openCV中watershed的使用

官网的语句说明
https://docs.opencv.org/3.4/d7/d1b/group__imgproc__misc.html#ga3267243e4d3f95165d55a618c65ac6e1

官网的例子
https://docs.opencv.org/3.4/d4/d40/samples_2cpp_2watershed_8cpp-example.html#a36

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

其中，inputArray是8bit单通道或者三通道原图。markers是32bit的初始标记图和输出图

作为输入markers图，存储了每个像素的初始label。给每个确定了分类的像素点，标记上1,2,3,4，……。对于不确定的像素，标记0。watershed会把每个标记为0的像素，计算出一个标记值。

作为输出markers图，每个点都标记了所属分类区域，-1的点是边界。

在官方例子samples/cpp/watershed.cpp中，让用户在界面上用鼠标点出了初始分类定义。由 onMouse记录。直到用户输入if( c == ‘w’ || c == ’ ’ )开始进行分水岭算法。我没有用这部分，所有初始类标记由代码完成，没有用户交互。

步骤一：
我自己的实用中，分水岭算法之前做了prepareWatershed();函数，为分水岭做预处理。标记了黑色背景为3，物体2，分割目标物体1，待分割0。
Mat labelImage(m_srcBGRImg.size(), CV_32S);
Mat labelDisp(m_srcBGRImg.size(), CV_8UC1);
int nrow = m_blackBinary.rows;
int ncol = m_blackBinary.cols*m_blackBinary.channels();
for (int i = 0; i < nrow; i++)
{
for (int j = 0; j < ncol; j++)
{
if m_blackBinary.at(i, j)==0
{
labelDisp.at(i, j)=255;
labelImage.at(i, j)=3;
}/等等每个点标好0123
}
}
//imshow(“label”,labelDisp);
m_preLable = labelImage.clone();

步骤二：

watershed( srcImage, m_preLable );

步骤三：

提取分水岭的结果，一个是三通道的原图加上分类的半透明颜色标记，一个是单通道的二值化分割结果

Mat wshed(m_preLable.size(), CV_8UC3);
m_ResultImg =Mat::zeros(m_HueBinary.rows, m_HueBinary.cols, CV_8UC1);vector<Vec3b> colorTab;
for(int  i = 0; i < 3; i++ )
{int b = theRNG().uniform(0, 255);int g = theRNG().uniform(0, 255);int r = theRNG().uniform(0, 255);colorTab.push_back(Vec3b((uchar)b, (uchar)g, (uchar)r));
}//给每个类生成随机颜色

for(int i = 0; i < m_preLable.rows; i++ )
{
for( int j = 0; j < m_preLable.cols; j++ )
{
int index = m_preLable.at(i,j);
if ///index是某一类
{
wshed.at(i,j) = Vec3b(255,255,255);
m_ResultImg.at(i, j)=255;
}
}
}

wshed = wshed0.5 + m_srcBGRImg0.5;//给原图加上半透明色
drawContoursFormBinaImg(&m_srcBGRImg,&m_ResultImg);

openCV中watershed的使用相关推荐

OpenCV库中watershed函数（分水岭算法）的详细使用例程
# 声明:如果有写的不对的地方欢迎指正! 一.分水岭算法关于分水岭算法的具体原理我就不说了,网上搜一下很多.OpenCV中的watershed函数实现的分水岭算法是基于"标记"的 ...
第四章：OpenCV中的图像处理
第四章:OpenCV中的图像处理本章节你将学习图像的改变色彩空间.提取对象.图像的几何变换.图像的阈值.平滑图像等OpenCV图像处理的基本内容. 更多内容请关注我的GitHub库:TonyStar ...
OpenCV学习笔记(12)——OpenCV中的轮廓
什么是轮廓找轮廓.绘制轮廓等 1.什么是轮廓轮廓可看做将连续的点(连着边界)连在一起的曲线,具有相同的颜色和灰度.轮廓在形态分析和物体的检测和识别中很有用. 为了更加准确,要使用二值化图像.在寻找 ...
OpenCV中的光流及视频特征点追踪
OpenCV中的光流及视频特征点追踪 1. 效果图 2. 原理 2.1 什么是光流?光流追踪的前提.原理 2.2 光流的应用 2.3 光流的2种方法 3. 源码 3.2 稀疏光流追踪 3.2 优化版稀 ...
Python，OpenCV中的图像修复——cv2.inpaint()
Python,OpenCV中的图像修复--cv2.inpaint 1. 效果图 2. 原理 3. 源码参考 image inpainting 图像修改这篇博客将介绍如何通过OpenCV中图像修复的 ...
Python，OpenCV中的K均值聚类——K-Means Cluster
Python,OpenCV中的K均值聚类 1. 效果图 2. 原理 2.1 什么是K均值聚类? 2.2 K均值聚类过程 2.3 cv2.kmeans(z, 2, None, criteria, 10, ...
OpenCV中的SURF（Speeded-Up Robust Features 加速鲁棒特征）
OpenCV中的SURF(加速健壮功能) 1. 效果图 2. 原理 2.1 为什么SURF比SIFT快? 2.3 怎样获取SIFT与SURF? 3. 源码参考上一篇博客介绍了用于关键点检测和描述的 ...
Python，OpenCV中的霍夫圆变换——cv2.HoughCircles()
Python,OpenCV中的霍夫圆变换 1. 效果图 2. 源码参考这篇博客将学习如何使用霍夫圆变换在图像中找到圆圈,OpenCV使用cv2.HoughCircles()实现霍夫圆变换. cir ...
OpenCV中的霍夫线变换、概率霍夫线变换
OpenCV中的霍夫线变换.概率霍夫线变换 1. 效果图 2. 原理 2.1 什么是霍夫变换? 2.2 什么是概率霍夫变换? 3. 源码 3.1 霍夫变换 3.2 概率霍夫变换参考这篇博客将介绍P ...

openCV中watershed的使用

openCV中watershed的使用相关推荐

最新文章

热门文章