用织梦做的学校网站,建设工程教育网官网学员登录,全球互联网企业排名,展览公司网站建设方案OpenCV 例程200篇 总目录-202205更新 【youcans 的 OpenCV 例程200篇】180.基于距离变换的分水岭算法 【youcans 的 OpenCV 例程200篇】181.基于 Sobel 梯度的分水岭算法 【youcans 的 OpenCV 例程200篇】182.基于形态学梯度的分水岭算法 【youcans 的 OpenCV 例程200篇】183.基…OpenCV 例程200篇 总目录-202205更新 【youcans 的 OpenCV 例程200篇】180.基于距离变换的分水岭算法 【youcans 的 OpenCV 例程200篇】181.基于 Sobel 梯度的分水岭算法 【youcans 的 OpenCV 例程200篇】182.基于形态学梯度的分水岭算法 【youcans 的 OpenCV 例程200篇】183.基于轮廓标记的分水岭算法 【youcans 的 OpenCV 例程200篇】183.基于轮廓标记的分水岭算法 7. 图像分割之分水岭算法 分水岭算法是一种图像区域分割法以临近像素间的相似性作为重要特征从而将空间位置相近且灰度值相近的像素点互相连接起来构成一个封闭的轮廓。 分水岭算法是基于形态学的图像分割方法体现了边缘检测、阈值处理和区域提取的概念和思想往往会产生更稳定的分割结果。算法的实现过程可以理解为洪水淹没的过程最低点首先被淹没然后水逐渐淹没整个山谷水位升高到一定高度就会溢出于是在溢出位置修建堤坝不断提高水位重复上述过程直到所有的点全部被淹没所建立的一系列堤坝就成为分隔各个盆地的分水岭。 分水岭的计算过程是一个迭代标注过程通过寻找集水盆和分水岭对图像进行分割。经典的分水岭算法分为排序过程和淹没过程两个步骤首先对每个像素的灰度级从低到高排序然后在从低到高的淹没过程中对每一个局部极小值在 h 阶高度的影响域进行判断及标注。 OpenCV 提供了函数 cv.watershed 实现基于标记的分水岭算法。 使用函数 cv.watershed 需要输入一个CV_32S 类型的标记图像图像中每个非零像素代表一个标签。对图像中部分像素做标记表明它的所属区域是已知的。 cv.watershed(image, markers[, ] ) → markers 参数说明 image输入图像8-bit/3-channel 彩色图像markers标记图像32-bit 单通道图像大小与 image 相同 注意事项 分水岭算法要求必须在标记图像 markers 中用索引勾勒出需要分割的区域每个区域被赋值为 1、2、3… 等索引编号对应于不同的目标物体。图像标记 markers 中未知区域的像素值设置为 0通过分水岭算法确定这些像素属于背景还是前景区域。输出的图像标记 markers 中每个像素都被赋值为 1、2、3… 等索引编号或以 -1 表示区域之间的边界分水岭。 OpenCV 提供了函数 cv.distanceTransform 实现距离变换计算图像中每个像素到最近的零像素点的距离。 函数说明 cv.distanceTransform(src, distanceType, maskSize[, dstNone, dstTypeCV_32F]) → dst cv.distanceTransformWithLabels(src, distanceType, maskSize[, dstNone, labelsNone, labelTypeDIST_LABEL_CCOMP]) → dst, labels参数说明 src输入图像8-bit 单通道灰度图像distanceType距离的类型 cv.DIST_USER用户定义的距离cv.DIST_L1dist∣x1−x2∣∣y1−y2∣dist |x1-x2||y1-y2|dist∣x1−x2∣∣y1−y2∣cv.DIST_L2欧几里德距离cv.DIST_Cdistmax(∣x1−x2∣,∣y1−y2∣)dist max(|x1-x2|, |y1-y2|)distmax(∣x1−x2∣,∣y1−y2∣) maskSize距离变换遮罩的大小通常取 3, 5labelType生成的标签数组的类型 cv.DIST_LABEL_CCOMP每个连接的零组件及最接近连接组件的所有非零像素被指定相同的标签cv.DIST_LABEL_PIXEL每个零像素及离它最近的所有非零像素都有自己的标签 dst计算距离的输出图像8-bit 或 32-bit 单通道图像大小与 src 相同labels标签的输出图像CV_32SC1类型 大小与 src 相同 例程 11.40 基于轮廓标记的分水岭算法 基于标记的分水岭算法的思想是利用先验知识来帮助分割。本例程先用梯度算子进行边缘检测然后通过查找图像轮廓生成标记图像来引导分割。 基于轮廓标记的分水岭算法的步骤为 1对图像进行梯度处理获得梯度图像 2对梯度图像查找和绘制轮廓 3基于轮廓图像生成标记图像 4基于标记图像使用分水岭算法进行分割得到各个分割目标的轮廓 5把目标的轮廓添加到原始图像上 6用随机颜色填充分割图像。 # 11.40 基于轮廓标记图像的分水岭算法img cv2.imread(../images/imgLena.tif, flags1) # 读取彩色图像(BGR)# img cv2.imread(../images/imgTina.png, flags1) # 读取彩色图像(BGR)gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转为灰度图像# 查找和绘制图像轮廓Gauss cv2.GaussianBlur(gray, (5,5), sigmaX4.0)grad cv2.Canny(Gauss, 50, 150) # Canny 梯度算子# grad cv2.Canny(gray, 80, 150) # Canny 梯度算子grad, contours, hierarchy cv2.findContours(grad, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 查找图像轮廓markers np.zeros(img.shape[:2], np.int32) # 生成标识图像所有轮廓区域标识为索引号 (index)for index in range(len(contours)): # 用轮廓的索引号 index 标识轮廓区域markers cv2.drawContours(markers, contours, index, (index, index, index), 1, 8, hierarchy)ContoursMarkers np.zeros(img.shape[:2], np.uint8)ContoursMarkers[markers0] 255 # 轮廓图像将所有轮廓区域标识为白色 (255)# 分水岭算法markers cv2.watershed(img, markers) # 分水岭算法所有轮廓的像素点被标注为 -1WatershedMarkers cv2.convertScaleAbs(markers)# 用随机颜色填充分割图像bgrMarkers np.zeros_like(img)for i in range(len(contours)): # 用随机颜色进行填充colorKind [np.random.randint(0, 255), np.random.randint(0, 255), np.random.randint(0, 255)]bgrMarkers[markersi] colorKindbgrFilled cv2.addWeighted(img, 0.67, bgrMarkers, 0.33, 0) # 填充后与原始图像融合print(len(contours))plt.figure(figsize(10, 6))plt.subplot(231), plt.axis(off), plt.title(Origin image)plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)) # 显示 img(RGB)plt.subplot(232), plt.axis(off), plt.title(Gradient)plt.imshow(grad, gray) # Canny 梯度算子plt.subplot(233), plt.axis(off), plt.title(Contours markers)plt.imshow(ContoursMarkers, gray) # 轮廓plt.subplot(234), plt.axis(off), plt.title(Watershed markers)plt.imshow(WatershedMarkers, gray) # 确定背景plt.subplot(235), plt.axis(off), plt.title(Color Markers)plt.imshow(cv2.cvtColor(bgrMarkers, cv2.COLOR_BGR2RGB))plt.subplot(236), plt.axis(off), plt.title(Cutted image)plt.imshow(cv2.cvtColor(bgrFilled, cv2.COLOR_BGR2RGB))plt.tight_layout()plt.show()本节完 版权声明 OpenCV 例程200篇 总目录-202205更新 youcansxupt 原创作品转载必须标注原文链接(https://blog.csdn.net/youcans/article/details/124813571) Copyright 2022 youcans, XUPT Crated2022-5-15 欢迎关注 『youcans 的 OpenCV 例程 200 篇』 系列持续更新中 欢迎关注 『youcans 的 OpenCV学习课』 系列持续更新中 【youcans 的 OpenCV 例程200篇】180.基于距离变换的分水岭算法 【youcans 的 OpenCV 例程200篇】181.基于 Sobel 梯度的分水岭算法 【youcans 的 OpenCV 例程200篇】182.基于形态学梯度的分水岭算法 【youcans 的 OpenCV 例程200篇】183.基于轮廓标记的分水岭算法 【youcans 的 OpenCV 例程200篇】184.鼠标交互标记的分水岭算法 更多内容请见 【OpenCV 例程200篇 总目录-202206更新】