Opencv如何實現(xiàn)用于圖像分割分水嶺算法-創(chuàng)新互聯(lián)

這篇文章將為大家詳細講解有關(guān)Opencv如何實現(xiàn)用于圖像分割分水嶺算法，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

成都創(chuàng)新互聯(lián)長期為千余家客戶提供的網(wǎng)站建設(shè)服務(wù)，團隊從業(yè)經(jīng)驗10年，關(guān)注不同地域、不同群體，并針對不同對象提供差異化的產(chǎn)品和服務(wù)；打造開放共贏平臺，與合作伙伴共同營造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為同心企業(yè)提供專業(yè)的成都網(wǎng)站設(shè)計、成都網(wǎng)站建設(shè)、外貿(mào)網(wǎng)站建設(shè)，同心網(wǎng)站改版等技術(shù)服務(wù)。擁有10多年豐富建站經(jīng)驗和眾多成功案例,為您定制開發(fā)。

目標

? 使用分水嶺算法基于掩模的圖像分割
? 學(xué)習(xí)函數(shù)： cv2.watershed()

原理

??任何一幅灰度圖像都可以被看成拓撲平面，灰度值高的區(qū)域可以被看成是山峰，灰度值低的區(qū)域可以被看成是山谷。我們向每一個山谷中灌不同顏色的水，隨著水的位的升高，不同山谷的水就會相遇匯合，為了防止不同山谷的水匯合，我們需要在水匯合的地方構(gòu)建起堤壩。不停的灌水，不停的構(gòu)建堤壩直到所有的山峰都被水淹沒。我們構(gòu)建好的堤壩就是對圖像的分割。這就是分水嶺算法的背后哲理。
??但是這種方法通常都會得到過度分割的結(jié)果，這是由噪聲或者圖像中其他不規(guī)律的因素造成的。為了減少這種影響， OpenCV 采用了基于掩模的分水嶺算法，在這種算法中我們要設(shè)置哪些山谷點會匯合，哪些不會，這是一種交互式的圖像分割。我們要做的就是給我們已知的對象打上不同的標簽。如果某個
區(qū)域肯定是前景或?qū)ο?，就使用某個顏色（或灰度值）標簽標記它。如果某個區(qū)域肯定不是對象而是背景就使用另外一個顏色標簽標記。而剩下的不能確定是前景還是背景的區(qū)域就用 0 標記。這就是我們的標簽。然后實施分水嶺算法。每一次灌水，我們的標簽就會被更新，當兩個不同顏色的標簽相遇時就構(gòu)建堤
壩，直到將所有山峰淹沒，最后我們得到的邊界對象（堤壩）的值為 -1。

代碼

??下面的例子中我們將就和距離變換和分水嶺算法對緊挨在一起的對象進行分割。
??如下圖所示，這些硬幣緊挨在一起。就算你使用閾值操作，它們?nèi)稳皇蔷o挨著的。

??我們從找到這些硬幣的近似估計值開始，我們使用Otsu's二值化。

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

img = cv2.imread('image/coins.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

結(jié)果圖：

??現(xiàn)在我們要去除圖像中的所有的白噪聲,這就需要使用形態(tài)學(xué)中的開運算。為了去除對象上小的空洞我們需要使用形態(tài)學(xué)閉運算。所以我們現(xiàn)在知道靠近對象中心的區(qū)域肯定是前景，而遠離對象中心的區(qū)域肯定是背景。而不能確定的區(qū)域就是硬幣之間的邊界。
??所以我們要提取肯定是硬幣的區(qū)域。腐蝕操作可以去除邊緣像素。剩下就可以肯定是硬幣了。當硬幣之間沒有接觸時，這種操作是有效的。但是由于硬幣之間是相互接觸的，我們就有了另外一個更好的選擇：距離變換再加上合適的閾值。接下來我們要找到肯定不是硬幣的區(qū)域。這是就需要進行膨脹操作了。膨脹可以將對象的邊界延伸到背景中去。這樣由于邊界區(qū)域被去處理，我們就可以知道那些區(qū)域肯定是前景，那些肯定是背景。

??剩下的區(qū)域就是我們不知道該如何區(qū)分的了。這就是分水嶺算法要做的。這些區(qū)域通常是前景與背景的交界處（或者兩個前景的交界）。我們稱之為邊界。從肯定是不是背景的區(qū)域中減去肯定是前景的區(qū)域就得到了邊界區(qū)域。

kernel = np.ones((3,3),np.uint8)
opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel,iterations= 2)
sure_bg = cv2.dilate(opening, kernel,iterations=3)
dist_transform =cv2.distanceTransform(opening, 1, 5)
ret,sure_fg = cv2.threshold(dist_transform, 0.7*dist_transform.max(), 255, 0)

sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg, sure_fg)

??如結(jié)果所示，在閾值化之后的圖像中，我們得到了肯定是硬幣的區(qū)域，而且硬幣之間也被分割開了。（有些情況下你可能只需要對前景進行分割，而不需要將緊挨在一起的對象分開，此時就沒有必要使用距離變換了，腐蝕就足夠了當然腐蝕也可以用來提取肯定是前景的區(qū)域。）

??現(xiàn)在知道了哪些是背景哪些是硬幣了，那我們就可以創(chuàng)建標簽（一個與原圖像大小相同，數(shù)據(jù)類型為 in32 的數(shù)組），并標記其中的區(qū)域了。對我們已經(jīng)確定分類的區(qū)域（無論是前景還是背景）使用不同的正整數(shù)標記，對我們不確定的區(qū)域使用 0 標記。我們可以使用函數(shù) cv2.connectedComponents()來做這件事。它會把將背景標記為 0，其他的對象使用從 1 開始的正整數(shù)標記。
??但是，我們知道如果背景標記為 0，那分水嶺算法就會把它當成未知區(qū)域了。所以我們想使用不同的整數(shù)標記它們。而對不確定的區(qū)域（函數(shù)cv2.connectedComponents 輸出的結(jié)果中使用 unknown 定義未知區(qū)域）標記為 0。

ret,markers1 = cv2.connectedComponents(sure_fg)
markers = markers1 + 1
markers[unknown == 255] = 0

??結(jié)果使用 JET 顏色地圖表示。深藍色區(qū)域為未知區(qū)域?？隙ㄊ怯矌诺膮^(qū)域使用不同的顏色標記。其余區(qū)域就是用淺藍色標記的背景了?，F(xiàn)在標簽準備好了。
??到最后一步：實施分水嶺算法了。標簽圖像將會被修改，邊界區(qū)域的標記將變?yōu)?-1.

markers3 = cv2.watershed(img, markers)
img[markers3 == -1] = [255,0,0]

??結(jié)果如下,有些硬幣的邊界被分割的很好，也有一些硬幣之間的邊界分割的不好。

關(guān)于“Opencv如何實現(xiàn)用于圖像分割分水嶺算法”這篇文章就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，使各位可以學(xué)到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)建站www.muchs.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機、免備案服務(wù)器”等云主機租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。

當前題目：Opencv如何實現(xiàn)用于圖像分割分水嶺算法-創(chuàng)新互聯(lián)
鏈接地址：http://www.muchs.cn/article20/ceoojo.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站導(dǎo)航、網(wǎng)站制作、自適應(yīng)網(wǎng)站、營銷型網(wǎng)站建設(shè)、網(wǎng)頁設(shè)計公司、網(wǎng)站內(nèi)鏈

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)