OpenCV半小時掌握基本操作之分水嶺算法

更新時間：2021年09月01日 15:18:04 作者：我是小白呀

這篇文章主要介紹了OpenCV基本操作之分水嶺算法，本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下

概述

OpenCV 是一個跨平臺的計算機視覺庫, 支持多語言, 功能強大. 今天小白就帶大家一起攜手走進 OpenCV 的世界.

在這里插入圖片描述

分水嶺算法

分水嶺算法 (Watershed Algorithm) 是一種圖像區(qū)域分割算法. 在分割的過程中, 分水嶺算法會把跟臨近像素間的相似性作為重要的根據(jù).

在這里插入圖片描述

分水嶺分割流程:

讀取圖片
轉換成灰度圖
二值化
距離變換
尋找種子
生成 Marker
分水嶺變換

距離變換

距離變換 (Distance Transform)通過計算圖像中非零像素點到最近像素的距離, 實現(xiàn)了像素與圖像區(qū)域的距離變換.

在這里插入圖片描述

連通域

連通域 (Connected Components) 指的是圖像中具有相同像素且位置相鄰的前景像素點組成的圖像區(qū)域.

在這里插入圖片描述

格式:

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

參數(shù):

image: 輸入圖像, 必須是 uint8 二值圖像
labels 圖像上每一像素的標記, 用數(shù)字 1, 2, 3 表示

分水嶺

算法會根據(jù) markers 傳入的輪廓作為種子, 對圖像上其他的像素點根據(jù)分水嶺算法規(guī)則進行判斷, 并對每個像素點的區(qū)域歸屬進行劃定. 區(qū)域之間的分界處的值被賦值為 -1.

在這里插入圖片描述

格式:

cv2.watershed(image, markers)

參數(shù):

image: 輸入圖像
markers: 種子, 包含不同區(qū)域的輪廓

代碼實戰(zhàn)

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


def watershed(image):
    """分水嶺算法"""

    # 卷積核
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))

    # 均值遷移濾波
    blur = cv2.pyrMeanShiftFiltering(image, 10, 100)

    # 轉換成灰度圖
    image_gray = cv2.cvtColor(blur, cv2.COLOR_BGR2GRAY)

    # 二值化
    ret1, thresh1 = cv2.threshold(image_gray, 0, 255, cv2.THRESH_OTSU)

    # 開運算
    open = cv2.morphologyEx(thresh1, cv2.MORPH_OPEN, kernel, iterations=2)

    # 膨脹
    dilate = cv2.dilate(open, kernel, iterations=3)

    # 距離變換
    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)

    # 分水嶺計算
    unknown = cv2.subtract(dilate, thresh2)
    ret3, component = cv2.connectedComponents(thresh2)
    print(ret3)

    # 分水嶺計算
    markers = component + 1
    markers[unknown == 255] = 0
    result = cv2.watershed(image, markers=markers)
    image[result == -1] = [0, 0, 255]

    # 圖片展示
    image_show((image, blur, image_gray, thresh1, open, dilate), (dist, thresh2, unknown, component, markers, image))

    return image


def image_show(graph1, graph2):
    """繪制圖片"""

    # 圖像1
    original, blur, gray, binary1, open, dilate = graph1

    # 圖像2
    dist, binary2, unknown, component, markers, result = graph2

    f, ax = plt.subplots(3, 2, figsize=(12, 16))

    # 繪制子圖
    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")

    # 標題
    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))

    # 繪制子圖
    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))

    # 標題
    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__":
    # 讀取圖片
    image = cv2.imread("coin.jpg")

    # 分水嶺算法
    result = watershed(image)

    # 保存結果
    cv2.imwrite("result.jpg", result)

輸出結果：

在這里插入圖片描述