1. 分水嶺分割方法
它是依賴於形態學的,圖像的灰度等級不一樣,如果圖像的灰度等級一樣的情況下怎麼人為的把它造成不一樣?可以通過距離變換實現,這樣它們的灰度值就有了階梯狀的變換。風水嶺算法常見的有三種方法:(1)基於浸泡理論的分水嶺分割方法;(2)基於連通圖方法;(3)基於距離變換的方法。OpenCV 中是基於距離變換的分割方法,就相當於我們的小山頭(認為造成的)。
基本的步驟:
例子1 粘連對象分離和計數。
例子代碼:
<code>#include<opencv2>
#include<iostream>
using namespace std;
using namespace cv;
void test(){
Mat srcImg;
srcImg = imread("pill_002.png");
if (srcImg.empty())
{
cout < }
namedWindow("Original image", CV_WINDOW_AUTOSIZE);
imshow("Original image", srcImg);
Mat grayImg, binaryImg, shiftedImg;
//做濾波,使圖像更加平滑,保留邊緣,類似於雙邊濾波
pyrMeanShiftFiltering(srcImg, shiftedImg, 21, 51);
namedWindow("shifted", CV_WINDOW_AUTOSIZE);
imshow("shifted", shiftedImg);
cvtColor(shiftedImg, grayImg, COLOR_BGR2GRAY); //轉為灰度圖像
//二值化
threshold(grayImg, binaryImg, 0, 255, THRESH_BINARY | THRESH_OTSU);
namedWindow("binary", CV_WINDOW_AUTOSIZE);
imshow("binary", binaryImg);
//距離變換
Mat distImg;
distanceTransform(binaryImg, distImg, DistanceTypes::DIST_L2, 3, CV_32F);
//歸一化,因為距離變換後得出來的值都比較小。
normalize(distImg, distImg, 0, 1, NORM_MINMAX);
namedWindow("distance", CV_WINDOW_AUTOSIZE);
imshow("distance", distImg);
//這個二值化的作用是尋找局部最大。
threshold(distImg, distImg, 0.4, 1, THRESH_BINARY);
namedWindow("distance_binary", CV_WINDOW_AUTOSIZE);
imshow("distance_binary", distImg);
//生成 marker
Mat distMaskImg;
// distImg 得到的是 0- 1之間的數,轉化成8位單通道的。
distImg.convertTo(distMaskImg, CV_8U);
vector<vector>>contours;
//找到 marker 的輪廓
findContours(distMaskImg, contours, RETR_EXTERNAL,
CHAIN_APPROX_SIMPLE, Point(0, 0));
//create marker 填充 marker
Mat markersImg = Mat::zeros(srcImg.size(), CV_32SC1);
for (int i = 0; i {
drawContours(markersImg, contours, static_cast(i), /<vector>/<iostream>/<opencv2>/<code>
Scalar::all(static_cast(i)+1), -1);
}
circle(markersImg, Point(5, 5), 3, Scalar(255), -1);
//形態學操作 - 彩色圖像,目的是去掉干擾,讓結果更好。
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
morphologyEx(srcImg, srcImg, MORPH_ERODE, kernel);
//完成分水嶺變換
watershed(srcImg, markersImg);
Mat mark = Mat::zeros(markersImg.size(), CV_8UC1);
markersImg.convertTo(mark, CV_8UC1);
bitwise_not(mark, mark, Mat());
namedWindow("watershed", CV_WINDOW_AUTOSIZE);
imshow("watershed", mark);
//下面的步驟可以不做,最好做出來讓結果顯示更美觀。
//生成隨機顏色
vector<vec3b>colors;
for (int i = 0; i {
int r = theRNG().uniform(0, 255);
int g = theRNG().uniform(0, 255);
int b = theRNG().uniform(0, 255);
colors.push_back(Vec3b((uchar)b, (uchar)g, (uchar)r));
}
//顏色填充和最終顯示
Mat dstImg = Mat::zeros(markersImg.size(), CV_8UC3);
int index = 0;
for (int i = 0; i {
for (int j = 0; j {
index = markersImg.at(i, j); /<vec3b>
if (index > 0 && index <= contours.size())
{
dstImg.at<vec3b>(i, j) = colors[index - 1];
}
else
{
dstImg.at<vec3b>(i, j) = Vec3b(0, 0, 0);
}
}
}
cout < namedWindow("Final Result", CV_WINDOW_AUTOSIZE);
imshow("Final Result", dstImg);
}
int main(){
test();
waitKey(0);
return 0;
}/<vec3b>/<vec3b>
總結:有時候會導致碎片化,過度分割,因為二值化中如果有很多小的黑點或碎片,在分割的時候導致很多 mask ,即小山頭太多了,這個時候我們要考慮怎麼去合併它,可以通過聯通區域的直方圖,或者像素值均值相似程度等。
例子2:圖像分割
<code>#include<opencv2>
#include<iostream>
using namespace std;
using namespace cv;
//執行分水嶺算法函數
Mat watershedCluster(Mat &srcImg, int &numSegments);
//結果顯示函數
void DisplaySegments(Mat &markersImg, int numSegments);
void test(){
Mat srcImg;
srcImg = imread("toux.jpg");
if (srcImg.empty())
{
cout < }
namedWindow("Original image", CV_WINDOW_AUTOSIZE);
imshow("Original image", srcImg);
int numSegments;
Mat markers = watershedCluster(srcImg, numSegments);
DisplaySegments(markers, numSegments);
}
Mat watershedCluster(Mat &srcImg, int &numSegments){
//二值化
Mat grayImg, binaryImg;
cvtColor(srcImg, grayImg, COLOR_BGR2GRAY);
threshold(grayImg, binaryImg, 0, 255, THRESH_BINARY | THRESH_OTSU);
//形態學和距離變換
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
morphologyEx(binaryImg, binaryImg, MORPH_OPEN, kernel, Point(-1, -1));
Mat distImg;
distanceTransform(binaryImg, distImg, DistanceTypes::DIST_L2, 3, CV_32F);
normalize(distImg, distImg, 0.0, 1.0, NORM_MINMAX);
//開始生成標記
threshold(distImg, distImg, 0.1, 1.0, THRESH_BINARY);
normalize(distImg, distImg, 0, 255, NORM_MINMAX);
distImg.convertTo(distImg, CV_8UC1); //CV_32F 轉成 CV_8UC1
//標記開始
vector<vector>>contours;
vector<vec4i>hireachy;
findContours(distImg, contours, hireachy, RETR_CCOMP, CHAIN_APPROX_SIMPLE);
if (contours.empty())
{
return Mat();
}
Mat markersImg(distImg.size(), CV_32S);
markersImg = Scalar::all(0);
for (int i = 0; i {
drawContours(markersImg, contours, i, Scalar(i + 1), -1, 8, hireachy, INT_MAX);
}
circle(markersImg, Point(5, 5) ,3, Scalar(255), -1);
//分水嶺變換
watershed(srcImg, markersImg);
numSegments = contours.size();
return markersImg;
}
void DisplaySegments(Mat &markersImg, int numSegments){
//生成隨機顏色
vector<vec3b>colors;
for (int i = 0; i {
int r = theRNG().uniform(0, 255);
int g = theRNG().uniform(0, 255);
int b = theRNG().uniform(0, 255);
colors.push_back(Vec3b((uchar)b, (uchar)g, (uchar)r));
}
//顏色填充和最終顯示
Mat dstImg = Mat::zeros(markersImg.size(), CV_8UC3);
int index = 0;
for (int i = 0; i {
for (int j = 0; j {
index = markersImg.at(i, j); /<vec3b>/<vec4i>/<vector>/<iostream>/<opencv2>/<code>
if (index > 0 && index <= numSegments)
{
dstImg.at<vec3b>(i, j) = colors[index - 1];
}
else
{
dstImg.at<vec3b>(i, j) = Vec3b(255, 255, 255);
}
}
}
cout < namedWindow("Final Result", CV_WINDOW_AUTOSIZE);
imshow("Final Result", dstImg);
}
int main(){
test();
waitKey(0);
return 0;
}/<vec3b>/<vec3b>
效果圖:
2. GrabCut 算法分割圖像
GrabCut 算法的原理前面有介紹過,這裡就不在介紹了,具體可以看下文章末尾往期推薦中閱讀。下面例子實現圖像中對象的摳圖。
基本步驟:
例子代碼:
<code>#include<opencv2>
#include<iostream>
using namespace std;
using namespace cv;
int numRun = 0; //算法迭代次數
bool init = false;
Rect rect;
Mat srcImg, MaskImg, bgModel, fgModel;
//鼠標回調函數
void onMouse(int event, int x, int y, int flags, void* param);
void showImg(); //顯示畫的圖片
void setRoiMask(); //選擇 ROI 的函數
void runGrabCut(); //執行算法函數
static void ShowHelpText(); //提示用戶操作函數
void test(){
srcImg = imread("toux.jpg");
if (srcImg.empty())
{
cout < }
namedWindow("Original image", CV_WINDOW_AUTOSIZE);
imshow("Original image", srcImg);
//初始化 mask,單通道 8 位
MaskImg.create(srcImg.size(), CV_8UC1);
//在不知道它是前景還是背景的情況下,把它全部設為背景。
MaskImg.setTo(Scalar::all(GC_BGD)); //結果不是 0 就是 1 GC_BGD為0
setMouseCallback("Original image", onMouse, 0);
while (true)
{
char c = (char)waitKey(0);
if (c == 'n') // 按下 n 建開始執行算法
{
runGrabCut();
numRun++;
showImg();
cout < }
if (c == 27)
{
break;
}
}
}
void onMouse(int event, int x, int y, int flags, void* param){
switch (event)
{
case EVENT_LBUTTONDOWN:
rect.x = x;
rect.y = y;
rect.width = 1;
rect.height = 1;
break;
case EVENT_MOUSEMOVE:
if (flags& EVENT_FLAG_LBUTTON)
{
rect = Rect(Point(rect.x, rect.y), Point(x, y));
showImg();
}
break;
case EVENT_LBUTTONUP:
if (rect.width > 1 && rect.height > 1)
{
showImg();
}
break;
default:
break;
}
}
void showImg(){
Mat result, binMask;
binMask.create(MaskImg.size(), CV_8UC1);
binMask = MaskImg & 1;
if (init)
{
srcImg.copyTo(result,binMask);
}
else
{
srcImg.copyTo(result);
}
rectangle(result, rect, Scalar(0, 0, 255), 2, 8);
namedWindow("Original image", CV_WINDOW_AUTOSIZE);
imshow("Original image", result);
}
void setRoiMask(){
//GC_BGD = 0 明確屬於背景的像素
//GC_FGD = 1 明確屬於前景的像素
//GC_PR_BGD = 2 可能屬於背景的像素
//GC_PR_FGD = 3 可能屬於前景的像素
MaskImg.setTo(GC_BGD);
//為了避免選擇越界
rect.x = max(0, rect.x);
rect.y = max(0, rect.y);
rect.width = min(rect.width, srcImg.cols - rect.x);
rect.height = min(rect.height, srcImg.rows - rect.y);
//把我們選取的那一塊設為前景
MaskImg(rect).setTo(Scalar(GC_PR_FGD));
}
void runGrabCut(){
if (rect.width {
return;
}
if (init)
{
grabCut(srcImg, MaskImg, rect, bgModel, fgModel, 1);
}
else
{
grabCut(srcImg, MaskImg, rect, bgModel, fgModel, 1, GC_INIT_WITH_RECT);
init = true;
}
}
static void ShowHelpText(){
cout < cout < cout <}
int main(){
ShowHelpText();
test();
waitKey(0);
return 0;
}/<iostream>/<opencv2>/<code>
效果圖:
閱讀更多 業餘天王 的文章