[OpenCV] 图像分割之利用 cv2.distanceTransform 提取前景

提取硬币前景

当图像内的各个子图没有连接时，可以直接使用形态学的腐蚀操作确定前景对象，但是如果图像内的子图连接在一起时，就很难确定前景对象了。此时，借助于距离变换函数 cv2.distanceTransform（）可以方便地将前景对象提取出来。
距离变换函数 cv2.distanceTransform（）计算二值图像内任意点到最近背景点的距离。一般情况下，该函数计算的是图像内非零值像素点到最近的零值像素点的距离，即计算二值图像中所有像素点距离其最近的值为 0 的像素点的距离。当然，如果像素点本身的值为 0，则这个距离也为 0。
距离变换函数 cv2.distanceTransform（）的计算结果反映了各个像素与背景（值为 0 的像素点）的距离关系。通常情况下：
如果前景对象的中心（质心）距离值为 0 的像素点距离较远，会得到一个较大的值。
如果前景对象的边缘距离值为 0 的像素点较近，会得到一个较小的值。
如果对上述计算结果进行阈值化，就可以得到图像内子图的中心、骨架等信息。距离变换函数 cv2.distanceTransform（）可以用于计算对象的中心，还能细化轮廓、获取图像前景等，有多种功能。
以上内容摘自《OpenCV轻松入门》

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt

img = cv.imread('coin.jpg', cv.IMREAD_GRAYSCALE)
_ret, img2 = cv.threshold(img, 0, 255, cv.THRESH_BINARY_INV + cv.THRESH_OTSU)
kernel = np.ones((3, 3), np.uint8)
opn = cv.morphologyEx(img2, cv.MORPH_OPEN, kernel)
distance = cv.distanceTransform(opn, cv.DIST_L2, 3)
_ret, result = cv.threshold(distance, 0.7 * distance.max(), 255, cv.THRESH_BINARY)

plt.subplot(141), plt.imshow(img, cmap='gray'), plt.title('org'), plt.axis('off')
plt.subplot(142), plt.imshow(opn, cmap='gray'), plt.title('opn'), plt.axis('off')
plt.subplot(143), plt.imshow(distance, cmap='gray'), plt.title('distance'), plt.axis('off')
plt.subplot(144), plt.imshow(result, cmap='gray'), plt.title('result'), plt.axis('off')