OpenCV半小时掌握基本操作之分水岭算法 OpenCV半小时掌握基本操作之分

概述
分水岭算法
距离变换
连通域
分水岭
代码实战

【OpenCV】??高手勿入! 半小时学会基本操作 ?? 分水岭算法

概述 OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天小白就带大家一起携手走进 OpenCV 的世界.

文章图片

分水岭算法分水岭算法 (Watershed Algorithm) 是一种图像区域分割算法. 在分割的过程中, 分水岭算法会把跟临近像素间的相似性作为重要的根据.

文章图片

分水岭分割流程:

读取图片
转换成灰度图
二值化
距离变换
寻找种子
生成 Marker
分水岭变换

距离变换距离变换 (Distance Transform)通过计算图像中非零像素点到最近像素的距离, 实现了像素与图像区域的距离变换.

文章图片

连通域连通域 (Connected Components) 指的是图像中具有相同像素且位置相邻的前景像素点组成的图像区域.

文章图片

格式:

cv2.connectedComponents(image, labels=None, connectivity=None, ltype=None)

参数:

image: 输入图像, 必须是 uint8 二值图像
labels 图像上每一像素的标记, 用数字 1, 2, 3 表示

分水岭算法会根据 markers 传入的轮廓作为种子, 对图像上其他的像素点根据分水岭算法规则进行判断, 并对每个像素点的区域归属进行划定. 区域之间的分界处的值被赋值为 -1.

文章图片

格式:

cv2.watershed(image, markers)

参数:

image: 输入图像
markers: 种子, 包含不同区域的轮廓

【OpenCV半小时掌握基本操作之分水岭算法】
代码实战

import numpy as npimport cv2from matplotlib import pyplot as pltdef watershed(image):"""分水岭算法"""# 卷积核kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))# 均值迁移滤波blur = cv2.pyrMeanShiftFiltering(image, 10, 100)# 转换成灰度图image_gray = cv2.cvtColor(blur, cv2.COLOR_BGR2GRAY)# 二值化ret1, thresh1 = cv2.threshold(image_gray, 0, 255, cv2.THRESH_OTSU)# 开运算open = cv2.morphologyEx(thresh1, cv2.MORPH_OPEN, kernel, iterations=2)# 膨胀dilate = cv2.dilate(open, kernel, iterations=3)# 距离变换dist = cv2.distanceTransform(dilate, cv2.DIST_L2, 3)dist = cv2.normalize(dist, 0, 1.0, cv2.NORM_MINMAX)print(dist.max())# 二值化ret2, thresh2 = cv2.threshold(dist, dist.max() * 0.6, 255, cv2.THRESH_BINARY)thresh2 = np.uint8(thresh2)# 分水岭计算unknown = cv2.subtract(dilate, thresh2)ret3, component = cv2.connectedComponents(thresh2)print(ret3)# 分水岭计算markers = component + 1markers[unknown == 255] = 0result = cv2.watershed(image, markers=markers)image[result == -1] = [0, 0, 255]# 图片展示image_show((image, blur, image_gray, thresh1, open, dilate), (dist, thresh2, unknown, component, markers, image))return imagedef image_show(graph1, graph2):"""绘制图片"""# 图像1original, blur, gray, binary1, open, dilate = graph1# 图像2dist, binary2, unknown, component, markers, result = graph2f, ax = plt.subplots(3, 2, figsize=(12, 16))# 绘制子图ax[0, 0].imshow(cv2.cvtColor(original, cv2.COLOR_BGR2RGB))ax[0, 1].imshow(cv2.cvtColor(blur, cv2.COLOR_BGR2RGB))ax[1, 0].imshow(gray, "gray")ax[1, 1].imshow(binary1, "gray")ax[2, 0].imshow(open, "gray")ax[2, 1].imshow(dilate, "gray")# 标题ax[0, 0].set_title("original")ax[0, 1].set_title("image blur")ax[1, 0].set_title("image gray")ax[1, 1].set_title("image binary1")ax[2, 0].set_title("image open")ax[2, 1].set_title("image dilate")plt.show()f, ax = plt.subplots(3, 2, figsize=(12, 16))# 绘制子图ax[0, 0].imshow(dist, "gray")ax[0, 1].imshow(binary2, "gray")ax[1, 0].imshow(unknown, "gray")ax[1, 1].imshow(component, "gray")ax[2, 0].imshow(markers, "gray")ax[2, 1].imshow(cv2.cvtColor(result, cv2.COLOR_BGR2RGB))# 标题ax[0, 0].set_title("image distance")ax[0, 1].set_title("image binary2")ax[1, 0].set_title("image unknown")ax[1, 1].set_title("image component")ax[2, 0].set_title("image markers")ax[2, 1].set_title("result")plt.show()if __name__ == "__main__":# 读取图片image = cv2.imread("coin.jpg")# 分水岭算法result = watershed(image)# 保存结果cv2.imwrite("result.jpg", result)

输出结果：