Ubuntu18.04 opencv3.4.4 分水岭的粘连对象分割（转）

在交通标志识别的过程中，经常会遇到互相粘连的交通标志，利用分水岭算法能够很到的解决。

/*
读取图像，将原图上进行pyrMeanShiftFiltering()处理，保留更多的边缘信息，
在平滑区进行滤波，保证后面二值化时的效果更好，
转成单通道，二值处理，进行距离变换，将距离变换的结果归一化，找到山峰
再一次进行二值化处理，转到CV_8U类型的图像
进行轮廓发现，绘制轮廓，每次绘制轮廓时用不同的值对每个轮廓进行标记
关键：画一个圆作为标记这个不理解
对原图形态学腐蚀，去除干扰
使用watershed函数，得到maskers
根据masker中的像素值，索引颜色填充
*/
 
#include
#include
#include
#include
#include
 
using namespace std;
using namespace cv;
 
int main(int argc, char** argv) {
	Mat src = imread("y7.png");
 
	if (src.empty()) {
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("input image", CV_WINDOW_AUTOSIZE);
	imshow("input image", src);
 
	Mat gray, binary, shifted;
 
	// 将灰度值相近的元素进行聚类，将颜色数据差距不大的像素点合成一个颜色，方便后续处理
	// 去边缘保留滤波，参数：输入图像，输出图像，空间窗的半径，色彩窗的半径
	pyrMeanShiftFiltering(src, shifted, 21, 51);
	imshow("shifted", shifted);
 
	//滤波后的二值化
	cvtColor(shifted, gray, COLOR_BGR2GRAY);
	threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);
	imshow("binary", binary);
 
	// distance transform
	Mat dist;
	distanceTransform(binary, dist, DistanceTypes::DIST_L2, 3, CV_32F);
	normalize(dist, dist, 0, 1, NORM_MINMAX);
	imshow("distance result", dist);
 
	// binary
	threshold(dist, dist, 0.4, 1, THRESH_BINARY);
	imshow("distance binary", dist);
 
	// markers
	Mat dist_m;
	dist.convertTo(dist_m, CV_8UC1);				//执行后，dist_m的像素值十分的小，扩大了1000倍，才看出来了轮廓
	imshow("dist", dist);							//差点误以为dist_m是一张黑图
	
	//finContours只支持CV_8UC1的格式，所以要进行通道转换
	vector<vector<Point>> contours;				
	findContours(dist_m, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point(0, 0));
	imshow("dist_m", dist_m);
	// create markers
 
	Mat markers = Mat::zeros(src.size(), CV_32SC1);// 如果使用 CV_8UC1 ，watershed 函数会报错
												   //因为masker最后的边缘存储是-1，所以必须使用有符号的
	for (size_t t = 0; t < contours.size(); t++) {
		drawContours(markers, contours, static_cast<int>(t), Scalar::all(static_cast<int>(t) + 1), -1);//轮廓数字编号
	}
	circle(markers, Point(5, 5), 30, Scalar(255), -1);	//关键代码！！！！！！！！！！！！！！！！！！！！！！！！！！！！1
// 创建marker，标记的位置如果在要分割的图像块上会影响分割的结果，如果不创建，分水岭变换会无效
	imshow("markers", markers * 10000);
 
 
	// 形态学操作 - 彩色图像，目的是去掉干扰，让结果更好
	Mat k = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
	morphologyEx(src, src, MORPH_ERODE, k);// 腐蚀，去粘连部位的干扰
 
	// 完成分水岭变换
	watershed(src, markers);
	Mat mark = Mat::zeros(markers.size(), CV_8UC1);
	markers.convertTo(mark, CV_8UC1);
	bitwise_not(mark, mark, Mat());
	//imshow("watershed result", mark);
 
	// generate random color
	vector<Vec3b> colors;
	for (size_t i = 0; i < contours.size(); i++) {
		int r = theRNG().uniform(0, 255);
		int g = theRNG().uniform(0, 255);
		int b = theRNG().uniform(0, 255);
		colors.push_back(Vec3b((uchar)b, (uchar)g, (uchar)r));
	}
 
	// 颜色填充与最终显示
	Mat dst = Mat::zeros(markers.size(), CV_8UC3);
	int index = 0;
	for (int row = 0; row < markers.rows; row++) {
		for (int col = 0; col < markers.cols; col++) {
			index = markers.at<int>(row, col);
			if (index > 0 && index <= contours.size()) {
				dst.at<Vec3b>(row, col) = colors[index - 1];
			}
			else {
				dst.at<Vec3b>(row, col) = Vec3b(0, 0, 0);
			}
		}
	}
 
	imshow("Final Result", dst);
	
 
	waitKey(0);
	return 0;
}

参考资料：
https://blog.csdn.net/CJ_035/article/details/81843298
https://blog.csdn.net/qq_24946843/article/details/82823108