8.3 Python图像处理之图像典型分割-分水岭分割

文章目录

8.3 Python图像处理之图像典型分割-分水岭分割
- 1 算法原理
- 2 代码
- 3 效果

1 算法原理

分水岭概念是以对图像进行三维可视化处理为基础的：其中两个是坐标，另一个是灰度级。基于“地形学”的这种解释，我们考虑三类点：

a.属于局部性最小值的点，也可能存在一个最小值面，该平面内的都是最小值点；

b.当一滴水放在某点的位置上的时候，水一定会下落到一个单一的最小值点； c.当水处在某个点的位置上时，水会等概率地流向不止一个这样的最小值点。

对一个特定的区域最小值，满足条件(b)的点的集合称为这个最小值的“汇水盆地”或“分水岭”。满足条件©的点的集合组成地形表面的峰线，称做“分割线”或

“分水线”。

分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，目前较著名且使用较多的有 2 种算法：自下而上的模拟泛洪的算法；自上而下的模拟降水的算法。

2 代码

运行代码说明

1.要改变代码中的图片地址（地址不能有中文）

更改put(path)函数中的路径put(r'../image/image1.jpg')

2.注意最后的plt.savefig('1.new.jpg')是保存plt图像，如果不使用可以注释掉

代码依赖包：
matplotlib  3.4.2
numpy  1.20.3
opencv-python  4.1.2.30
imageio  2.9.0
pillow  8.2.0
PyWavelets  1.1.1
scikit-image  0.18.1
# pip安装
pip install matplotlib numpy opencv-python imageio pillow PyWavelets scikit-image

import numpy as np
import cv2
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = Falsedef put(path):src = cv2.imread(path)img = src.copy()gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)  # Otsu's 二值化# 消除噪声kernel = np.ones((3, 3), np.uint8)opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=2)# 膨胀sure_bg = cv2.dilate(opening, kernel, iterations=3)# 距离变换dist_transform = cv2.distanceTransform(opening, 1, 5)ret, sure_fg = cv2.threshold(dist_transform, 0.7 * dist_transform.max(), 255, 0)# 获得未知区域获得边界区域sure_fg = np.uint8(sure_fg)unknown = cv2.subtract(sure_bg, sure_fg)# 标记ret, markers1 = cv2.connectedComponents(sure_fg)# 确保背景是1不是0markers = markers1 + 1# 未知区域标记为0markers[unknown == 255] = 0markers3 = cv2.watershed(img, markers)img[markers3 == -1] = [0, 0, 255]plt.subplot(241), plt.imshow(cv2.cvtColor(src, cv2.COLOR_BGR2RGB)),plt.title('原图'), plt.axis('off')plt.subplot(242), plt.imshow(thresh, cmap='gray'),plt.title('Otsu二值化'), plt.axis('off')plt.subplot(243), plt.imshow(sure_bg, cmap='gray'),plt.title('膨胀'), plt.axis('off')plt.subplot(244), plt.imshow(dist_transform, cmap='gray'),plt.title('距离变换'), plt.axis('off')plt.subplot(245), plt.imshow(sure_fg, cmap='gray'),plt.title('距离变换二值化'), plt.axis('off')plt.subplot(246), plt.imshow(unknown, cmap='gray'),plt.title('边界区域'), plt.axis('off')plt.subplot(247), plt.imshow(np.abs(markers), cmap='jet'),plt.title('标记区域'), plt.axis('off')plt.subplot(248), plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)),plt.title('分割图像'), plt.axis('off')# plt.savefig('3.new-img.jpg')plt.show()# 图像处理函数，要传入路径
put(r'../image/img5.jpg')

3 效果

8.3 Python图像处理之图像典型分割-分水岭分割相关推荐

8.1 Python图像处理之图像典型分割-SUSAN边缘检测
8.1 Python图像处理之图像典型分割-SUSAN边缘检测文章目录 8.1 Python图像处理之图像典型分割-SUSAN边缘检测 1 算法原理 2 代码 3 效果 1 算法原理 SUSAN 的 ...
8.2 Python图像处理之图像典型分割-主动轮廓
8.2 Python图像处理之图像典型分割-主动轮廓文章目录 8.2 Python图像处理之图像典型分割-主动轮廓 1 算法原理 2 代码 3 效果 1 算法原理主动轮廓模型,将图像分割问题转换为 ...
9.2.1 Python图像处理之图像数学形态学-二值形态学应用之噪声消除
9.2.1 Python图像处理之图像数学形态学-二值形态学应用之噪声消除文章目录 9.2.1 Python图像处理之图像数学形态学-二值形态学应用之噪声消除 1 算法原理 2 代码 3 效果 1 ...
4.3 Python图像处理之图像恢复-无约束滤波器（逆滤波）、有约束滤波器（维纳滤波器）
4.3 Python图像处理之图像恢复-无约束滤波器(逆滤波).有约束滤波器(维纳滤波器) 文章目录 4.3 Python图像处理之图像恢复-无约束滤波器(逆滤波).有约束滤波器(维纳滤波器) 1 算 ...
9.4 Python图像处理之图像数学形态学-基于灰度形态学的应用(形态梯度、形态平滑、高帽变换、低帽变换)
9.4 Python图像处理之图像数学形态学-基于灰度形态学的应用(形态梯度.形态平滑.高帽变换.低帽变换) 文章目录 9.4 Python图像处理之图像数学形态学-基于灰度形态学的应用(形态梯度.形 ...
9.3 Python图像处理之图像数学形态学-灰度形态学
9.3 Python图像处理之图像数学形态学-灰度形态学文章目录 9.3 Python图像处理之图像数学形态学-灰度形态学 1 算法原理 2 代码 3 效果 1 算法原理灰度图像与二值图像的区别在 ...
9.2.3 Python图像处理之图像数学形态学-二值形态学应用-区域填充
9.2.3 Python图像处理之图像数学形态学-二值形态学应用-区域填充文章目录 9.2.3 Python图像处理之图像数学形态学-二值形态学应用-区域填充 1 算法原理 2 代码 3 效果 1 ...
9.2.2 Python图像处理之图像数学形态学-二值形态学应用-目标检测
9.2.2 Python图像处理之图像数学形态学-二值形态学应用-目标检测(击中与击不中) 文章目录 9.2.2 Python图像处理之图像数学形态学-二值形态学应用-目标检测(击中与击不中) 1 算 ...
9.1 Python图像处理之图像数学形态学-二值形态学（腐蚀、膨胀、开启、闭合）
9.1 Python图像处理之图像数学形态学-二值形态学(腐蚀.膨胀.开启.闭合) 文章目录 9.1 Python图像处理之图像数学形态学-二值形态学(腐蚀.膨胀.开启.闭合) 1 算法原理 1.1 ...

8.3 Python图像处理之图像典型分割-分水岭分割

8.3 Python图像处理之图像典型分割-分水岭分割

文章目录

1 算法原理

2 代码

3 效果

8.3 Python图像处理之图像典型分割-分水岭分割相关推荐

最新文章

热门文章