OpenCV-图像处理（33、基于距离变换与分水岭的图像分割）

什么是图像分割(Image Segmentation)

• 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

• 从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，即把属于同一区域的像索赋予相同的编号。目的是将图像中像素根据一定的规则分为若干(N)个聚(cluster)集合，每个集合包含一类像素。将对象在背景提取出来。
  

距离变换与分水岭介绍

可以参考：https://blog.csdn.net/zhangjunp3/article/details/79672098

• 

• 

• 

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

可以参考：https://blog.csdn.net/zhu_hongji/article/details/81703350

相关API

• （1）距离变换：计算源图像的每个像素到最近的零像素的距离.
  distanceTransform(
InputArray src, //8位单通道(二进制)源图像
OutputArray dst, //输出具有计算距离的图像,8位或32位浮点的单通道图像，大小与src相同.
OutputArray labels, //输出二维数组标签labels（离散维诺Voronoi图），类型为 CV_32SC1 ，相同距离的算做同一个 label ，算出总共由多少个 labels
int distanceType, //距离类型 = DIST_L1/DIST_L2
int maskSize, //距离变换的掩膜大小，DIST_MASK_3(maskSize = 3x3),最新的支持DIST_MASK_5(mask = 5x5)，//最新的支持5x5，推荐3x3、
int labelType=DIST_LABEL_CCOMP //要生成的标签数组的类型
)
  参数四距离可选类型：
  
  参数六标签可选类型：
• （2）分水岭：用分水岭算法执行基于标记的图像分割
  watershed(
InputArray image, //输入8位3通道图像（输入锐化原图8位3通道）
InputOutputArray markers // 输入或输出32位单通道的标记，和图像一样大小。（输入高峰轮廓标记）
)

处理流程

1. 将白色背景变成黑色-目的是为后面的变换做准备
2. 使用filter2D与拉普拉斯算子实现图像对比度提高，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到[0~1]之间
6. 使用阈值，再次二值化，得到标记
7. 腐蚀得到每个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

演示代码

程序代码

可以参考：https://blog.csdn.net/huanghuangjin/article/details/81194552

运行截图

参考博客

1. https://blog.csdn.net/zhangjunp3/article/details/79672098
2. https://blog.csdn.net/zhu_hongji/article/details/81703350
3. https://blog.csdn.net/iracer/article/details/49225823
4. https://blog.csdn.net/huanghuangjin/article/details/81194552