OpenCV+python：分水岭算法

1，概念简介
现实中我们可以或者说可以想象有山有湖的景象，那么那一定是水绕山，山围水的情形。当然在需要的时候，要人工构筑分水岭，以防集水盆之间的互相穿透。而区分高山（plateaus）与水的界线，以及湖与湖之间的间隔或都是连通的关系，就是我们可爱的分水岭（watershed）

分水岭算法是在分割的过程中，它会把跟临近像素间的相似性作为重要的参考依据，从而将在空间位置上相近并且灰度值相近（求梯度）的像素点互相连接起来构成一个封闭的轮廓。

分水岭算法常用的操作步骤：彩色图像灰度化，然后再求梯度图，最后在梯度图的基础上进行分水岭算法，求得分段图像的边缘线。

如果图像中的目标物体是连接在一起的，则分割起来会更困难，分水岭分割算法经常用于处理这类问题，通常会取得比较好的效果。分水岭分割算法把图像看成一幅“地形图”，其中亮度比较强的区域像素值较大，而比较暗的区域像素值较小，通过寻找“汇水盆地”和“分水岭界限”，对图像进行分割。
2,源代码

import cv2 as cv
import numpy as npdef watershed_demo():# print(src.shape)blurred = cv.pyrMeanShiftFiltering(src, 10, 100) #边缘保留滤波去噪# gray\binary imagegray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY) #转化为灰度图ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU) #二值化cv.imshow("binary-image", binary)# morphology operation形态学操作kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3)) #构造结构mb = cv.morphologyEx(binary, cv.MORPH_OPEN, kernel, iterations=2) #连续两次开操作（去除图像中的任何小的白噪声）；闭运算（为了去除物体上的小洞）sure_bg = cv.dilate(mb, kernel, iterations=3)  #连续三次膨胀操作cv.imshow("mor-opt", sure_bg)# distance transformdist = cv.distanceTransform(mb, cv.DIST_L2, 3)#距离变化（提取出我们确信它们是硬币的区域）dist_output = cv.normalize(dist, 0, 1.0, cv.NORM_MINMAX)#归一化dist_output1 = np.uint8(dist_output)ret, surface = cv.threshold(dist, dist.max()*0.6, 255, cv.THRESH_BINARY)surface_fg = np.uint8(surface)#将float类型转化为uintcv.imshow("surface-bin", surface_fg)unknown = cv.subtract(sure_bg, surface_fg)#除种子以外的区域（剩下的区域是我们不知道的区域，无论是硬币还是背景.分水岭算法应该找到它）ret, markers = cv.connectedComponents(surface_fg) #求连通区域（创建标记：它是一个与原始图像相同大小的数组，但使用int32数据类型，并对其内部的区域进行标记.）# watershed transform 分水岭变换markers = markers + 1 # Add one to all labels so that sure background is not 0, but 1markers[unknown==255] = 0 #  mark the region of unknown with zeromarkers = cv.watershed(src, markers=markers)src[markers==-1] = [0, 0, 255]#标记cv.imshow("result", src)src = cv.imread("F:/images/coins.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
watershed_demo()
cv.waitKey(0)cv.destroyAllWindows()

OpenCV+python：分水岭算法相关推荐

pythonopencv算法_python opencv之分水岭算法示例
本文介绍了python opencv之分水岭算法示例,分享给大家,具体如下: 目标使用分水岭算法对基于标记的图像进行分割使用函数cv2.watershed() 原理: 灰度图像可以被看成拓扑平面, ...
opencv实现分水岭算法
opencv实现分水岭算法 // 分水岭算法原理 // IplImage* marker_mask = 0; IplImage* markers = 0; //IplImage* img0 = 0, ...
使用OpenCV的分水岭算法
<使用OpenCV的分水岭算法> 之前利用watershed想对相对前背景较为明显的图像进行图像语义分割的预打标,因为虽然前景明显,但是边缘打标也是很困难的,可以用该方法对大部分的边缘 ...
OpenCV python GrabCut算法提取前景背景图片
OpenCV python GrabCut算法提取前景背景图片处理图片:[lena_color.jpg] 手动mask[mask.jpg] import numpy as np import cv2 ...
【python】【openCV】分水岭算法
脑血管医学图像颅内分割尝试--分水岭算法 code 1.2 不分割颅内直接分割 code 2.0 实验版 code 3.0 批量处理版 code 3.1 加入孔洞填充总结本篇博客原目的同https ...
python opencv 利用分水岭算法实现对物体的分割图文详细注释版以分割官网提供的硬币为例
分水岭算法可以实现自动分割多个物体,opencv中 cv.watershed() 函数实现了分水岭算法话不多说,上代码 # 利用分水岭算法分离多个相同硬币 import numpy as np im ...
【OpenCV】- 分水岭算法
文章目录什么是图像分割分水岭算法 1.实现分水岭算法:watershed()函数 2.处理流程(视频) 3.示例程序(书中) 什么是图像分割将图像中像素根据一定的规则分为若干个cluster集合 ...
opencv之分水岭算法分割及图像修补
1)分水岭算法原理: 任何一幅灰度图像都可以被看成是拓扑平面,灰度值高的区域可以被看成是山峰,灰度值低的区域可以被看成是山谷,我们向每一个山谷中灌不同颜色的水,随着水位的升高,不同山谷的水就会相遇汇 ...
OpenCV之分水岭算法
分水岭算法在许多实际的应用中,我们需要分割图像,但是无法从背景图像中获得有用信息.但是分水岭算法在这方面往往非常有效,它可以将图像中的边缘转化为"山脉",将均匀区域转化为&quo ...
opencv 图像分割-分水岭算法
任何灰度图都恶意被看作是一个地形面,高强度表示山峰和山丘,低强度则表示山谷.开始使用不同的水来填充每个孤立的山谷(局部最小值).随着水的上升,来自不同山谷的水,开始融合.为了避免这种情况,在水合并的地 ...

OpenCV+python：分水岭算法

OpenCV+python：分水岭算法相关推荐

最新文章

热门文章