Halcon机器视觉实战--分水岭分割+距离变换实现粘连物体图像分割

分水岭的原理

把图像的灰度看作高度图,图像中每个像素点的灰度值看作该点的高度,高灰度值代表山脉,低灰度值代表盆地,每个局部最小值及其周围区域称为集水盆,而集水盆的边界则形成分水岭。
Halcon机器视觉实战--分水岭分割+距离变换实现粘连物体图像分割_第1张图片

分水岭算法的步骤

1.彩色图像转化成单通道灰度图
2.求梯度图
3.在梯度图的基础上进行分水岭算法,求取分区域的边缘线。

局部最小值点:

对应的是一个盆地的最小值,当我们在盆地里面滴一滴水的时候,由于重力作用,水最终会汇聚到该点。
Halcon机器视觉实战--分水岭分割+距离变换实现粘连物体图像分割_第2张图片

盆地的其他位置点:

该位置滴的水滴会汇聚到局部最小点。

在盆地的最小值点,打一个洞,然后往盆地里面注水,并阻止两个盆地的水汇集,我们会在两个盆地的水汇集的时刻,在交接的边缘线上(即分水岭),建造大坝,来阻止两个盆地的水汇集成一个区域。图像被分为了两个像素集,一个是注水盆地像素集,一个是分水岭线像素集。

Halcon机器视觉实战--分水岭分割+距离变换实现粘连物体图像分割_第3张图片

你可能感兴趣的:(Halcon项目实战,计算机视觉,人工智能,图像处理)