opencv::基于距离变换与分水岭的图像分割
什么是图像分割
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
cv::distanceTransform(
InputArray src,
OutputArray dst,
OutputArray labels, //离散维诺图输出
int distanceType, // DIST_L1/DIST_L2,
int maskSize, // 3x3,最新的支持5x5,推荐3x3、
int labelType=DIST_LABEL_CCOMP //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
)
处理流程
. 将白色背景变成黑色-目的是为后面的变换做准备
. 使用filter2D与拉普拉斯算子实现图像对比度提高,sharp
. 转为二值图像通过threshold
. 距离变换
. 对距离变换结果进行归一化到[~]之间
. 使用阈值,再次二值化,得到标记
. 腐蚀得到每个Peak - erode
. 发现轮廓 – findContours
. 绘制轮廓- drawContours
. 分水岭变换 watershed
. 对每个分割区域着色输出结果
int main(int argc, char** argv) {
char input_win[] = "input image";
char watershed_win[] = "watershed segmentation demo";
Mat src = imread(STRPAHT2);
if (src.empty()) {
printf("could not load image...\n");
return -;
}
namedWindow(input_win, CV_WINDOW_AUTOSIZE);
imshow(input_win, src); // 将白色背景变成黑色-为后面的变换做准备
for (int row = ; row < src.rows; row++) {
for (int col = ; col < src.cols; col++) {
if (src.at<Vec3b>(row, col) == Vec3b(, , )) {
src.at<Vec3b>(row, col)[] = ;
src.at<Vec3b>(row, col)[] = ;
src.at<Vec3b>(row, col)[] = ;
}
}
}
//namedWindow("black background", CV_WINDOW_AUTOSIZE);
//imshow("black background", src); // sharpen
Mat kernel = (Mat_<float>(, ) << , , , , -, , , , );
Mat imgLaplance;
Mat sharpenImg = src;
//使用filter2D与拉普拉斯算子实现图像对比度提高,sharp
filter2D(src, imgLaplance, CV_32F, kernel, Point(-, -), , BORDER_DEFAULT);
src.convertTo(sharpenImg, CV_32F);
Mat resultImg = sharpenImg - imgLaplance; resultImg.convertTo(resultImg, CV_8UC3);
imgLaplance.convertTo(imgLaplance, CV_8UC3);
imshow("sharpen image", resultImg); // convert to binary
Mat binaryImg;
cvtColor(src, resultImg, CV_BGR2GRAY);
// 转为二值图像通过threshold
threshold(resultImg, binaryImg, , , THRESH_BINARY | THRESH_OTSU);
imshow("binary image", binaryImg); Mat distImg;
// 每一个非零点距离离自己最近的零点的距离
distanceTransform(binaryImg, distImg, DIST_L1, CV_DIST_C, ); // 归一化
normalize(distImg, distImg, , , NORM_MINMAX);
imshow("distance result", distImg); // 使用阈值,再次二值化,得到标记
threshold(distImg, distImg, ., , THRESH_BINARY);
Mat k1 = Mat::ones(, , CV_8UC1);
// 膨胀/腐蚀
erode(distImg, distImg, k1, Point(-, -));
imshow("distance binary image", distImg); // markers
Mat dist_8u;
distImg.convertTo(dist_8u, CV_8U);
vector<vector<Point>> contours;
// 发现轮廓
findContours(dist_8u, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point(, )); // 绘制轮廓
Mat markers = Mat::zeros(src.size(), CV_32SC1);
for (size_t i = ; i < contours.size(); i++) {
drawContours(markers, contours, static_cast<int>(i), Scalar::all(static_cast<int>(i) + ), -);
}
circle(markers, Point(, ), , Scalar(, , ), -);
imshow("my markers", markers * ); // 分水岭变换
watershed(src, markers);
Mat mark = Mat::zeros(markers.size(), CV_8UC1);
markers.convertTo(mark, CV_8UC1);
bitwise_not(mark, mark, Mat());
imshow("watershed image", mark); // 对每个分割区域着色输出结果
vector<Vec3b> colors;
for (size_t i = ; i < contours.size(); i++) {
int r = theRNG().uniform(, );
int g = theRNG().uniform(, );
int b = theRNG().uniform(, );
colors.push_back(Vec3b((uchar)b, (uchar)g, (uchar)r));
} Mat dst = Mat::zeros(markers.size(), CV_8UC3);
for (int row = ; row < markers.rows; row++) {
for (int col = ; col < markers.cols; col++) {
int index = markers.at<int>(row, col);
if (index > && index <= static_cast<int>(contours.size())) {
dst.at<Vec3b>(row, col) = colors[index - ];
}
else {
dst.at<Vec3b>(row, col) = Vec3b(, , );
}
}
}
imshow("Final Result", dst); waitKey();
return ;
}
opencv::基于距离变换与分水岭的图像分割的更多相关文章
- Blob分析--粘连颗粒检测 基于距离变换的分水岭区域分割 盆地与原连通域求交集
文章转自微信公众号:机器视觉那些事 *******************************************************************公众号:机器视觉那些事儿*** ...
- OpenCV——距离变换与分水岭算法的(图像分割)
C++: void distanceTransform(InputArray src, OutputArray dst, int distanceType, int maskSize) 参数详解: I ...
- [ZZ] 基于Matlab的标记分水岭分割算法
基于Matlab的标记分水岭分割算法 http://blog.sina.com.cn/s/blog_725866260100rz7x.html 1 综述 Separating touching obj ...
- 基于Matlab的标记分水岭分割算法
转自:http://blog.sina.com.cn/lyqmath 1 综述 Separating touching objects in an image is one of the more d ...
- Opencv距离变换distanceTransform应用——细化字符轮廓&&查找物体质心
Opencv中distanceTransform方法用于计算图像中每一个非零点距离离自己最近的零点的距离,distanceTransform的第二个Mat矩阵参数dst保存了每一个点与最近的零点的距离 ...
- opencv基于PCA降维算法的人脸识别
opencv基于PCA降维算法的人脸识别(att_faces) 一.数据提取与处理 # 导入所需模块 import matplotlib.pyplot as plt import numpy as n ...
- 距离变换DT
距离变换:计算区域中的每个点与最接近的区域外的点之间距离,把二值图象变换为灰度图象. 对于目标中一个点,距离变换的定义为改点与目标边界最近的距离. 目标点离边界约近则值越小,转换的点越暗:越远,值越大 ...
- SSE图像算法优化系列二十一:基于DCT变换图像去噪算法的进一步优化(100W像素30ms)。
在优化IPOL网站中基于DCT(离散余弦变换)的图像去噪算法(附源代码) 一文中,我们曾经优化过基于DCT变换的图像去噪算法,在那文所提供的Demo中,处理一副1000*1000左右的灰度噪音图像耗时 ...
- Win8Metro(C#)数字图像处理--2.25二值图像距离变换
原文:Win8Metro(C#)数字图像处理--2.25二值图像距离变换 [函数名称] 二值图像距离变换函数DistanceTransformProcess(WriteableBitmap sr ...
随机推荐
- Elastic Stack 笔记(二)Elasticsearch5.6 安装 IK 分词器和 Head 插件
博客地址:http://www.moonxy.com 一.前言 Elasticsearch 作为开源搜索引擎服务器,其核心功能在于索引和搜索数据.索引是把文档写入 Elasticsearch 的过程, ...
- 删除linux自带jdk
提示:error: can't create transaction lock on /var/lib/rpm/.rpm.lock (Permission denied):代表权限不够 执行:su r ...
- Python学习-while循环&逻辑运算符
一.while循环,continue.break语句在while循环中的使用 1.while循环语句: while 条件: 代码块 执行过程:判断条件是否为真,如果为真,执行代码块,继续下次循 ...
- selenium--定位--CSS
大家在使用selenium元素定位的时候,通常更多使用的是XPATH,css定位方式用得比较少 但有时候css定位方式还是有一些优势的, 优势1:一般情况下定位速度要比XPATH快 优势2:语法要比X ...
- abp(net core)+easyui+efcore实现仓储管理系统——EasyUI之货物管理二 (二十)
abp(net core)+easyui+efcore实现仓储管理系统目录 abp(net core)+easyui+efcore实现仓储管理系统——ABP总体介绍(一) abp(net core)+ ...
- Redis数据库之服务器主从配置
目的 主要培养对分布式REDIS主从复制架构运用的能力.理解并掌握REPLICATION工作原理的同时,能独立配置Replication ,使数据库运行在主从架格上.针对主从复制架构的运用,着力掌握S ...
- 设计模式-Builder和Factory模式区别
Builder和Factory模式区别 Builder模式结构: Factory模式一进一出,Builder模式是分步流水线作业.当你需要做一系列有序的工作或者按照一定的逻辑来完成创建一个对象时 Bu ...
- 基于C#的机器学习--机器学习建模的基础
构建ML模型的步骤 现在我们已经看了解到了一些ML应用程序的例子,问题是,我们如何构建这样的ML应用程序和系统? 下图总结了我们使用ML开发应用程序的方法,我们将在下面更详细地讨论这个问题: 如上图所 ...
- .NET进阶篇-丑话先说,Flag先立--致青春
作为开发者,工作了半年,也总觉得技术栈和刚毕业区别不大,用的技术还都是N年前的,每每看到新东西,也只心里哇塞惊叹一下,然后就回归于忙碌.怪自己的技术池太浅,热门的令人称奇的技术也都是在其他巨人的肩膀上 ...
- python win32com 读取带密码的excel
之前用到的win32com读取带密码excel的相关内容,今天刚好准备整理下,突然发现方法又不灵了. 以下为错误示范: # 已知excel密码去除 def del_password(filename, ...