Opencv如何实现分水岭算法-创新互联

这篇文章将为大家详细讲解有关Opencv如何实现分水岭算法，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

分水岭算法可以将图像中的边缘转化成“山脉”，将均匀区域转化为“山谷”，这样有助于分割目标。

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，其基本思想是把图像看作是测地学上的拓扑地貌，图像中的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通过模拟浸入过程来说明：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浸入水中，随着浸入的加深，每一个局部极小值的影响区域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。

分水岭的计算过程是一个迭代标注过程。分水岭计算分成两个步骤：一个是排序过程，一个是淹没过程。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阶高度的影响域采用先进先出（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。显然，分水岭表示的是输入图像的极大值点。

简而言之，分水岭算法首先计算灰度图的梯度，这对图像中的“山谷”或没有纹理的“盆地”（亮度值低的点）的形成是很有效的，也对“山头”或图像中有主导线段的“山脉”（山脊对应的边缘）的形成有效。然后开始从用户指定点（或者算法得到点）开始持续“灌注”盆地直到这些区域连成一片。基于这样产生的标记就可以把区域合并到0一起，合并后的区域又通过聚集的方式进行分割，好像图像被“填充”起来一样。

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，它们被标记为正指数，所以，每一个区域都会被标记为像素值1、2、3等，表示成为一个或者多个连接组件，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，在函数的输出中，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,intputOutputArray markers)
*第一个参数，输入图像，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果存在这里，输入／输入32位单通道图像的标记结果。

#include
#include
#include

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

//全局变量声明
Mat g_srcImage,g_maskImage;
Point prevPt(-1,-1);

//全局函数声明
static void on_Mouse(int event,int x,int y,int flags,void*);

//主函数
int main()
{
  //载入源图像
  g_srcImage=imread("/Users/new/Desktop/1.jpg");
  if(!g_srcImage.data){printf("读取源图像srcImage错误～！\n");return false;}

  //显示源图像
  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);
  //掩膜图像初始化为0
  g_maskImage=Scalar::all(0);

  //设置鼠标回调函数
  setMouseCallback(WINDOW_NAME, on_Mouse,0);

  //轮询按键处理
  while(1)
  {
    //获取键值
    int c=waitKey(0);
    //若按键为ESC时，退出
    if((char)c == 27)
      break;
    //若按键为2时，恢复原图
    if((char)c=='2')
    {
      g_maskImage=Scalar::all(0);
      srcImage.copyTo(g_srcImage);
      imshow("image",g_srcImage);
    }
    //若按键为1,则进行处理
    if((char)c=='1')
    {
      //定义一些参数
      int i,j,compCount=0;
      vector>contours;
      vector hierarchy;
      //寻找轮廓
      findContours(g_maskImage, contours, hierarchy, CV_RETR_CCOMP, CHAIN_APPROX_SIMPLE);
      //轮廓为空时的处理
      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为零时的处理
        if(compCount==0)
          continue;

        //生成随机颜色
        vectorcolorTab;
        for(int i=0;i(i,j);
            if(index==-1)
              watershedImage.at(i,j)=Vec3b(255,255,255);//图像变白色
            else if(index<=0||index>compCount)
              watershedImage.at(i,j)=Vec3b(0,0,0);//图像变黑色
            else
              watershedImage.at(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("image[watershed]",watershedImage);
    }
  }
    return 0;
}

//回调函数定义
void on_Mouse(int event,int x,int y,int flags,void*)
{
  //处理鼠标不在窗口中的情况
  if(x<0||x>=g_srcImage.cols||y<0||y>=g_srcImage.rows)
    return;

  //处理鼠标左键相关消息
  if(event==EVENT_LBUTTONUP||!(flags & EVENT_FLAG_LBUTTON))//按下左键
    prevPt=Point(-1,-1);
  else if(event==EVENT_LBUTTONDOWN)//松开左键
    prevPt=Point(x,y);//鼠标所指的位置

  //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)//如果指出去了，返回
      prevPt=pt;
    line(g_maskImage, prevPt, pt, Scalar::all(255),2,8,0);//画白线
    line(g_srcImage,prevPt,pt,Scalar::all(255),2,8,0);//画白线
    prevPt=pt;
    imshow(WINDOW_NAME, g_srcImage);

  }
}

Opencv技巧

（1）计算算法运行时间：

//计算处理时间并输出到窗口中
        double dTime=(double)getTickCount();
        //进行分水岭算法
        watershed(srcImage, maskImage);
        dTime=(double)getTickCount()-dTime;
        printf("\t 处理时间=%gms\n",dTime*1000./getTickFrequency());

（2）改变图像某点像素值：Mat类中的at方法对于获取图像矩阵某点的RGB值或者改变某点的值很方便，

对于单通道的图像：image.at(i, j)
对于RGB通道的图像：image.at(i, j)[0] 
         image.at(i, j)[1] 
         image.at(i, j)[2]

（3）Point(-1,-1)解析：由于卷积过程，图像矩阵要进行填充，Point(-1,-1)即代表卷积开始的位置，这决定了不填充时的结果A处于填充后结果B的位置的那个部分，从（-1，-1）开始卷积的结果是A处于B的正中间那块位置。

关于“Opencv如何实现分水岭算法”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。

另外有需要云服务器可以了解下创新互联建站www.cdcxhl.com，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。