OpenCV2编程手册笔记之 5.5分水岭算法对图像进行分割

分水岭算法可以用来快速分割图像成为同类区域

原理概述：将图像视为拓扑结构的地图，均质区域就是被陡峭边缘包围的平坦盆地，因而，可以选出较为平坦的区域。

分水岭分割的结果通过cv::watershed函数获取，在这里，我们创建一个WatershedSegmenter类，进行分水岭算法的封装工作。

整体算法概述：

在选取的图像中，我们先进行二值化操作，操作争取将前景物体最大可能性提出。

之后，多次采用腐蚀的方法得到目标的前景图片，这个前景图片就只有0和255两个灰度值；

再多次使用膨胀的方法得到目标的背景图片，在之后使灰度图中高于128灰度的像素变为0，低于的部分为128（采用threshold）；

之后，将前景背景相加，得到一张标记图，这张标记图就只有0，128，255三个灰度值。

之后，就可以得到图片了。

啥也不说，上代码。

分水岭算法概述：

1.一张灰度图，我们先将灰度值想象成柱状图，那么我们就能得到一张三维的灰度柱状图分布表。

2.如上所述，二值化后的图片只有0，128，255的几个值。

3.也就是说，腐蚀过后的图片是我们的前景图片，只有0和255这两个值，在三维图上，255的选定区域是最高的山峰，也就是标记区域，代表着目标图像。

   膨胀+二值化选取之后的图像拥有128和0两个值，0对应的是目标图像的区域，128对应着无关背景。

4.现在，将二者相加：

   我们可以得到中心有着高亮“山峰”的目标图像区域，以及无关的背景（腐蚀图像中255部分和膨胀图像中0相加；膨胀图像中128部分和腐蚀图像中0相加）

5.现在想象一下这张三维灰度直方图，255部分和0连接；0部分和128部分连接；128部分和255部分不相连接

   分水岭算法，现在就从255部分开始“注水”，也就是说，255部分用来确定从哪里开始“注水”。当注水到128部分和0部分边界时，注水停止。

   这时，前景就全被选出来了。

WatershedSegmenter类

#pragma once
#include "stdafx.h"
#include
class WatershedSegmenter
{
public:
    WatershedSegmenter();
    ~WatershedSegmenter();
private:
    cv::Mat markers;
public:
    void setMarkets(const cv::Mat &marketImage)
    {
        marketImage.convertTo(markers, CV_32S);
    }
    cv::Mat process(const cv::Mat &image);
    cv::Mat getSegmentation();
    cv::Mat getWatersheds();
};


#include "stdafx.h"
#include "WatershedSegmenter.h"


WatershedSegmenter::WatershedSegmenter()
{
}


WatershedSegmenter::~WatershedSegmenter()
{
}

cv::Mat WatershedSegmenter::process(const cv::Mat &image)
{
    cv::watershed(image, markers);
    return markers;
}

cv::Mat WatershedSegmenter::getSegmentation()
{
    cv::Mat tmp;
    markers.convertTo(tmp, CV_8U);
    return tmp;
}

cv::Mat WatershedSegmenter::getWatersheds()
{
    cv::Mat tmp;
    markers.convertTo(tmp, CV_8U, 255, 255);
    return tmp;
}

main函数

#include "stdafx.h"
#include
#include "WatershedSegmenter.h"
#include "MorphoFeatures.h"

int main()
{
    cv::Mat image = cv::imread("F:\\group.jpg");
    cv::Mat binary = cv::imread("F:\\Image\\binary.bmp", 0);
    cv::Mat fg, bg;
    cv::Mat markers(binary.size(), CV_8U, cv::Scalar(0));
    WatershedSegmenter segmenter;
    cv::erode(binary, fg, cv::Mat(), cv::Point(-1, -1), 6);
    cv::dilate(binary, bg, cv::Mat(), cv::Point(-1, -1), 6);
    cv::threshold(bg, bg, 1, 128, cv::THRESH_BINARY_INV);
    markers = fg + bg;
    segmenter.setMarkets(markers);
    segmenter.process(image);
    cv::imshow("Foreground Image", fg);
    cv::imshow("Background Image", bg);
    cv::imshow("Segmentation", segmenter.getSegmentation());
    cv::imshow("Watersheds", segmenter.getWatersheds());
    cv::waitKey(0);
    return 0;
}