图像分割(Image Segmentation)

图像分割(Image Segmentation)

作者：王先荣
前言
    图像分割指的是将数字图像细分为多个图像子区域的过程，在OpenCv中实现了三种跟图像分割相关的算法，它们分别是：分水岭分割算法、金字塔分割算法以及均值漂移分割算法。它们的使用过程都很简单，下面的文章权且用于记录，并使该系列保持完整吧。
分水岭分割算法
    分水岭分割算法需要您或者先前算法提供标记，该标记用于指定哪些大致区域是目标，哪些大致区域是背景等等；分水岭分割算法的分割效果严重依赖于提供的标记。OpenCv中的函数cvWatershed实现了该算法，函数定义如下：

    

     void
      cvWatershed(
     const
      CvArr 
     *
      image, CvArr 
     *
      markers)
    

其中：image为8为三通道的彩色图像；
      markers是单通道整型图像，它用不同的正整数来标记不同的区域，下面的代码演示了如果响应鼠标事件，并生成标记图像。

     

                  
      //
      当鼠标按下并在源图像上移动时，在源图像上绘制分割线条
      

              
      private
       
      void
       pbSource_MouseMove(
      object
       sender, MouseEventArgs e)
        {
            
      //
      如果按下了左键
      

                  
      if
       (e.Button 
      ==
       MouseButtons.Left)
            {
                
      if
       (previousMouseLocation.X 
      >=
       
      0
       
      &&
       previousMouseLocation.Y 
      >=
       
      0
      )
                {
                    Point p1 
      =
       
      new
       Point((
      int
      )(previousMouseLocation.X 
      *
       xScale), (
      int
      )(previousMouseLocation.Y 
      *
       yScale));
                    Point p2 
      =
       
      new
       Point((
      int
      )(e.Location.X 
      *
       xScale), (
      int
      )(e.Location.Y 
      *
       yScale));
                    LineSegment2D ls 
      =
       
      new
       LineSegment2D(p1, p2);
                    
      int
       thickness 
      =
       (
      int
      )(LineWidth 
      *
       xScale);
                    imageSourceClone.Draw(ls, 
      new
       Bgr(255d, 255d, 255d), thickness);
                    pbSource.Image 
      =
       imageSourceClone.Bitmap;
                    imageMarkers.Draw(ls, 
      new
       Gray(drawCount), thickness);
                }
                previousMouseLocation 
      =
       e.Location;
            }
        }

        
      //
      当松开鼠标左键时，将绘图的前一位置设置为（-1，-1）
      

              
      private
       
      void
       pbSource_MouseUp(
      object
       sender, MouseEventArgs e)
        {
            previousMouseLocation 
      =
       
      new
       Point(
      -
      1
      , 
      -
      1
      );
            drawCount
      ++
      ;
        }


     

 

 

        您可以用类似下面的方式来使用分水岭算法：

使用分水岭分割算法

 

 

金字塔分割算法
    金字塔分割算法由cvPrySegmentation所实现，该函数的使用很简单；需要注意的是图像的尺寸以及金字塔的层数，图像的宽度和高度必须能被2整除，能够被2整除的次数决定了金字塔的最大层数。下面的代码演示了如果校验金字塔层数：

校验金字塔分割的金字塔层数

 

 

使用金字塔分割的示例代码如下：

使用金字塔分割算法

 

 

均值漂移分割算法
    均值漂移分割算法由cvPryMeanShiftFiltering所实现，均值漂移分割的金字塔层数只能介于[1,7]之间，您可以用类似下面的代码来使用它：

使用均值漂移分割算法

 

 

    函数cvPryMeanShiftFiltering在EmguCv中没有实现，我们可以用下面的方式来使用：

调用均值漂移分割

 

 

分割效果及性能对比
    上述三种分割算法的效果如何呢？下面我们以它们的默认参数，对一幅2272x1704大小的图像进行分割。得到的结果如下所示：

图1 分水岭分割算法（左图白色的线条用于标记区域）

图2 金字塔分割算法

图3 均值漂移分割算法
    从上面我们可以看出：
    （1）分水岭分割算法的分割效果效果最好，均值漂移分割算法次之，而金字塔分割算法的效果最差；
    （2）均值漂移分割算法效率最高，分水岭分割算法接近于均值漂移算法，金字塔分割算法需要很长的时间。
    值得注意的是分水岭算法对标记很敏感，需要仔细而认真的绘制。

 

    本文的完整代码如下：

本文完整代码

 

 

感谢您耐心看完本文，希望对您有所帮助。