OpenCV开发笔记(五十九):红胖子8分钟带你深入了解分水岭算法(图文并茂+浅显易懂+程序源码)

若该文为原创文章,未经允许不得转载

原博主博客地址:https://blog.csdn.net/qq21497936

原博主博客导航:https://blog.csdn.net/qq21497936/article/details/102478062

本文章博客地址:https://blog.csdn.net/qq21497936/article/details/106258388

各位读者,知识无穷而人力有穷,要么改需求,要么找专业人士,要么自己研究

红胖子(红模仿)的博文大全:开发技术集合(包含Qt实用技术、树莓派、三维、OpenCV、OpenGL、ffmpeg、OSG、单片机、软硬结合等等)持续更新中…(点击传送门)

OpenCV开发专栏(点击传送门)

上一篇:《OpenCV开发笔记(五十八):红胖子8分钟带你深入了解图像的矩(图文并茂+浅显易懂+程序源码)》

下一篇:持续补充中…

前言

红胖子,来也!

做识别,有时候需求要识别物体,物体在背景上比较杂,但是其边缘与背景图相差大,这个时候可以使用分水岭算法突出两边的颜色对比度,从而更好的分割。

Demo

分水岭算法

概述

分水岭分割方法,是一种基于拓扑理论的数学形态学的分割方法,其基本思想是把图像看作是测地学上的拓扑地貌,图像中每一点像素的灰度值表示该点的海拔高度,每一个局部极小值及其影响区域称为集水盆,而集水盆的边界则形成分水岭。简单来说就是根据图像相邻的像素差值,分成不同区域,将各区域染成不同颜色,其适合使用者已经可以标记已知对象或背景中的一部分。

&emp;分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面,刺穿一个小孔,然后把整个模型慢慢浸入水中,随着浸入的加深,每一个局部极小值的影响域慢慢向外扩展,在两个集水盆汇合处构筑大坝,即形成分水岭。

分水岭的计算过程是一个迭代标注过程。

原理

分水岭比较经典的计算方法是L. Vincent提出的。在该算法中,分水岭计算分两个步骤,一个是排序过程,一个是淹没过程。首先对每个像素的灰度级进行从低到高排序,然后在从低到高实现淹没过程中,对每一个局部极小值在h阶高度的影响域采用先进先出(FIFO)结构进行判断及标注。

分水岭变换得到的是输入图像的集水盆图像,集水盆之间的边界点,即为分水岭。显然,分水岭表示的是输入图像极大值点。因此,为得到图像的边缘信息,通常把梯度图像作为输入图像,即

g(x,y)=grad(f(x,y))={[f(x,y)-f(x-1,y)]2[f(x,y)-f(x,y-1)]2}0.5

式中,f(x,y)表示原始图像,grad{.}表示梯度运算。

分水岭算法对微弱边缘具有良好的响应,图像中的噪声、物体表面细微的灰度变化,都会产生过度分割的现象。但同时,分水岭算法对微弱边缘具有良好的响应,是得到封闭连续边缘的保证的。

分水岭函数原型

void watershed(InputArray image, InputOutputArray markers )

参数一:lnputArray类型的src,输入图像,即源图像,填Mat类的对象即可,且需为8位三通道的彩色图像。

参数二:InputOutputArray类型的markers,在执行分水岭函数watershed之前,必须对该参数进行处理,它应该包含不同区域的轮廓,每个轮廓有一个自己唯一的编号,轮廓的定位可以通过Opencv中findContours方法实现,这个是执行分水岭之前的要求。

Demo涉及到的相关知识

均值滤波:《OpenCV开发笔记(十五):算法基础之线性滤波-均值滤波》

canny边缘检测:《OpenCV开发笔记(三十七):红胖子8分钟带你深入了解边缘检测和Canny算子边缘检测(图文并茂+浅显易懂+程序源码)》

查找与绘制轮廓:《OpenCV开发笔记(四十九):红胖子8分钟带你深入了解轮廓识别(图文并茂+浅显易懂+程序源码)》

Demo源码

void OpenCVManager::testWatersheed()

{

    QString fileName1 =

            "E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/5.jpg";

    int width = 400;

    int height = 300;

    cv::Mat srcMat = cv::imread(fileName1.toStdString());

    cv::resize(srcMat, srcMat, cv::Size(width, height));

    cv::String windowName = _windowTitle.toStdString();

    cvui::init(windowName);

    cv::Mat windowMat = cv::Mat(cv::Size(srcMat.cols * 2, srcMat.rows * 3),

                                srcMat.type());

    int threshold1 = 200;

    int threshold2 = 100;

    while(true)

    {

        windowMat = cv::Scalar(0, 0, 0);

        cv::Mat mat;

        cv::Mat tempMat;

        // 原图先copy到左边

        mat = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1),

                        cv::Range(srcMat.cols * 0, srcMat.cols * 1));

        cv::addWeighted(mat, 0.0f, srcMat, 1.0f, 0.0f, mat);

        {

            // 灰度图

            cv::Mat grayMat;

            cv::cvtColor(srcMat, grayMat, cv::COLOR_BGR2GRAY);

            // copy

            mat = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1),

                            cv::Range(srcMat.cols * 1, srcMat.cols * 2));

            cv::Mat grayMat2;

            cv::cvtColor(grayMat, grayMat2, cv::COLOR_GRAY2BGR);

            cv::addWeighted(mat, 0.0f, grayMat2, 1.0f, 0.0f, mat);

            // 均值滤波

            cv::blur(grayMat, tempMat, cv::Size(3, 3));

            cvui::printf(windowMat, width * 1 + 20, height * 1 + 20, "threshold1");

            cvui::trackbar(windowMat, width * 1 + 20, height * 1 + 40, 200, &threshold1, 0, 255);

            cvui::printf(windowMat, width * 1 + 20, height * 1 + 100, "threshold2");

            cvui::trackbar(windowMat, width * 1 + 20, height * 1 + 120, 200, &threshold2, 0, 255);

            // canny边缘检测

            cv::Canny(tempMat, tempMat, threshold1, threshold2);

            // copy

            mat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),

                            cv::Range(srcMat.cols * 0, srcMat.cols * 1));

            cv::cvtColor(tempMat, grayMat2, cv::COLOR_GRAY2BGR);

            cv::addWeighted(mat, 0.0f, grayMat2, 1.0f, 0.0f, mat);

            // 查找轮廓

            std::vector> contours;

            std::vector hierarchy;

            cv::findContours(tempMat, contours, hierarchy, cv::RETR_CCOMP, cv::CHAIN_APPROX_SIMPLE);

            // 绘制轮廓

            cv::Mat maskers = cv::Mat::zeros(grayMat.size(), CV_32SC1);

            maskers = cv::Scalar::all(0);

            cv::Mat tMat = srcMat.clone();

            tMat = cv::Scalar(0, 0, 0);

            for(int index = 0; index < contours.size(); index++)

            {

                cv::drawContours(maskers, contours, index, cv::Scalar::all(index+1));

                cv::drawContours(tMat, contours, index, cv::Scalar(0, 0, 255));

            }

            // copy

            mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),

                            cv::Range(srcMat.cols * 0, srcMat.cols * 1));

            cv::addWeighted(mat, 0.0f, tMat, 1.0f, 0.0f, mat);

            // 分水岭

            cv::watershed(srcMat, maskers);

            cv::Mat watershedImage(maskers.size(), CV_8UC3) ;

            for(int i = 0 ; i < maskers.rows ; i++ )

            {

                for(int j = 0 ; j < maskers.cols; j++)

                {

                    int index = maskers.at(i, j);

                    if(index == -1)

                    {

                        watershedImage.at(i, j) = cv::Vec3b(255, 255, 255);

                    }else if( index <= 0 || index > contours.size() )

                    {

                        watershedImage.at(i, j) = cv::Vec3b(0, 0, 0);

                    }else

                    {

                        watershedImage.at(i, j) = cv::Vec3b((index - 5 > 0 ? 0 : index % 5) * 50,

                                                                      (index - 5 > 0 ? index - 5 : 0) % 5 * 50,

                                                                      (index - 10 > 0 ? index - 10 : 0) % 5 * 50);

                    }

                    // 混合灰皮图和 分水岭效果 图 并显 示最终的窗 口

                }

            }

            // copy

            mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),

                            cv::Range(srcMat.cols * 1, srcMat.cols * 2));

            cv::addWeighted(mat, 0.0f, watershedImage, 1.0f, 0.0f, mat);

        }

        // 更新

        cvui::update();

        // 显示

        cv::imshow(windowName, windowMat);

        // esc键退出

        if(cv::waitKey(25) == 27)

        {

            break;

        }

    }

}

工程模板:对应版本号v1.53.0

  对应版本号v1.53.0

上一篇:《OpenCV开发笔记(五十八):红胖子8分钟带你深入了解图像的矩(图文并茂+浅显易懂+程序源码)》

下一篇:持续补充中…

原博主博客地址:https://blog.csdn.net/qq21497936

原博主博客导航:https://blog.csdn.net/qq21497936/article/details/102478062

本文章博客地址:https://blog.csdn.net/qq21497936/article/details/106258388

你可能感兴趣的:(OpenCV开发笔记(五十九):红胖子8分钟带你深入了解分水岭算法(图文并茂+浅显易懂+程序源码))