OpenCV学习三十四：watershed 分水岭算法

 

1. watershed 

void watershed( InputArray image, InputOutputArray markers );

第一个参数 image，必须是一个8bit 3通道彩色图像矩阵序列，第一个参数没什么要说的。

关键是第二个参数 markers：在执行分水岭函数watershed之前，必须对第二个参数markers进行处理，它应该包含不同区域的轮廓，每个轮廓有一个自己唯一的编号，轮廓的定位可以通过Opencv中findContours方法实现，这个是执行分水岭之前的要求。

接下来执行分水岭会发生什么呢？算法会根据markers传入的轮廓作为种子（也就是所谓的注水点），对图像上其他的像素点根据分水岭算法规则进行判断，并对每个像素点的区域归属进行划定，直到处理完图像上所有像素点。而区域与区域之间的分界处的值被置为“-1”，以做区分。

简单概括一下就是说第二个入参markers必须包含了种子点信息。Opencv官方例程中使用鼠标划线标记，其实就是在定义种子，只不过需要手动操作，而使用findContours可以自动标记种子点。而分水岭方法完成之后并不会直接生成分割后的图像，还需要进一步的显示处理，如此看来，只有两个参数的watershed其实并不简单。

2. 步骤

• 1. 将白色背景编程黑色背景 - 目的是为了后面变的变换做准备
• 2. 使用filter2D与拉普拉斯算子实现图像对比度的提高 - sharp
• 3. 转为二值图像通过threshold
• 4. 距离变换
• 5. 对距离变换结果进行归一化[0-1]之间
• 6. 使用阈值，在此二值化，得到标记
• 7. 腐蚀每个peak erode
• 8. 发现轮廓 findContours
• 9. 绘制轮廓 drawContours
• 10.分水岭变换 watershed
• 11.对每个分割区域着色输出结果

我觉得教程的思路有点过于啰嗦~

3. 代码及结果

#include
#include

using namespace cv;
using namespace std;

int main(int argc, char* argv[]){

	char input_win[] = "input image";
	char watershed_win[] = "watershed segementation demo";
	Mat src = imread("10.jpg", -1);
	resize(src, src, Size(), 0.25, 0.25, 1);

	if (src.empty()){
		puts("could not load images");
		return -1;	}

	namedWindow(input_win, CV_WINDOW_AUTOSIZE);
	imshow(input_win, src);


	//1. 将白色背景编程黑色背景 - 目的是为了后面变的变换做准备
	for (int row=0; row(row, col) == Vec3b(255, 255, 255)){
				//我这里和视频教程图片不一样，所以这一步不同
// 				src.at(row, col)[0] = 0;
// 				src.at(row, col)[1] = 0;
// 				src.at(row, col)[2] = 0;
			}
		}
	}
	namedWindow("black background", CV_WINDOW_AUTOSIZE);
	imshow("black background", src);
	imwrite("black background.jpg", src);

	
	//2. 使用filter2D与拉普拉斯算子实现图像对比度的提高 - sharp
	Mat kernel1 = (Mat_(3, 3)<<1,1,1, 1,-8, 1, 1,1,1) ; 
	Mat imgLaplance;
	Mat imgSharpen;
	filter2D(src, imgLaplance, CV_32F, kernel1, Point(-1,-1), 0, BORDER_DEFAULT);

	src.convertTo(imgSharpen, CV_32F);
	Mat imgResult = imgSharpen - imgLaplance;
	imgResult.convertTo(imgResult, CV_8UC3);
	imgLaplance.convertTo(imgLaplance, CV_8UC3);
	imshow("sharpen img", imgResult);
	imwrite("sharpen img.jpg", imgResult);


	//3. 转为二值图像通过threshold
	Mat imgBinary;
	cvtColor(imgResult, imgResult, CV_BGR2GRAY);
	threshold(imgResult, imgBinary, 40, 255, THRESH_BINARY | THRESH_OTSU);

	Mat temp;
	imgBinary.copyTo(temp, Mat());
	Mat kernel2 = getStructuringElement(MORPH_RECT, Size(2,2), Point(-1, -1));
	morphologyEx(temp, temp, CV_MOP_TOPHAT, kernel2, Point(-1, -1), 1);

	for (int row=0; row(row, col) = saturate_cast(imgBinary.at(row, col) - temp.at(row, col));
		}
	}

	imshow("sharpen img", imgResult);
	imshow("binary img", imgBinary);
	imwrite("sharpen img2.jpg", imgResult);
	imwrite("binary.jpg", imgBinary);


	//4. 距离变换
	Mat imgDist;
	distanceTransform(imgBinary, imgDist, CV_DIST_L1, 3);


	//5. 对距离变换结果进行归一化[0-1]之间
	normalize(imgDist, imgDist, 0, 1, NORM_MINMAX);
	imshow("distance result normalize", imgDist);
	imwrite("distance result normalize.jpg", imgDist);


	//6. 使用阈值，在此二值化，得到标记
	threshold(imgDist, imgDist, 0.5, 1, CV_THRESH_BINARY);
	imshow("distance result threshold", imgDist);
	imwrite("distance result threshold.jpg", imgDist);


	//7. 腐蚀每个peak erode
	Mat kernel3 = Mat::zeros(15, 15, CV_8UC1);
	erode(imgDist, imgDist, kernel3, Point(-1,-1), 2);
	imshow("distance result erode", imgDist);
	imwrite("distance result erode.jpg", imgDist);

	
	//8. 发现轮廓 findContours
	Mat imgDist8U;
	imgDist.convertTo(imgDist8U, CV_8U);
	vector> contour;
	findContours(imgDist8U, contour, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point(0, 0));
	

	//9. 绘制轮廓 drawContours
	Mat maskers = Mat::zeros(imgDist8U.size(), CV_32SC1);
	for (size_t i=0; i(i), Scalar::all(static_cast(i) + 1)); }
	imshow("maskers", maskers);
	imwrite("maskers.jpg", maskers);


	//10.分水岭变换 watershed
	watershed(src, maskers);
	Mat mark = Mat::zeros(maskers.size(), CV_8UC1);
	maskers.convertTo(mark, CV_8UC1);
	bitwise_not(mark, mark, Mat());
	imshow("watershed", mark);
	imwrite("watershed.jpg", mark);


	//11.对每个分割区域着色输出结果
	vector colors;
	for (size_t i=0; i(row, col);
			if (index>0 && index <= static_cast(contour.size())){
				dst.at(row,col) = colors[index-1];
			} else {
				dst.at(row,col) = Vec3b(0,0,0);
			}
		}
	}
	imshow("dst", dst);
	imwrite("dst.jpg", dst);


	waitKey();

	return 0;

}

原图

 

 

black background.jpg

 

 

sharpen img.jpg

 

 

sharpen img2.jpg

 

 

binary.jpg

 

 

distance result normalize.jpg
备注：为了突出效果，这里放大了1000倍

 

 

distance result threshold.jpg
备注：为了突出效果，这里放大了1000倍

 

 

distance result erode.jpg
备注：为了突出效果，这里放大了1000倍

 

 

maskers.jpg
备注：为了突出效果，这里放大了1000倍

 

 

watershed.jpg
备注：这个图片并不是全白，只是区分度比较小

 

 

dst.jpg