基于OpenCvSharp的数字图像处理 - 图像分割

创建项目  |  文件与显示  |  像素操作  |  图像彩色类型转换  |  模糊、平滑、去噪  |  锐化、边缘检测  |  二值化  |  形态学  |  位置变换  |  直方图  |  霍夫变换  |  图像优化  |  图像分割

完整示例项目

 

图像分割是根据图像中各部分的特征，分割出不同的区域，这些区域可能代表了不同的物体。最简单的图像分割是区分出背景和前景。图像分割目前有一些比较成熟的技术，但想不通过一些辅助手段而达到比较好的分割效果，还是有一定难度的。

一、漫水填充

如果用过Photoshop的读者，应该对这项功能很熟悉。先设定一个阈值，然后在图像中的某个区域点一下鼠标，类似这个区域的像素都会被填充为某一颜色。这项功能需要我们指出ROI大概在哪里，还要指出阈值使用多少。示例代码如下：

Mat src = new Mat(img_desk);

Cv2.FloodFill(src, new OpenCvSharp.Point(233, 102), new Scalar(0, 0, 255), out OpenCvSharp.Rect rect, new Scalar(30, 30, 30), new Scalar(30, 30, 30));

src.SaveImage(img_result);

效果如下：

注：目标点在键盘的Space键里。

二、分水岭算法

分水岭算法要求我们指出图像中的哪些区域是连通的。给定一个跟图像相同大小的矩阵，连通区域使用同一数字表示，例如上图，笔记本区域标记为1，键盘区域标记为2等。这些区域只需要模糊标记（如果我们能准确标记，那就不需要这个算法做什么事了）。

示例代码如下：

Mat src = new Mat(img_desk);

Mat marker = new Mat(src.Rows, src.Cols, MatType.CV_32SC1);
for (int i = 0; i < 154; i++)
{
    for (int j = 0; j < 91; j++)
    {
        marker.Set(40 + j, 45 + i, 1);
    }
}
for (int i = 0; i < 110; i++)
{
    for (int j = 0; j < 234; j++)
    {
        marker.Set(176 + j, 369 + i, 2);
    }
}
for (int i = 0; i < 30; i++)
{
    for (int j = 0; j < 30; j++)
    {
        marker.Set(194 + j, 191 + i, 3);
    }
}

Cv2.Watershed(src, marker);

Mat result = new Mat(marker.Rows, marker.Cols, MatType.CV_8UC3);
for (int i = 0; i < marker.Width; i++)
{
    for (int j = 0; j < marker.Height; j++)
    {
        byte v = marker.Get(j, i);
        switch (v)
        {
            case 1:
                result.Set(j, i, new Vec3b(255, 0, 0));
                break;
            case 2:
                result.Set(j, i, new Vec3b(0, 255, 0));
                break;
            case 3:
                result.Set(j, i, new Vec3b(0, 0, 255));
                break;
        }
    }
}
result.SaveImage(img_result);

效果如下：

三、Grabcuts算法

Grabcuts算法利用标记区域的直方图特征，寻找相似的区域。标记区域需要为矩形。

示例代码如下：

Mat src = new Mat(img_desk);

Mat mask = new Mat();
Mat bgdModel = new Mat();
Mat fgdModel = new Mat();
Cv2.GrabCut(src, mask, new OpenCvSharp.Rect(90, 290, 180, 187), bgdModel, fgdModel, 12, GrabCutModes.InitWithRect);

Mat result = new Mat(mask.Rows, mask.Cols, MatType.CV_8UC1);
for (int i = 0; i < mask.Width; i++)
{
    for (int j = 0; j < mask.Height; j++)
    {
        byte v = mask.Get(j, i);
        switch (v)
        {
            case 0:
                result.Set(j, i, 0);
                break;
            case 1:
                result.Set(j, i, 255);
                break;
            case 2:
                result.Set(j, i, 50);
                break;
            case 3:
                result.Set(j, i, 200);
                break;
        }
    }
}
result.SaveImage(img_result);

效果如下：

注：灰色区域是标记的，白色区域是找出来的线球。

四、Mean-Shift算法

Mean-Shift算法是本文唯一一个不需要事先标记区域的算法。它根据图像颜色空间分布的特征进行分割。

示例代码如下：

Mat src = new Mat(img_desk);

Mat result = new Mat();
Cv2.PyrMeanShiftFiltering(src, result, 5, 50);

result.SaveImage(img_result);

效果如下：

注：可以看到，笔记本和按键能够被分割出来。