Opencv如何實(shí)現(xiàn)分水嶺算法

這篇文章將為大家詳細(xì)講解有關(guān)Opencv如何實(shí)現(xiàn)分水嶺算法，小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

分水嶺算法可以將圖像中的邊緣轉(zhuǎn)化成“山脈”，將均勻區(qū)域轉(zhuǎn)化為“山谷”，這樣有助于分割目標(biāo)。

分水嶺算法是一種基于拓?fù)淅碚摰臄?shù)學(xué)形態(tài)學(xué)的分割方法，其基本思想是把圖像看作是測地學(xué)上的拓?fù)涞孛?，圖像中的每一點(diǎn)像素的灰度值表示該點(diǎn)的海拔高度，每一個(gè)局部極小值及其影響區(qū)域稱為集水盆，而集水盆的邊界則形成分水嶺。分水嶺的概念和形成可以通過模擬浸入過程來說明：在每一個(gè)局部極小值表面，刺穿一個(gè)小孔，然后把整個(gè)模型慢慢浸入水中，隨著浸入的加深，每一個(gè)局部極小值的影響區(qū)域慢慢向外擴(kuò)展，在兩個(gè)集水盆匯合處構(gòu)筑大壩，即形成分水嶺。

分水嶺的計(jì)算過程是一個(gè)迭代標(biāo)注過程。分水嶺計(jì)算分成兩個(gè)步驟：一個(gè)是排序過程，一個(gè)是淹沒過程。首先對每個(gè)像素的灰度級進(jìn)行從低到高的排序，然后在從低到高實(shí)現(xiàn)淹沒的過程中，對每一個(gè)局部極小值在h階高度的影響域采用先進(jìn)先出（FIFO）結(jié)構(gòu)進(jìn)行判斷及標(biāo)注。分水嶺變換得到的是輸入圖像的集水盆圖像，集水盆之間的邊界點(diǎn)即為分水嶺。顯然，分水嶺表示的是輸入圖像的極大值點(diǎn)。

簡而言之，分水嶺算法首先計(jì)算灰度圖的梯度，這對圖像中的“山谷”或沒有紋理的“盆地”（亮度值低的點(diǎn)）的形成是很有效的，也對“山頭”或圖像中有主導(dǎo)線段的“山脈”（山脊對應(yīng)的邊緣）的形成有效。然后開始從用戶指定點(diǎn)（或者算法得到點(diǎn)）開始持續(xù)“灌注”盆地直到這些區(qū)域連成一片?；谶@樣產(chǎn)生的標(biāo)記就可以把區(qū)域合并到0一起，合并后的區(qū)域又通過聚集的方式進(jìn)行分割，好像圖像被“填充”起來一樣。

實(shí)現(xiàn)分水嶺算法–watershed函數(shù)

函數(shù)watershed實(shí)現(xiàn)的分水嶺算法是基于標(biāo)記的分割算法中的一種。在把圖像傳給函數(shù)之前，需要大致勾畫標(biāo)記出圖像中的期望進(jìn)行分割的區(qū)域，它們被標(biāo)記為正指數(shù)，所以，每一個(gè)區(qū)域都會被標(biāo)記為像素值1、2、3等，表示成為一個(gè)或者多個(gè)連接組件，這些標(biāo)記的值可以使用findContours函數(shù)和drawContours函數(shù)由二進(jìn)制的掩碼檢索出來。這些標(biāo)記就是即將繪制出來的分割區(qū)域的“種子”，而沒有標(biāo)記清楚的區(qū)域，被置為0，在函數(shù)的輸出中，每一個(gè)標(biāo)記中的像素被設(shè)置為“種子”的值，而區(qū)域間的值被設(shè)置為-1。
void watershed(inputArray,intputOutputArray markers)
*第一個(gè)參數(shù)，輸入圖像，需為8位三通道的彩色圖像。
*第二個(gè)參數(shù)，函數(shù)調(diào)用后的運(yùn)算結(jié)果存在這里，輸入／輸入32位單通道圖像的標(biāo)記結(jié)果。

#include<opencv2/imgproc/imgproc.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<iostream>

using namespace cv;
using namespace std;
//宏定義
#define WINDOW_NAME "image[procedure window]"

//全局變量聲明
Mat g_srcImage,g_maskImage;
Point prevPt(-1,-1);

//全局函數(shù)聲明
static void on_Mouse(int event,int x,int y,int flags,void*);

//主函數(shù)
int main()
{
  //載入源圖像
  g_srcImage=imread("/Users/new/Desktop/1.jpg");
  if(!g_srcImage.data){printf("讀取源圖像srcImage錯(cuò)誤～！\n");return false;}

  //顯示源圖像
  imshow(WINDOW_NAME,g_srcImage);
  Mat srcImage,grayImage;
  g_srcImage.copyTo(srcImage);
  //灰度化
  cvtColor(srcImage, g_maskImage, COLOR_BGR2GRAY);
  //imshow("image[mask]",g_maskImage);
  cvtColor(g_maskImage, grayImage, COLOR_GRAY2BGR);
  //imshow("image[gray]",grayImage);
  //掩膜圖像初始化為0
  g_maskImage=Scalar::all(0);

  //設(shè)置鼠標(biāo)回調(diào)函數(shù)
  setMouseCallback(WINDOW_NAME, on_Mouse,0);

  //輪詢按鍵處理
  while(1)
  {
    //獲取鍵值
    int c=waitKey(0);
    //若按鍵為ESC時(shí)，退出
    if((char)c == 27)
      break;
    //若按鍵為2時(shí)，恢復(fù)原圖
    if((char)c=='2')
    {
      g_maskImage=Scalar::all(0);
      srcImage.copyTo(g_srcImage);
      imshow("image",g_srcImage);
    }
    //若按鍵為1,則進(jìn)行處理
    if((char)c=='1')
    {
      //定義一些參數(shù)
      int i,j,compCount=0;
      vector<vector<Point>>contours;
      vector<Vec4i> hierarchy;
      //尋找輪廓
      findContours(g_maskImage, contours, hierarchy, CV_RETR_CCOMP, CHAIN_APPROX_SIMPLE);
      //輪廓為空時(shí)的處理
      if(contours.empty())
        continue;
      //復(fù)制掩膜
      Mat maskImage(g_maskImage.size(),CV_32S);
      maskImage=Scalar::all(0);

      //循環(huán)繪制輪廓
      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為零時(shí)的處理
        if(compCount==0)
          continue;

        //生成隨機(jī)顏色
        vector<Vec3b>colorTab;
        for(int 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));
        }
        //計(jì)算處理時(shí)間并輸出到窗口中
        double dTime=(double)getTickCount();
        //進(jìn)行分水嶺算法
        watershed(srcImage, maskImage);
        dTime=(double)getTickCount()-dTime;
        printf("\t 處理時(shí)間=%gms\n",dTime*1000./getTickFrequency());
        //雙層循環(huán)，將分水嶺圖像遍歷存入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);//圖像變白色
            else if(index<=0||index>compCount)
              watershedImage.at<Vec3b>(i,j)=Vec3b(0,0,0);//圖像變黑色
            else
              watershedImage.at<Vec3b>(i,j)=colorTab[index-1];
          }
        //混合灰度圖和分水嶺效果圖并顯示最終的窗口
        watershedImage=watershedImage*0.5+grayImage*0.5;
        imshow("image[watershed]",watershedImage);
    }
  }
    return 0;
}

//回調(diào)函數(shù)定義
void on_Mouse(int event,int x,int y,int flags,void*)
{
  //處理鼠標(biāo)不在窗口中的情況
  if(x<0||x>=g_srcImage.cols||y<0||y>=g_srcImage.rows)
    return;

  //處理鼠標(biāo)左鍵相關(guān)消息
  if(event==EVENT_LBUTTONUP||!(flags & EVENT_FLAG_LBUTTON))//按下左鍵
    prevPt=Point(-1,-1);
  else if(event==EVENT_LBUTTONDOWN)//松開左鍵
    prevPt=Point(x,y);//鼠標(biāo)所指的位置

  //鼠標(biāo)左鍵按下并移動(dòng)，繪制出白色線條
  else if(event==EVENT_MOUSEMOVE && (flags & EVENT_FLAG_LBUTTON))
  {
    Point pt(x,y);
    if(prevPt.x<0)//如果指出去了，返回
      prevPt=pt;
    line(g_maskImage, prevPt, pt, Scalar::all(255),2,8,0);//畫白線
    line(g_srcImage,prevPt,pt,Scalar::all(255),2,8,0);//畫白線
    prevPt=pt;
    imshow(WINDOW_NAME, g_srcImage);

  }
}

Opencv技巧

（1）計(jì)算算法運(yùn)行時(shí)間：

//計(jì)算處理時(shí)間并輸出到窗口中
        double dTime=(double)getTickCount();
        //進(jìn)行分水嶺算法
        watershed(srcImage, maskImage);
        dTime=(double)getTickCount()-dTime;
        printf("\t 處理時(shí)間=%gms\n",dTime*1000./getTickFrequency());

（2）改變圖像某點(diǎn)像素值：Mat類中的at方法對于獲取圖像矩陣某點(diǎn)的RGB值或者改變某點(diǎn)的值很方便，

對于單通道的圖像：image.at<uchar>(i, j)
對于RGB通道的圖像：image.at<Vec3b>(i, j)[0] 
         image.at<Vec3b>(i, j)[1] 
         image.at<Vec3b>(i, j)[2]

（3）Point(-1,-1)解析：由于卷積過程，圖像矩陣要進(jìn)行填充，Point(-1,-1)即代表卷積開始的位置，這決定了不填充時(shí)的結(jié)果A處于填充后結(jié)果B的位置的那個(gè)部分，從（-1，-1）開始卷積的結(jié)果是A處于B的正中間那塊位置。

關(guān)于“Opencv如何實(shí)現(xiàn)分水嶺算法”這篇文章就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，使各位可以學(xué)到更多知識，如果覺得文章不錯(cuò)，請把它分享出去讓更多的人看到。