分水岭算法--语义分割

分水岭算法–语义分割

一、分水岭算法：把图像中的低密度的区域（变化小）看成山谷，高密度的区域（变化大）看成山峰。开始向山谷中注入水知道不同的山谷中的水开始汇聚。为了阻止不同山谷中的水汇聚，可以设置一些栅栏，最后得到的栅栏就是语义分割。

二、前提准备：罗勒叶子

三、代码分析：
1.导入相关库，并加载罗勒叶子的图像

import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread('luole.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

2.灰度转换，设置阈值，分为黑色部分和白色部分

ret,thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

3.使用morphlogyEx()变换来去除噪声数据，即对图像进行膨胀之后再进行腐蚀，从而进行特征提取

kernel = np.ones((3,3),np.uint8)
opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel,iterations=2)

4.膨胀操作，可以得到都是背景的区域

sure_bg = cv2.dilate(opening,kernel,iterations=3)

5.通过distanceTransform来获取确定的前景区域

dist_transfrom = cv2.distanceTransform(opening,cv2.DIST_L2,5)
ret, sure_fg = cv2.threshold(dist_transfrom,0.7*dist_transfrom.max(),255,0)

6.处理重合部分，从sure_fg与sure_fg的集合相减得到

sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg,sure_fg)

7.设置栅栏

ret,markers = cv2.connectedComponents(sure_fg)

8.在背景区域上加1，这会将unknown区域设为0

markers = markers + 1
markers[unknown==255] = 0

9.打开门，让水漫起来并把栅栏绘成红色

markers = cv2.watershed(img,markers)
img[markers == -1] = [255,0,0]
plt.imshow(img)
plt.show()

四、效果展示
五、完整代码

import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread('luole.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)ret,thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)kernel = np.ones((3,3),np.uint8)
opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel,iterations=2)
sure_bg = cv2.dilate(opening,kernel,iterations=3)dist_transfrom = cv2.distanceTransform(opening,cv2.DIST_L2,5)
ret, sure_fg = cv2.threshold(dist_transfrom,0.7*dist_transfrom.max(),255,0)sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg,sure_fg)ret,markers = cv2.connectedComponents(sure_fg)markers = markers + 1
markers[unknown==255] = 0markers = cv2.watershed(img,markers)
img[markers == -1] = [255,0,0]
plt.imshow(img)
plt.show()

六、总结
使用分水岭算法可以对图像进行图像分割，本人做出的效果不是很明显，根据需要对叶子进行选择，也许效果更优

分水岭算法--语义分割相关推荐

计算机视觉算法——语义分割网络总结
计算机视觉算法--语义分割网络总结计算机视觉算法--语义分割网络总结 1. FCN 1.1 关键知识点--网络结构及特点 1.2 关键知识点--转置卷积 1.3 关键知识点--语义分割评价指标 2. ...
OpenCV3学习（7.2）——图像分割之二（分水岭算法watershed）
分水岭算法原理分水岭算法是一种图像区域分割法,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的像素点互相连接起来构成一个封闭的轮廓,封闭性是分水岭 ...
【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 ...
分水岭算法 c语言实现,分水岭算法的应用
上海交通大学医学图像处理数学形态学一个应用是分水岭算法,为了便于理解,可以将图像的灰度空间与地球表面的地形高度相类比,据此,发明了应用于图像领域的分水岭算法. 测地线距离假设,如下图所示的一个岛 ...
【学习OpenCV4】分水岭算法详解
本文分享内容来自图书<学习OpenCV 4:基于Python的算法实战>,该书内容如下: 第1章 OpenCV快速入门: 第2章图像读写模块imgcodecs: 第3章核心库模块cor ...
分水岭算法和距离变换函数
分水岭算法和距离变换函数分水岭算法原理算法流程距离变换函数区域标记结果分割示例代码分水岭分割距离函数分水岭算法原理在地理学中,分水岭是一个山脊,该山脊通过不同的水系来区分排水区域 ...
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 ...
图像分割 - 分水岭算法
目录 1. 介绍 2. 分水岭算法的实现距离变换连接连通分量 3. 代码 1. 介绍图像是由x,y表示的,如果将灰度值也考虑进去的话,那么一幅图像需要一个三维的空间去表示. 这样就可以把x,y ...
FCN与U-Net语义分割算法
FCN与U-Net语义分割算法图像语义分割(Semantic Segmentation)是图像处理和是机器视觉技术中关于图像理解的重要一环,也是 AI 领域中一个重要的分支.语义分割即是对图像中每一 ...

分水岭算法--语义分割

分水岭算法–语义分割

分水岭算法--语义分割相关推荐

最新文章

热门文章