目標(biāo)

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

原理

  任何一幅灰度圖像都可以被看成拓?fù)淦矫妫叶戎蹈叩膮^(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(gè)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(huì)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(gòu)建起堤壩。不停的灌水，不停的構(gòu)建堤壩直到所有的山峰都被水淹沒(méi)。我們構(gòu)建好的堤壩就是對(duì)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(huì)得到過(guò)度分割的結(jié)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(shè)置哪些山谷點(diǎn)會(huì)匯合，哪些不會(huì)，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(duì)象打上不同的標(biāo)簽。如果某個(gè)
區(qū)域肯定是前景或?qū)ο?，就使用某個(gè)顏色（或灰度值）標(biāo)簽標(biāo)記它。如果某個(gè)區(qū)域肯定不是對(duì)象而是背景就使用另外一個(gè)顏色標(biāo)簽標(biāo)記。而剩下的不能確定是前景還是背景的區(qū)域就用 0 標(biāo)記。這就是我們的標(biāo)簽。然后實(shí)施分水嶺算法。每一次灌水，我們的標(biāo)簽就會(huì)被更新，當(dāng)兩個(gè)不同顏色的標(biāo)簽相遇時(shí)就構(gòu)建堤
壩，直到將所有山峰淹沒(méi)，最后我們得到的邊界對(duì)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(duì)緊挨在一起的對(duì)象進(jìn)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(jì)值開(kāi)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(jié)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(xué)中的開(kāi)運(yùn)算。為了去除對(duì)象上小的空洞我們需要使用形態(tài)學(xué)閉運(yùn)算。所以我們現(xiàn)在知道靠近對(duì)象中心的區(qū)域肯定是前景，而遠(yuǎn)離對(duì)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(dāng)硬幣之間沒(méi)有接觸時(shí)，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(gè)更好的選擇：距離變換再加上合適的閾值。接下來(lái)我們要找到肯定不是硬幣的區(qū)域。這是就需要進(jìn)行膨脹操作了。膨脹可以將對(duì)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(gè)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(jié)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(kāi)了。（有些情況下你可能只需要對(duì)前景進(jìn)行分割，而不需要將緊挨在一起的對(duì)象分開(kāi)，此時(shí)就沒(méi)有必要使用距離變換了，腐蝕就足夠了當(dāng)然腐蝕也可以用來(lái)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(biāo)簽（一個(gè)與原圖像大小相同，數(shù)據(jù)類型為 in32 的數(shù)組），并標(biāo)記其中的區(qū)域了。對(duì)我們已經(jīng)確定分類的區(qū)域（無(wú)論是前景還是背景）使用不同的正整數(shù)標(biāo)記，對(duì)我們不確定的區(qū)域使用 0 標(biāo)記。我們可以使用函數(shù) cv2.connectedComponents()來(lái)做這件事。它會(huì)把將背景標(biāo)記為 0，其他的對(duì)象使用從 1 開(kāi)始的正整數(shù)標(biāo)記。
  但是，我們知道如果背景標(biāo)記為 0，那分水嶺算法就會(huì)把它當(dāng)成未知區(qū)域了。所以我們想使用不同的整數(shù)標(biāo)記它們。而對(duì)不確定的區(qū)域（函數(shù)cv2.connectedComponents 輸出的結(jié)果中使用 unknown 定義未知區(qū)域）標(biāo)記為 0。

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

  結(jié)果使用 JET 顏色地圖表示。深藍(lán)色區(qū)域?yàn)槲粗獏^(qū)域?？隙ㄊ怯矌诺膮^(qū)域使用不同的顏色標(biāo)記。其余區(qū)域就是用淺藍(lán)色標(biāo)記的背景了?，F(xiàn)在標(biāo)簽準(zhǔn)備好了。
  到最后一步：實(shí)施分水嶺算法了。標(biāo)簽圖像將會(huì)被修改，邊界區(qū)域的標(biāo)記將變?yōu)?-1.

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

  結(jié)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?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持我們。