OpenCV(四十一)：图像分割-分水岭法

落日映苍穹つ 2024-03-03 08:31 91阅读 0赞

#### 1.分水岭方法介绍 ####

OpenCV 提供了分水岭算法（Watershed Algorithm）的实现， 使用分水岭算法对图像进行分割，将图像的不同区域分割成互不干扰的区域。分水岭算法模拟了水在图像中的扩散和聚集过程，将标记的边界被看作是阻挡水扩散的高山，通过模拟水的扩散和聚集，最终确定图像的分割边界。

如图所示：水从山低蔓延，而高山阻止水扩散。

![8553a0ef29e641dc89d4071897e82b59.png][]

#### 2.分水岭法分割图像函数watershed() ####

> void cv::watershed ( InputArray image,
> 
> InputOutputArray markers
> 
> ）

*  image:输入图像，数据类型为CV\_8U的三通道图像
 *  markers:输入/输出CV\_32S的单通道图像的标记结果，与原图像具有相同的尺寸

示例代码：

基于标记图像中画的线来对原图像进行分割。

void  watershed_f(Mat mat,Mat mat2){//mat原图像  mat2含有标记的图像
        // 把四通道原图像转换成三通道
        Mat image;
        cv::cvtColor(mat, image, cv::COLOR_BGRA2BGR);
    
        Mat imgGray,imgMask,img_;
        Mat maskWaterShed;//watershed()函数的参数
        //对标记的图像进行灰度化
        Mat image2;
        cvtColor(mat2,imgGray,COLOR_BGR2GRAY);
        //对标记的图像二值化并开运算，可得到标记画的线
        threshold(imgGray,imgMask,250,255,THRESH_BINARY);
        Mat k= getStructuringElement(0,Size(3,3));
        morphologyEx(imgMask,imgMask,MORPH_OPEN,k);
        //显示二值化并开运算的结果
        imwrite("/sdcard/DCIM/imgMask2.png",imgMask);
        //对二值化后的标记图像进行轮廓检测，可得到画的线的轮廓
        vector<vector<Point>> contours;
        vector<Vec4i> hierarchy;
        findContours(imgMask,contours,hierarchy,RETR_TREE,CHAIN_APPROX_SIMPLE,Point());
        //在maskWaterShed上绘制出上面得到的轮廓
        maskWaterShed=Mat::zeros(imgMask.size(),CV_32S);
        for(int index=0;index<contours.size();index++){
            drawContours(maskWaterShed,contours,index,Scalar::all(index+1),2,8);
        }
        //分水岭算法 需要对原图像进行处理
        watershed(image,maskWaterShed);
        //显示分水岭算法分割的每个区域
        imwrite("/sdcard/DCIM/maskWaterShed2.png",maskWaterShed);
      
        //随机生成几种颜色
        vector<Vec3b> colors;
        for(int i=0;i<contours.size();i++){
            int b=theRNG().uniform(0,255);
            int g=theRNG().uniform(0,255);
            int r=theRNG().uniform(0,255);
            colors.push_back(Vec3b((uchar)b,(uchar)g,(uchar)r));
        }
        //给分水岭算法分割的每个区域添加颜色
        Mat resultImg=Mat(image2.size(),CV_8UC3);
        for(int i=0;i<imgMask.rows;i++){
            for(int j=0;j<imgMask.cols;j++){
                //绘制每个区域的颜色
                int index=maskWaterShed.at<int>(i,j);
                if(index==-1)//区域间的值被置为-1（边界）
                {
                    resultImg.at<Vec3b>(i,j)=Vec3b(255,255,255);
                }
                else if(index<=0||index>contours.size())//没有标记清楚的区域被置为0
                {
                    resultImg.at<Vec3b>(i,j)=Vec3b(0,0,0);
                }else{
                    resultImg.at<Vec3b>(i,j)=colors[index-1];
                }
            }
        }
        //显示给分水岭算法分割的每个区域添加颜色的结果
        imwrite("/sdcard/DCIM/resultImg2.png",resultImg);
        //分割的区域与原图像结合
        resultImg=resultImg*0.8+image*0.2;
        imwrite("/sdcard/DCIM/resultImg3.png",resultImg);
    
    }

![85bbc248ac744307849c7f1fd46ffad3.png][]

![0c2529565aa3430491727967c786ffbd.png][]

![db5a535a8b2b4d2e86b832cc79e78fb4.png][]

[8553a0ef29e641dc89d4071897e82b59.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/03/c74974a717bf46d4b7ca77e9cc510f5d.png
[85bbc248ac744307849c7f1fd46ffad3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/03/28978158ec1e4284ae1af42c532b9293.png
[0c2529565aa3430491727967c786ffbd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/03/cb781d10043e4371a39a4426b847462d.png
[db5a535a8b2b4d2e86b832cc79e78fb4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/03/07ad7a1412744b3b87b71911bba8951e.png