分水岭算法是比较经典的图像分割算法。最近看到一副区域检测和统计的图像,感觉可以通过分水岭算法进行实现,于是顺便对opencv的分水岭算法进行学习。如图需要分割的图像:
opencv有自带的分水岭分割示例,分割图像为硬币图像,如图:
由于示例是python的代码,没有C++的代码,所以打算先用C++实现示例中的功能,然后再对本文开头的图像进行分割。
基本操作:灰度化->阈值分割(OTSU)->形态学去噪->形态学膨胀得到背景图。
- Mat src = imread("water_coins.jpg");
- Mat frame;
- cvtColor(src, frame, CV_BGR2GRAY); //灰度化
- Mat marker = frame.clone();
- threshold(marker, frame, 0, 255, CV_THRESH_BINARY_INV | CV_THRESH_OTSU); //阈值分割(OTSU)
- //去除噪声,开运算
- Mat element = getStructuringElement(MORPH_ELLIPSE, Size(3, 3));
- morphologyEx(frame, frame, MORPH_OPEN, element, Point( - 1, -1), 2);
- //膨胀得到背景区域
- Mat imgbg;
- dilate(frame, imgbg, element, Point( - 1, -1), 3);
标记前景采用了距离变换函数:
- C++: void distanceTransform(InputArray src, OutputArray dst, int distanceType, int maskSize, int dstType=CV_32F )
- src – 8位单通道二值图像.
- dst – 输出计算好的距离图像,8位或32位浮点型单通道图像 .
- distanceType – 距离计算类型,包括曼哈顿距离,欧式距离等 .
- maskSize – 距离变换掩膜尺寸 .
- dstType – 输出图像类型. CV_8U or CV_32F. CV_8U只能用于CV_DIST_L1.
具体步骤:
- //找前景
- Mat imageThin(frame.size(), CV_32FC1); //定义保存距离变换结果的Mat矩阵
- distanceTransform(frame, imageThin, CV_DIST_L2, 5); //距离变换
- normalize(imageThin, imageThin, 0, 255, CV_MINMAX); //归一化利于显示
- threshold(imageThin, imageThin, 200, 255, CV_THRESH_BINARY);
距离变换后效果图:
前景图:
- //找未知区域
- imageThin.convertTo(imageThin, imgbg.type());
- Mat unknown;
- subtract(imgbg, imageThin, unknown); //图像相减
- Mat imglabels, imgstats, imgcentroid;
- connectedComponentsWithStats(imageThin, imglabels, imgstats, imgcentroid); //连通域标记
- imglabels = imglabels + 100; //背景区域像素为100
- imglabels.convertTo(imglabels, CV_8U);
- for (int i=0;i<unknown.rows;i++)
- {
- uchar* ptr = unknown.ptr<uchar>(i);
- for (int j=0;j<unknown.cols;j++)
- {
- if (255==ptr[j])
- {
- imglabels.at<uchar>(i, j) = 0; //未知区域像素为0
- }
- }
- }
- imglabels.convertTo(imglabels, CV_32S); //图像类型转换
标记图像:
- watershed(src, imglabels);
分割后图像:
可以看到最后分割的效果,在某些地方由于硬币靠的太近分割效果不理想。后续可以通过圆检测等方式进行处理。
回到最初的气泡图,同样可以通过上述步骤进行分割,主要是得到标记图像,气泡图由于无法确定背景区域,所以在选定前景区域后,其他区域都设定为未知区域。最后分割的效果如图:
来源: http://blog.csdn.net/dangkie/article/details/77806211