用形态学运算变换图像（四）用分水岭算法实现图像分割

最新推荐文章于 2025-07-08 09:09:27 发布

enjoy_ying

最新推荐文章于 2025-07-08 09:09:27 发布

阅读量2.1k

点赞数

CC 4.0 BY-SA版权

分类专栏： OpenCV编程攻略

本文链接：https://blog.youkuaiyun.com/enjoy_ying/article/details/83790373

本文介绍了分水岭变换在图像处理中的应用，它能将图像快速分割成同质区域。通过OpenCV的cv::watershed函数实现图像分割，通过预定义的标记引导算法进行分割，防止过度分割。文章详细阐述了算法原理，并展示了两种展示分割结果的方法：一种是返回由标签组成的图像，另一种是突出分水岭线条的图像。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

（四）用分水岭算法实现图像分割
分水岭变换，是一种流行的图像处理算法，用于快速将图像分割成多个同质区域。若把图像看成是一个拓扑地貌，同类区域相当于陡峭边缘内相对平坦的盆地；算法通过逐步增高水位，将其分割成多个部分。因原始版本算法会过度分割图像，产生很多小的区域，因此OpenCV中提出改进版本，使用一系列预定义标记来引导图像分割的方式。
4.1 实现
分水岭分割法，需要调用cv::watershed函数。输入对象是一个标记图像，图像的像素值为32位有符号整数，每个非零像素代表一个标签。其原理是对图像中部分图像做标记，表明它们所属区域是已知的。
分水岭算法，可根据这个初始化标签确定其他像素所属的区域。本节先建立一个标记图像作为灰度图像，后将其转换成整型图像。把该步骤封装进WatershedSegmenter类，包含指定标记图像和计算分水岭的方法：

       class WatershedSegmenter
       {
         Private:
            cv::Mat markers;     
         Public:       
             Void setMarkers(const cv::Mat& markerImage)
             {  
                 //转换成整数型图像  
                 markerImage.converTo(markers,CV_32S);
             }
             cv::Mat process(const cv::Mat &image)
             { 
                 //应用分水岭 
                 cv::watershed(image,markers);
                 return  markers;
              }
         }

    不同应用程序获得标记的方式各不相同。如，可在预处理过程中识别出一些属于某个感兴趣物体的像素，然后根据初始检测结果，使用分水岭算法划分出整个物体的边缘。如：从二值图像中