Opencv 分水岭算法 watershed的图像分割

分水岭算法 

参考博客：

（1）迈克老狼2012   https://www.cnblogs.com/mikewolf2002/p/3304118.html

（2）-牧野-              http://blog.csdn.net/dcrmg/article/details/52498440

分水岭算法是一种图像区域分割法，在分割的过程中，它会把跟临近像素间的相似性作为重要的参考依据，从而将在空间位置上相近并且灰度值相近（求梯度）的像素点互相连接起来构成一个封闭的轮廓。分水岭算法常用的操作步骤：彩色图像灰度化，然后再求梯度图，最后在梯度图的基础上进行分水岭算法，求得分段图像的边缘线。
下面左边的灰度图，可以描述为右边的地形图，地形的高度是由灰度图的灰度值决定，灰度为0对应地形图的地面，灰度值最大的像素对应地形图的最高点。

我们可以自己编程实现灰度图的地形图显示

对灰度图的地形学解释，我们我们考虑三类点：

1. 局部最小值点，该点对应一个盆地的最低点，当我们在盆地里滴一滴水的时候，由于重力作用，水最终会汇聚到该点。注意：可能存在一个最小值面，该平面内的都是最小值点。

2. 盆地的其它位置点，该位置滴的水滴会汇聚到局部最小点。

3. 盆地的边缘点，是该盆地和其它盆地交接点，在该点滴一滴水，会等概率的流向任何一个盆地。

假设我们在盆地的最小值点，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(也即分水岭线)，建一个坝，来阻止两个盆地的水汇集成一片水域。这样图像就被分成2个像素集，一个是注水盆地像素集，一个是分水岭线像素集。

      下面的gif图很好的演示了分水岭算法的效果：

在真实图像中，由于噪声点或者其它干扰因素的存在，使用分水岭算法常常存在过度分割的现象，这是因为很多很小的局部极值点的存在，比如下面的图像，这样的分割效果是毫无用处的。

  为了解决过度分割的问题，可以使用基于标记(mark)图像的分水岭算法，就是通过先验知识，来指导分水岭算法，以便获得更好的图像分段效果。通常的mark图像，都是在某个区域定义了一些灰度层级，在这个区域的洪水淹没过程中，水平面都是从定义的高度开始的，这样可以避免一些很小的噪声极值区域的分割。

下面的gif图很好的演示了基于mark的分水岭算法过程：

上面的过度分段图像，我们通过指定mark区域，可以得到很好的分段效果：

Opencv 中 watershed函数原型：

watershed()
void cv::watershed	(	InputArray 	image,
InputOutputArray 	markers 
)		
Python:
markers	=	cv.watershed(	image, markers	)

#include

使用分水岭算法进行基于标记的图像分割。

该函数实现了分水岭算法的一个变种，基于非参数标记的分割算法，

在将图像传递给函数之前，必须使用正(>)索引粗略地在图像标记中勾画出所需的区域。因此，每个区域都被表示为一个或多个具有像素值1、2、3等的连接组件。这样的标记可以使用findContours 和 drawContours从二进制掩码中检索(参见watershed.cpp演示)。这些标记是未来图像区域的“种子”。标记中的所有其他像素，其与轮廓区域的关系未知，应由算法定义，应设置为0。在函数输出中，标记中的每个像素被设置为“种子”组件的值，或者在区域之间的边界被设置为-1。

简单概括一下就是说第二个入参markers必须包含了种子点信息。Opencv官方例程中使用鼠标划线标记，其实就是在定义种子，只不过需要手动操作，而使用findContours可以自动标记种子点。而分水岭方法完成之后并不会直接生成分割后的图像，还需要进一步的显示处理，如此看来，只有两个参数的watershed其实并不简单。
 

Note：任意两个相邻连接的分量不一定被分水岭边界(-1的像素)隔开;例如，它们可以在传递给函数的初始标记图像中相互接触。

Parameters

image	输入8位3通道图像。
markers	输入/输出标记的32位单通道图像(map)。它应该有相同的大小作为图像。

现在我们看看OpenCV中如何使用分水岭算法。

首先我们打开一副图像： 

 // 打开另一幅图像
  cv::Mat    image= cv::imread("../tower.jpg");
    if (!image.data)
        {
        cout<<"不能打开图像！"<

接下来，我们要创建mark图像。mark图像格式是有符号整数，其中没有被mark的部分用0表示，其它不同区域的mark标记，我们用非零值表示，通常为1-255，但也可以为其它值，比如大于255的值，不同mark区域甚至可以用同样的值，这个值大小对最后分割可能没有影响(也可能影响)，最好不同mark区域还是用不同的值表示，这样能够确保结果正确，之所以用有符号整数，是因为opencv在分水岭算法内部，要用-1，-2等来标记注水区域，最终在mark图像中生成的分水岭线就是用-1表示。

 

    我们通常会创建uchar格式的灰度图，指定mark区域，然后转化为有符号整数的图像格式。

    首先对整个背景区域我们创建一个mark域，是下图中白色框框住的部分，其灰度值为255，第二个选择mark域为塔，就是黑色框框住的一块区域，其灰度值为64，最后就是树mark域，蓝色框的部分，其灰度值为128。在分水岭算法时候，会分别对这个3个区域来进行注水操作，如果两个注水盆地被一个mark域覆盖，则它们之间不会有分水岭线产生。

    对于mark图像，opencv分水岭算法在初始化时候，会把最外圈的值置为-1，作为整个图像的边界，所以我们第一个mark区域，选择倒数第2外圈，因为设置到最外圈，最后还是会被冲掉。

注意：mark图像是32bit的有符号整数，所以在使用分水岭算法前，我们先对mark图像做一个转化。算法执行完后，再转化为0-255的灰度图。

  imageMask.convertTo(imageMask,CV_32S);
    // 设置marker和处理图像 
  cv::watershed(image,imageMask);

  cv::Mat mark1;
  imageMask.convertTo(mark1,CV_8U);
  cv::namedWindow("marker");

   cv::imshow("marker",mark1);

  此时imageMask图像从无符号整数转化为uchar后，如下图所示，第一个mask区域注水，将会使得整个图像为白色，之后分别在第二个，第三个区域的盆地注水，会产生相应的注水图，注水的区域的值即为mark的值，128和64, 分水岭线则为0，注：在转化前分水岭线的值为-1，转化后成为0。

我们使用一个转化函数把分水岭线转化为黑色，其它的部分都白黑色，转化函数的公式为：

 最后显示分水岭线，得到下图：(注：在转化前，分水岭线的值为-1)