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

  1. 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*** ...

  2. 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 ...

  3. [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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. 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 ...

  9. 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

  1. jenkins在windows上自动化部署.Net(.Net Core)项目

    前言 什么是持续集成呢?Continuous integration(CI).持续集成是一种软件开发实践,即团队开发成员经常集成他们的工作,通常每个成员至少集成一次,也就意味着每天可能会发生多次集成. ...

  2. Matlab 模拟退火算法模型代码

    function [best_solution,best_fit,iter] = mySa(solution,a,t0,tf,Markov) % 模拟退化算法 % ===== 输入 ======% % ...

  3. spring中ehcache的配置和使用方法

    继续上篇,这篇介绍服务层缓存,ehcache一般的配置和用法 一.添加jar包引用 修改pom.xml文件,加入: <dependency> <groupId>org.spri ...

  4. [AWS] EC2 & GPU

    Amazon Elastic Compute Cloud (Amazon EC2) EC 2的使用 机型的选择 经验谈 Ref: Amazon EC2 实例类型 实践派 搭建网站:MediaWiki ...

  5. 浅谈 Vector

    目录 浅谈Vector 1.容器基本操作 2.vector 初始化 3.vector的赋值与swap 4.vector的增删改除 1.增加元素 2.访问元素 3.删除元素 4.元素的大小 浅谈Vect ...

  6. 【SQL server基础】object_id()函数

    在SQLServer数据库中,如果查询数据库中是否存在指定名称的索引或者外键约束等,经常会用到object_id('name','type')方法,做笔记如下: ? 语法:object_id('obj ...

  7. 【SQL server基础】获取当前时间并固定格式

    Select CONVERT(varchar(), GETDATE(), ): // Select CONVERT(varchar(), GETDATE(), ): Select CONVERT(va ...

  8. MongoDB的全文索引

    ​ Table of Contents 背景 如何使用 准备工作:插入数据 建立全局索引 查询结果 使用中存在哪些问题? 英文存在停止词 中文无法采用全文索引 前面了解了多种索引方式,比如单键索引,多 ...

  9. 2017CCSP-01 五子棋 简单模拟

    题面和数据 对于每个空格,先定义一个变量cnt=0,表示空格填充后对五子数量的变化,四个方向进行两边搜索,设对于每个方向连续的白棋子分别为\(wa\),\(wb\),有以下几种情况. \(wa> ...

  10. MySQL中日期和时间戳互相转换的函数和方法

     时间戳转换成日期 复制代码代码如下: FROM_UNIXTIME 例如: 数据表中 invest_time 存储的是时间戳,如 1429063399 使用 FROM_UNIXTIME 可以把时间戳转 ...