目標

• 使用分水嶺算法基于掩模的圖像分割
• 學習函數(shù)： cv2.watershed()

原理

  任何一幅灰度圖像都可以被看成拓撲平面，灰度值高的區(qū)域可以被看成是山峰，灰度值低的區(qū)域可以被看成是山谷。我們向每一個山谷中灌不同顏色的水，隨著水的位的升高，不同山谷的水就會相遇匯合，為了防止不同山谷的水匯合，我們需要在水匯合的地方構建起堤壩。不停的灌水，不停的構建堤壩直到所有的山峰都被水淹沒。我們構建好的堤壩就是對圖像的分割。這就是分水嶺算法的背后哲理。
  但是這種方法通常都會得到過度分割的結果，這是由噪聲或者圖像中其他不規(guī)律的因素造成的。為了減少這種影響， OpenCV 采用了基于掩模的分水嶺算法，在這種算法中我們要設置哪些山谷點會匯合，哪些不會，這是一種交互式的圖像分割。我們要做的就是給我們已知的對象打上不同的標簽。如果某個
區(qū)域肯定是前景或?qū)ο?，就使用某個顏色（或灰度值）標簽標記它。如果某個區(qū)域肯定不是對象而是背景就使用另外一個顏色標簽標記。而剩下的不能確定是前景還是背景的區(qū)域就用 0 標記。這就是我們的標簽。然后實施分水嶺算法。每一次灌水，我們的標簽就會被更新，當兩個不同顏色的標簽相遇時就構建堤
壩，直到將所有山峰淹沒，最后我們得到的邊界對象（堤壩）的值為 -1。

代碼

  下面的例子中我們將就和距離變換和分水嶺算法對緊挨在一起的對象進行分割。
  如下圖所示，這些硬幣緊挨在一起。就算你使用閾值操作，它們?nèi)稳皇蔷o挨著的。

  我們從找到這些硬幣的近似估計值開始，我們使用Otsu's二值化。

import cv2
import numpy as np 
from matplotlib import pyplot as plt

img = cv2.imread('image/coins.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

結果圖：

  現(xiàn)在我們要去除圖像中的所有的白噪聲,這就需要使用形態(tài)學中的開運算。為了去除對象上小的空洞我們需要使用形態(tài)學閉運算。所以我們現(xiàn)在知道靠近對象中心的區(qū)域肯定是前景，而遠離對象中心的區(qū)域肯定是背景。而不能確定的區(qū)域就是硬幣之間的邊界。
  所以我們要提取肯定是硬幣的區(qū)域。腐蝕操作可以去除邊緣像素。剩下就可以肯定是硬幣了。當硬幣之間沒有接觸時，這種操作是有效的。但是由于硬幣之間是相互接觸的，我們就有了另外一個更好的選擇：距離變換再加上合適的閾值。接下來我們要找到肯定不是硬幣的區(qū)域。這是就需要進行膨脹操作了。膨脹可以將對象的邊界延伸到背景中去。這樣由于邊界區(qū)域被去處理，我們就可以知道那些區(qū)域肯定是前景，那些肯定是背景。

  剩下的區(qū)域就是我們不知道該如何區(qū)分的了。這就是分水嶺算法要做的。這些區(qū)域通常是前景與背景的交界處（或者兩個前景的交界）。我們稱之為邊界。從肯定是不是背景的區(qū)域中減去肯定是前景的區(qū)域就得到了邊界區(qū)域。

kernel = np.ones((3,3),np.uint8)
opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel,iterations= 2)
sure_bg = cv2.dilate(opening, kernel,iterations=3)
dist_transform =cv2.distanceTransform(opening, 1, 5)
ret,sure_fg = cv2.threshold(dist_transform, 0.7*dist_transform.max(), 255, 0)

sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg, sure_fg)

  如結果所示，在閾值化之后的圖像中，我們得到了肯定是硬幣的區(qū)域，而且硬幣之間也被分割開了。（有些情況下你可能只需要對前景進行分割，而不需要將緊挨在一起的對象分開，此時就沒有必要使用距離變換了，腐蝕就足夠了當然腐蝕也可以用來提取肯定是前景的區(qū)域。）

  現(xiàn)在知道了哪些是背景哪些是硬幣了，那我們就可以創(chuàng)建標簽（一個與原圖像大小相同，數(shù)據(jù)類型為 in32 的數(shù)組），并標記其中的區(qū)域了。對我們已經(jīng)確定分類的區(qū)域（無論是前景還是背景）使用不同的正整數(shù)標記，對我們不確定的區(qū)域使用 0 標記。我們可以使用函數(shù) cv2.connectedComponents()來做這件事。它會把將背景標記為 0，其他的對象使用從 1 開始的正整數(shù)標記。
  但是，我們知道如果背景標記為 0，那分水嶺算法就會把它當成未知區(qū)域了。所以我們想使用不同的整數(shù)標記它們。而對不確定的區(qū)域（函數(shù)cv2.connectedComponents 輸出的結果中使用 unknown 定義未知區(qū)域）標記為 0。

ret,markers1 = cv2.connectedComponents(sure_fg)
markers = markers1 + 1
markers[unknown == 255] = 0

  結果使用 JET 顏色地圖表示。深藍色區(qū)域為未知區(qū)域?？隙ㄊ怯矌诺膮^(qū)域使用不同的顏色標記。其余區(qū)域就是用淺藍色標記的背景了?，F(xiàn)在標簽準備好了。
  到最后一步：實施分水嶺算法了。標簽圖像將會被修改，邊界區(qū)域的標記將變?yōu)?-1.

markers3 = cv2.watershed(img, markers)
img[markers3 == -1] = [255,0,0]

  結果如下,有些硬幣的邊界被分割的很好，也有一些硬幣之間的邊界分割的不好。

參考：Opencv官方教程中文版（For Python)

以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持我們。