着n个骑士,他们想约在某一个格中聚会。骑士每天可以像国际象棋中的马那样移动一次,可以从中间像8个方向移动(当然不能走出棋盘),请计算n个骑士的最早聚会地点和要走多少天。要求尽早聚会

    在8X8的棋盘上分布着n个骑士,他们想约在某一个格中聚会.骑士每天可以像国际象棋中的马那样移动一次,可以从中间像8个方向移动(当然不能走出棋盘),请计算n个骑士的最早聚会地点和要走多少天.要求尽早聚会 ...

  2. Chrome 内存和CPU消耗量双料冠军

    今天统计了下某个时刻各进程的内存和CPU使用概况.结果发现,Chrome消耗量真是不一般的大.比Windows主进程都还猛! 另外发现百度安全卫士占用CPU也比较猛. powershell下输入: p ...

  3. 【安卓开发】为什么不能往Android的Application对象里存储数据

    在一个App里面总有一些数据需要在多个地方用到.这些数据可能是一个 session token,一次费时计算的结果等.通常为了避免activity之间传递对象的开销 ,这些数据一般都会保存到持久化存储 ...

  4. EBS开发性能优化之SQL语句优化

    (1)选择运算 尽可能先做选择运算,这是优化策略中最重要.最基本的一条,选择运算一般会使计算的中间结果大大变小,在对同一表格进行多个选择运算时,选择条件的排列顺序对性能也有很大影响,因为排列顺序不仅影 ...

  5. [nginx]统计文件下载是否完整思路(flask)

    有一个需求是统计文件是否被用户完整下载,因为是web应用,用js没有找到实现方案,于是搜索下nginx的实现方案,把简单的探索过程记录下. 实验一 最原始的思路,查看日志,下载了一个文件之后我们看日志 ...

  6. React Native组件只Image

    不管在Android还是在ios原生的开发中,图片都是作为控件给出来的,在RN中也有这么一个控件(Image).根据官网的资料,图片分为本地静态图片,网络图片和混合app资源.一下分类介绍来源官网. ...

  7. Android使用HttpUrlConnection请求服务器发送数据详解

    HttpUrlConnection是java内置的api,在java.net包下,那么,它请求网络同样也有get请求和post请求两种方式.最常用的Http请求无非是get和post,get请求可以获 ...

  8. 6.4、Android Studio的GPU Monitor

    Android Monitor包含GPU Monitor,它将可视化的显示渲染窗体的时间.GPU Monitor可以帮助你: 1. 迅速查看UI窗体生成 2. 辨别是否渲染管道超出使用线程时间 在GP ...

  9. Spark技术内幕:究竟什么是RDD

    RDD是Spark最基本,也是最根本的数据抽象.http://www.cs.berkeley.edu/~matei/papers/2012/nsdi_spark.pdf 是关于RDD的论文.如果觉得英 ...

  10. mysql数据库连接池使用(一)dbcp方式的配置

    Apache的数据库连接池 DBCP的常用配置说明,因为项目中用到了需要对其封装,所以必须先了解怎么配置以及各个配置字段的含义,理解的基础上开发我们自己的数据库连接池.可以参考官网dbcp官网. db ...