【OpenCV】- 分水岭算法

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，每个集合包含一类对象

如下，将两匹马从图像背景中抠出来

分水岭算法

解释：分水岭算法，是一种基于拓扑理论的数学形态学的分割方法。分割图像时可以从图像中获取有用的信息。

基本思想：把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以可以通过模拟侵入过程来说明：在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢侵入水中，随着侵入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。

分水岭的计算步骤：

• 排序过程
• 淹没过程

说明：首先对每个像素的灰度级进行从低到高的排序，然后在从低到高实现淹没的过程中，对每一个局部极小值在h阶高度的影响采用先进先出（FIFO）结构进行判断及标注。分水岭变换得到的是输入图像的集水盆图像，集水盆之间的边界点，即为分水岭。

同理，分水岭算法首先计算灰度图像的梯度；可以很好的区分图像中的“山谷”或没有纹理的“盆地”（亮度值低的点）的形成是很有效的。然后开始从用户指定点（或算法得到的点）开始持续“灌注”盆地直到这些区域连成一片。

1、实现分水岭算法：watershed()函数

函数watershed实现的分水岭算法是基于标记的分割算法中的一种。在把图像传给函数之前，需要大致勾画标记出图像中的期望进行分割的区域，被标记为正指数。每一个区域都会标记为像素值1，2，3，4等。表示成为一个或多个连接组件。这些标记的值可以使用findContours()函数和drawContours()函数由二进制的掩码检索出来。这些标记就是即将绘制出来的分割区域的“种子”，而没有标记清楚的区域，被置为0。在函数输出中，每一个标记中的像素被设置为“种子”的值，而区域间的值被设置为-1。

void watershed(InputArray image,InputOutputArray markers)

• 第一个参数：输入图像，即源图像。填Mat类的对象即可，且需为8位三通道的彩色图像

• 第二个参数：函数调用后的运算结构存在这里，输入/输出32单通道图像的标记结果。即这个参数用于存放函数调用后的输出结果，需要和源图片有一样的尺寸和类型

2、处理流程（视频）

• 将白色背景变成黑色 - 为后面的变换做准备

  src = imread("E://Pec//fenshui.jpg");
  	imshow(WINDOW_NAME, src);
  	//修改背景
  	for(int row=0;row<src.rows;row++)
  		for (int col = 0; col < src.cols; col++)
  		{
        
        
  			if (src.at<Vec3b>(row, col) == Vec3b(255, 255, 255))
  			{
        
        
  				src.at<Vec3b>(row, col)[0] = 0;
  				src.at<Vec3b>(row, col)[1] = 0;
  				src.at<Vec3b>(row, col)[2] = 0;
  			}
  		}
  	//namedWindow("black backgroud", CV_WINDOW_AUTOSIZE);
  	//imshow("black backgroud", src);
  

• 使用filter2D与拉普拉斯算子实现图像对比度提高

  //锐化,清晰边缘
  	Mat kernel = (Mat_<float>(3, 3) << 1, 1, 1, 1, -8, 1, 1, 1, 1);
  	Mat imgLaplance;
  	Mat sharpImage = src;
  	filter2D(src, imgLaplance, CV_32F, kernel, Point(-1, -1), 0, BORDER_DEFAULT);
  	src.convertTo(sharpImage, CV_32F);
  	Mat result = sharpImage - imgLaplance;
  	//数据类型之间的转换
  	result.convertTo(result, CV_8UC3);
  	imgLaplance.convertTo(imgLaplance, CV_8UC3);
  	//imshow("sharpImage", result);
  

• 转换为二值图像

  //二值图像变换
  	Mat binaryImag;
  	//灰度转换
  	cvtColor(src, result, CV_BGR2GRAY);
  	threshold(result, binaryImag, 40, 255, THRESH_BINARY | THRESH_OTSU);
  	//imshow("二值化图像", binaryImag);
  

• 距离变换

  //二值距离变换
  	Mat distImage;
  	distanceTransform(binaryImag, distImage, DIST_L2, 3);
  

• 对距离变换的结果进行归一化到[0~1]之间

  //0-归一化上限，1-归一化下限。归一化标量：映射到[a,b]范围
  	normalize(distImage, distImage, 0, 1, NORM_MINMAX);
  

• 使用阈值，再次二值化，得到标记

  threshold(distImage, distImage, .4, 1, THRESH_BINARY );
  	//imshow("距离变换后-二值化", distImage);
  

• 腐蚀得到每个Peak - erode

  	//二值腐蚀
  	Mat kl = Mat::ones(3, 3, CV_8UC1);
  	erode(distImage, distImage, kl , Point(-1, -1));
  	imshow("腐蚀之后", distImage);
  

• 发现轮廓 - drawContours

  //掩膜
  	Mat dist_8u;
  	distImage.convertTo(dist_8u, CV_8U);
  	vector<vector<Point>>contours;
  	findContours(dist_8u, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point(0, 0));
  
  	Mat markers = Mat::zeros(src.size(), CV_32SC1);
  	//循环绘制轮廓
  	for (size_t i= 0; i<contours.size(); i++)
  		drawContours(markers, contours, static_cast<int>(i), Scalar(static_cast<int>(i)+1),-1);
  	circle(markers, Point(3, 3), 3, Scalar(255, 255, 255), -1);
  	//imshow("markers", markers*1000);
  

• 分水岭变换

  //分水岭变换
  	watershed(src, markers);
  	//双层循环，将分水岭图像遍历存入mark中
  	Mat mark(markers.size(), CV_8UC1);
  	markers.convertTo(mark, CV_8UC1);
  	//取反
  	bitwise_not(mark, mark, Mat());
  	imshow("分水岭变换", mark);
  

• 对每个分割区域着色输出结果

  vector<Vec3b> colors;
  	for (size_t i = 0; i <contours.size(); i++)
  	{
        
        
  		int b = theRNG().uniform(0, 255);
  		int g = theRNG().uniform(0, 255);
  		int r = theRNG().uniform(0, 255);
  		colors.push_back(Vec3b((uchar)b, (uchar)g, (uchar)r));
  	}
  	//双层循环，将分水岭图像遍历存入dst中
  	Mat dst = Mat::zeros(markers.size(), CV_8UC3);
  	for (int row = 0; row < markers.rows; row++)
  		for (int col = 0; col < markers.cols; col++)
  		{
        
        
  			int index = markers.at<int>(row, col);
  			if (index > 0 && index <= static_cast<int>(contours.size()))
  				dst.at<Vec3b>(row, col) = colors[index - 1];
  			else
  				dst.at<Vec3b>(row, col) = Vec3b(0, 0, 0);
  		}
  	//混合灰度图和分水岭效果图并显示最终的窗口
  	//dst = dst * 0.5 + grayImage * 0.5;
  	imshow("最后效果图",dst);
  

效果图：

3、示例程序（书中）

#include<opencv2/opencv.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<iostream>
using namespace std;
using namespace cv;
#define WINDOW_NAME "【程序窗口1】"
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 *);
int main()
{
    
    
	system("color 1F");
	ShowHelpText();
	g_srcImage = imread("E://Pec//shan.jpg");
	imshow(WINDOW_NAME, g_srcImage);
	Mat srcImage, grayImage;
	g_srcImage.copyTo(srcImage);
	//从RBG和BGR颜色空间转换到灰度空间
	cvtColor(g_srcImage, g_maskImage, COLOR_BGR2GRAY);
	//imshow("g_maskImage", g_maskImage);
	//从灰度空间转换到RGB和BGR颜色空间
	cvtColor(g_maskImage, grayImage, COLOR_GRAY2BGR);
	//imshow("grayImage", grayImage);
	g_maskImage = Scalar::all(0);
	//设置鼠标回调函数
	setMouseCallback(WINDOW_NAME, on_Mouse, 0);
	while (1)
	{
    
    
		int c = waitKey(0);
		if ((char)c == 27)
			break;
		//按键2按下时，恢复源图
		if ((char)c == 2)
		{
    
    
			g_maskImage = Scalar::all(0);
			srcImage.copyTo(g_srcImage);
			imshow("image", g_srcImage);
		}
		//若检测到按键为1或者空格，则进行处理
		if ((char)c == '1' || (char)c == ' ')
		{
    
    
			int i, j, compCount = 0;
			vector<vector<Point>>contours;
			vector<Vec4i>hierarchy;
			//寻找轮廓
			findContours(g_maskImage, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);
			//若是轮廓为空
			if (contours.empty())
				continue;
			//复制掩膜
			Mat maskImage(g_maskImage.size(), CV_32S);
			maskImage = Scalar::all(0);
			//循环绘制轮廓
		for (int index = 0; index >= 0; index = hierarchy[index][0], compCount++)
			drawContours(maskImage, contours, index, Scalar::all(compCount + 1), -1, 8, hierarchy, INT_MAX);
			//compCOunt为0时
			if (compCount == 0)
				continue;
			//生成随机颜色
			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
			double dTime = (double)getTickCount();
			watershed(srcImage, maskImage);
			dTime = (double)getTickCount() - dTime;
			printf("\t处理时间 =%gms\n", dTime*100. / 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);
					else
						watershedImage.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("watershed tandsform", watershedImage);
		}
	}
	return 0;
}
static void on_Mouse(int event, int x, int y, int flags, void *)
{
    
    
	//处理鼠标步骤窗口中的情况
	if (x < 0 || x >= g_srcImage.cols || y < 0 || y >= g_srcImage.rows)
		return;
	//处理鼠标相关信息
	if (event == EVENT_LBUTTONUP || !(flags & EVENT_FLAG_LBUTTON))
		prevPt = Point(-1, -1);
	else if (event == EVENT_LBUTTONDOWN)
	{
    
    
		prevPt = Point(x, y);
	}
	//鼠标左键按下并移动，绘制出白色线条
	else if (event == EVENT_MOUSEMOVE && (flags & 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_NAME, g_srcImage);
	}
}
static void ShowHelpText()
{
    
    
	cout << "\n\t欢迎来到【分水岭算法】示例程序" << endl;
	cout << "\t\t请先用鼠标在窗口标记出大致的区域" << endl;
	cout << "\t\t然后按键【1】或者【空格】启动算法" << endl;
	cout << "\t\t按键操作如下：" << endl;
	cout << "\t\t\t按下按键【1】或者【空格】--运行分水岭分割算法" << endl;
	cout << "\t\t\t按下按键【2】--恢复原始图片" << endl;
	cout << "\t\t\t按下按键【ESC】--退出程序" << endl;
}