基于OpenCV 的图像分割

1、图像阈值化
源代码：

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
using namespace std;
using namespace cv;
int thresholds=50;
int model=2;
Mat image,srcimage;
void track(int ,void *)
{Mat result;threshold(srcimage,result,thresholds,255,CV_THRESH_BINARY);//imshow("原图",result);if(model==0){threshold(srcimage,result,thresholds,255,CV_THRESH_BINARY);imshow("分割",result);}if(model==1){threshold(srcimage,result,thresholds,255,THRESH_BINARY_INV);imshow("分割",result);   }if(model==2){threshold(srcimage,result,thresholds,255,THRESH_TRUNC);imshow("分割",result);}if(model==3){threshold(srcimage,result,thresholds,255,THRESH_TOZERO);imshow("分割",result);}if(model==4){threshold(srcimage,result,thresholds,255,THRESH_TOZERO_INV);imshow("分割",result);}
}
int main()
{image=imread("2.2.tif");if(!image.data){return 0;}cvtColor(image,srcimage,CV_BGR2GRAY);namedWindow("分割",WINDOW_AUTOSIZE);cv::createTrackbar("阈a值：","分割",&thresholds,255,track);cv::createTrackbar("模式：","分割",&model,4,track);track(thresholds,0);track(model,0);waitKey(0);return 0;
}

实现结果：

2、阈值处理

    //阈值处理#include "opencv2/core/core.hpp"#include "opencv2/highgui/highgui.hpp"#include "opencv2/imgproc/imgproc.hpp"using namespace cv;using namespace std;int main(){printf("键盘按键ESC--退出程序");Mat g_srcImage = imread("1.tif",0);if(!g_srcImage.data){printf("读取图片失败");}imshow("原始图",g_srcImage);//大津法阈值分割显示/*大津法,简称OTSU.它是按图像的灰度特性,将图像分成背景和目标2部分。背景和目标之间的类间方差越大,说明构成图像的2部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致2部分差别变小。*/Mat OtsuImage;threshold(g_srcImage,OtsuImage,0,255,THRESH_OTSU);//0不起作用，可为任意阈值imshow("OtsuImage",OtsuImage);//自适应分割并显示Mat AdaptImage;//THRESH_BINARY_INV：参数二值化取反adaptiveThreshold(g_srcImage,AdaptImage,255,0,THRESH_BINARY_INV,7,8);imshow("AdaptImage",AdaptImage);while(1){int key;key = waitKey(20);if((char)key == 27){ break; }}}

3、拉普拉斯检测

//Laplacian检测
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
using namespace cv;
using namespace std;/*，在只关心边缘的位置而不考虑其周围的象素灰度差值时比较合适。
Laplace 算子对孤立象素的响应要比对边缘或线的响应要更强烈，因此
只适用于无噪声图象。存在噪声情况下，使用 Laplacian 算子检测边
缘之前需要先进行低通滤波。*/
int main()
{Mat src,src_gray,dst,abs_dst;src = imread("1.jpg");imshow("原始图像",src);//高斯滤波GaussianBlur(src,src,Size(3,3),0,0,BORDER_DEFAULT);//转化为灰度图，输入只能为单通道cvtColor(src,src_gray,CV_BGR2GRAY);Laplacian(src_gray,dst,CV_16S,3,1,0,BORDER_DEFAULT);convertScaleAbs(dst,abs_dst);imshow("效果图Laplace变换",abs_dst);waitKey();return 0;}

效果图：

4、canny算法的边缘检测
源代码

#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
using namespace cv;
using namespace std;
/*如果某一像素位置的幅值超过高阈值，该像素被保留为边缘像素。如果某
一像素位置的幅值小于低阈值，该像素被排除。如果某一像素位置的幅值在
两个阈值之间，该像素仅仅在连接到一个高于高阈值的像素时被保留。 */
int main()
{Mat picture2=imread("1.jpg");Mat new_picture2;Mat picture2_1=picture2.clone();Mat gray_picture2 , edge , new_edge;imshow("【原始图】Canny边缘检测" , picture2);Canny(picture2_1 , new_picture2 ,150 , 100 ,3  );imshow("【效果图】Canny边缘检测", new_picture2 );Mat dstImage,grayImage;//dstImage与srcImage同大小类型dstImage.create(picture2_1.size() , picture2_1.type());cvtColor(picture2_1,gray_picture2,CV_BGR2GRAY);//转化为灰度图blur(gray_picture2 , edge , Size(3,3));//用3x3的内核降噪Canny(edge,edge,3,9,3);dstImage = Scalar::all(0);//将dst内所有元素设置为0//使用canny算子的边缘图edge作为掩码，将原图拷贝到dst中picture2_1.copyTo(dstImage,edge);imshow("效果图Canny边缘检测2",dstImage);waitKey();
}

5、图像的分水岭算法
源代码：

#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include  <iostream>using namespace cv;
using namespace std;#define WINDOW_NAME1 "显示/操作窗口"
#define WINDOW_NAME2 "分水岭算法效果图"Mat g_maskImage,g_srcImage;
Point prevPt(-1,-1);static void ShowHelpText();
static void on_Mouse(int event,int x,int y,int flags,void*);//输出一些帮助信息
static void ShowHelpText()
{printf("当前使用的版本为:"CV_VERSION);printf("\n");printf("分水岭算法---点中图片进行鼠标或按键操作\n");printf("请先用鼠标在图片窗口中标记出大致的区域，\n然后再按键【1】或者【space】启动算法");printf("\n按键操作说明：\n""键盘按键【1】或者【space】--运行的分水岭分割算法\n""键盘按键【2】--回复原始图片\n""键盘按键【ESC】--退出程序\n");
}static void on_Mouse(int event,int x,int y,int flags,void*)
{if(x<0||x>=g_srcImage.cols||y<0||y>=g_srcImage.rows)return;if(event == CV_EVENT_LBUTTONUP||!(flags & CV_EVENT_FLAG_LBUTTON))prevPt = Point(-1,-1);else if(event == CV_EVENT_LBUTTONDOWN)prevPt= Point(x,y);else if(event == CV_EVENT_MOUSEMOVE && (flags & CV_EVENT_FLAG_LBUTTON)){Point pt(x,y);if(prevPt.x<0)prevPt = pt;line(g_maskImage,prevPt,pt,Scalar::all(255),5,8,0);line(g_srcImage,prevPt,pt,Scalar::all(255),5,8,0);prevPt = pt;imshow(WINDOW_NAME1,g_srcImage);}
}int main(int argc,char**  argv)
{system("color A5");ShowHelpText();g_srcImage = imread("1.jpg",1);imshow(WINDOW_NAME1,g_srcImage);Mat srcImage,grayImage;g_srcImage.copyTo(srcImage);cvtColor(g_srcImage,g_maskImage,CV_BGR2GRAY);cvtColor(g_maskImage,grayImage,CV_GRAY2BGR);//灰度图转BGR3通道，但每通道的值都是原先单通道的值，所以也是显示灰色的g_maskImage = Scalar::all(0);//黑setMouseCallback(WINDOW_NAME1,on_Mouse,0);while(1){int c = waitKey(0);if((char)c == 27)break;if((char)c == '2'){g_maskImage = Scalar::all(0);//黑srcImage.copyTo(g_srcImage);imshow("image",g_srcImage);}if((char)c == '1'||(char)c == ' '){int i,j,compCount = 0;vector<vector<Point>> contours;//定义轮廓vector<Vec4i> hierarchy;//定义轮廓的层次findContours(g_maskImage,contours,hierarchy,RETR_CCOMP,CHAIN_APPROX_SIMPLE);if(contours.empty())continue;Mat maskImage(g_maskImage.size(),CV_32S);maskImage = Scalar::all(0);for(int index = 0;index >= 0;index = hierarchy[index][0],compCount++)drawContours(maskImage,contours,index,Scalar::all(compCount+1),-1,8,hierarchy,INT_MAX);if(compCount == 0)continue;vector<Vec3b> colorTab;for(i=0;i<compCount;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));}//计算处理时间并输出到窗口中double dTime = (double)getTickCount();watershed(srcImage,maskImage);dTime = (double)getTickCount()-dTime;printf("\t处理时间=%gms\n",dTime*1000./getTickFrequency());//双层循环，将分水岭图像遍历存入watershedImage中Mat watershedImage(maskImage.size(),CV_8UC3);for(i=0;i<maskImage.rows;i++)for(j=0;j<maskImage.cols;j++){int index = maskImage.at<int>(i,j);if(index == -1)watershedImage.at<Vec3b>(i,j) = Vec3b(255,255,255);else if(index<=0||index>compCount)watershedImage.at<Vec3b>(i,j) = Vec3b(0,0,0);elsewatershedImage.at<Vec3b>(i,j) = colorTab[index-1];    }//混合灰度图和分水岭效果图并显示最终的窗口watershedImage = watershedImage*0.5+grayImage*0.5;imshow(WINDOW_NAME2,watershedImage);                             }   }waitKey();return 0;
}

基于OpenCV 的图像分割相关推荐

基于OpenCV的图像分割处理！
↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货作者:姚童,Datawhale优秀学习者,华北电力大学图像阈值化分割是 ...
基于 OpenCV 的图像分割项目实战
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本期我们将一起来实现一个有趣的问题 -图像分割的算法. 本文的示例 ...
python计算机视觉-- 基于OpenCV的图像分割和图像融合系统
目录前言一.需求分析二.概要设计 2.1 基本原理 2.2 界面设计三.详细设计 3.1 系统流程图 3.2 数据集 3.3 代码实现 3.3.1 利用deeplabV3模型分割 3.3.2 ...
语义分割：基于openCV和深度学习（二）
语义分割:基于openCV和深度学习(二) Semantic segmentation in images with OpenCV 开始吧-打开segment.py归档并插入以下代码: Semanti ...
语义分割：基于openCV和深度学习（一）
语义分割:基于openCV和深度学习(一) Semantic segmentation with OpenCV and deep learning 介绍如何使用OpenCV.深度学习和ENet架构执行 ...
基于Opencv实现眼睛控制鼠标
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达如何用眼睛来控制鼠标?一种基于单一前向视角的机器学习眼睛姿态估计方 ...
基于OpenCV的数字识别系统
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达综述 2012年iOS应用商店中发布了一个名为FuelMate的G ...
基于OpenCV的表格文本内容提取
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达小伙伴们可能会觉得从图像中提取文本是一件很麻烦的事情,尤其是需要提 ...
基于OpenCV 的车牌识别
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达车牌识别是一种图像处理技术,用于识别不同车辆.这项技术被广泛用于各 ...
基于OpenCV的特定区域提取
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达今天我们将一起探究如何使用OpenCV和Python从图像中提取感 ...

基于OpenCV 的图像分割

基于OpenCV 的图像分割相关推荐

最新文章

热门文章