【opencv学习笔记 28分水岭算法】

本文深入探讨了分水岭算法的实现过程,包括噪声去除、灰度化、二值化、形态学操作、距离变换等关键步骤,并通过Python代码演示了如何使用OpenCV库进行图像分割。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

分水岭算法

  • 距离变换
import cv2 as cv
import numpy as np


def watershed_demo():
    """
    前期的处理需要做好
    :return:
    """
    # remove noise if any
    print(src.shape)
    blurred = cv.pyrMeanShiftFiltering(src, 10, 100)
    # gray\binary image
    # 灰度化
    gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY)
    # 自动阈值 二值化
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    cv.imshow("binary-image", binary)

    # morphology operation 形态学操作
    # 核
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))
    #                               开操作             连续两次
    mb = cv.morphologyEx(binary, cv.MORPH_OPEN, kernel, iterations=2)
    # 膨胀操作
    sure_bg = cv.dilate(mb, kernel, iterations=3)
    cv.imshow("mor-opt", sure_bg)

    # distance transform 距离变换
    #                               计算方式    掩膜大小
    dist = cv.distanceTransform(mb, cv.DIST_L1, 3)
    #
    dist_output = cv.normalize(dist, 0, 1.0, cv.NORM_MINMAX)
    cv.imshow("distance-t", dist_output * 50)

    ret, surface = cv.threshold(dist, dist.max() * 0.6, 255, cv.THRESH_BINARY)

    surface_fg = np.uint8(surface)
    cv.imshow("surface-bin", surface_fg)
    unknown = cv.subtract(sure_bg, surface_fg)
    # 求取连通区域
    ret, markers = cv.connectedComponents(surface_fg)
    print('ret= ',ret)
    print('markers 类型', type(markers))
    # watershed transform
    markers = markers + 1
    markers[unknown == 255] = 0
    # 分水岭
    markers = cv.watershed(src, markers=markers)
    src[markers == -1] = [0, 0, 255]
    cv.imshow("result", src)


src = cv.imread("main.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
watershed_demo()
cv.waitKey(0)

cv.destroyAllWindows()

这一部分没有很懂 后面再补上

分水岭算法是一种在图像处理中常用的图像分割算法,它基于图像中的灰度和梯度信息,将图像分割成不同的区域。该算法的目标是将图像中的前景和背景分开,同时保留物体的边缘和细节。 在OpenCV中,可以使用函数cv2.watershed()实现分水岭算法。该函数接受一个灰度图像和标记图像作为输入,并将分割结果存储在标记图像中。标记图像中的像素值表示不同的区域,-1表示边界。 分水岭算法的处理流程如下: 1. 将原始图像转换为灰度图像。 2. 对灰度图像进行预处理,例如平滑和二值化,以便更好地识别前景和背景。 3. 创建一个空的标记图像,初始化为0。 4. 根据预处理后的图像,确定前景和背景的种子点。 5. 使用cv2.connectedComponents()函数将种子点标记为不同的区域,并将其存储在标记图像中。 6. 调用cv2.watershed()函数进行分水岭算法处理,将分割结果存储在标记图像中。 7. 可选步骤:根据需要进一步处理分割结果,例如绘制边界或提取特定区域的像素值。 请注意,分水岭算法需要一些预处理步骤和参数调整,以确保得到满意的分割结果。因此,在实际使用时,可能需要根据具体情况进行调整和优化。 参考资料: opencv-python——通过cv2.distanceTransform()函数将距离转换成热力图 OpenCV学习三十五:distanceTransform 距离变换函数 OPENCV自学记录(6)——连通域处理函数CV2.CONNECTEDCOMPONENTSWITHSTATS()和CV2.CONNECTEDCOMPONENTS() OpenCV3学习(7.2)——图像分割之二(分水岭算法watershed) opencv进阶学习笔记14:分水岭算法 实现图像分割图像分割之分水岭算法python opencv入门 分水岭算法(29)<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [OpenCV-分水岭算法](https://blog.youkuaiyun.com/qq_43951094/article/details/120801731)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [【OpenCV】- 分水岭算法](https://blog.youkuaiyun.com/qq_44859533/article/details/126436001)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值