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进行获取，然后用pixel Annotation进行标注即可。

Key Words：分水岭算法、OpenCV、图像分割

Beijing, 2020

作者：RaySue

Code：

Agile Pioneer

文章目录

分水岭算法原理
OpenCV函数
使用流程
- 使用分水岭算法的通用步
- 分割鸡蛋为例
参考

分水岭算法原理

算法步骤：

构建图像梯度图像（构造边缘）。
通过一定规则生成 n 个最初的注水区域（先验知识或局部梯度最小值，种子）。
往注水区域内加水，当两注水区域即将合并时，记录下此时的边界。
当图像边缘彻底被分割成 n 个独立区域是算法结束。

OpenCV函数

void watershed( InputArray image, InputOutputArray markers );

cv2.watershed(image, markers)

使用流程

使用分水岭算法的通用步

自动生成种子
- 输入图像 -> 灰度 -> 二值化(二值化之后注意一下前景是 255 还是 0) -> 距离变换 -> 寻找种子 -> 生成Marker -> 分水岭变换 -> 输出图像
手动指定已经确定的前景（2）和背景（1）作为种子

分割鸡蛋为例

代码


import cv2
import numpy as np
import matplotlib.pyplot as pltdef watershed(image_path):image_name = image_path.split("/")[-1]image = cv2.imread(image_path)# image = multiScaleSharpen(image, 5)# 前提：降噪# blurred = cv2.pyrMeanShiftFiltering(image, 25, 100)gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 第一步：灰度处理# 第二步：二值化处理 + 反色处理 255 -> 0 | 0 -> 255# ret, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)ret, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_OTSU)# 对二值化的结果执行开运算# noise removalkernel = np.ones((3, 3), np.uint8)opening = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel, iterations=2)# sure background areasure_bg = cv2.dilate(opening, kernel, iterations=3)# Finding sure foreground areadist_transform = cv2.distanceTransform(opening, cv2.DIST_L2, 5)# 通过距离变换的结果取二值化，得到前景ret, sure_fg = cv2.threshold(dist_transform, 0.5 * dist_transform.max(),255, 0)# Finding unknown regionsure_fg = np.uint8(sure_fg)unknown = cv2.subtract(sure_bg, sure_fg)# Marker labellingret, markers = cv2.connectedComponents(sure_fg)# Add one to all labels so that sure background is not 0, but 1markers = markers + 1# Now, mark the region of unknown with zeromarkers[unknown == 255] = 0sure_bg[unknown == 255] = 0sure_bg[sure_bg == 255] = 2sure_bg = sure_bg.astype(np.int32)# plt.figure(1)# plt.title("sure_bg")# plt.imshow(sure_bg)# 分水岭只是对0的位置进行分割 1-背景 0-待分割 2-前景result = cv2.watershed(image, markers=markers)# 分水岭结果标记轮廓为红色image[result == -1] = [255, 0, 0]# cv2.imwrite("./watershed_res.jpg", result)plt.figure(0)plt.subplot(231)plt.title("binary")plt.imshow(binary)plt.subplot(232)plt.title("seed new")plt.imshow(sure_bg)plt.subplot(233)plt.title("distance")plt.imshow(dist_transform * 50)plt.subplot(234)plt.title("seed ori")plt.imshow(markers)plt.subplot(235)plt.title("result markers")plt.imshow(result)plt.subplot(236)plt.title("watershed")plt.imshow(image)# plt.savefig(os.path.join(output_dir, "watershed_" + image_name))plt.show()watershed("/Users/i/Desktop/Screenshot 2020-10-23_17-48-13-153.jpg")

参考

https://blog.csdn.net/HXG2006/article/details/80019736

https://blog.csdn.net/weixin_40647819/article/details/90231477

使用OpenCV的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, ...
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 ...
【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 ...
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 分水岭算法 watershed的图像分割
分水岭算法参考博客: (1)迈克老狼2012 https://www.cnblogs.com/mikewolf2002/p/3304118.html (2)-牧野- h ...

使用OpenCV的分水岭算法

文章目录

分水岭算法原理

OpenCV函数

使用流程

使用分水岭算法的通用步

分割鸡蛋为例

参考

使用OpenCV的分水岭算法相关推荐

最新文章

热门文章