1. 定义
分水岭算法(watershed algorithm)可以将图像中的边缘转化为“山脉”,将均匀区域转化为“山谷”,在这方面有助于分割目标。
分水岭算法:是一种基于拓扑理论的数学形态学的分割方法。把图像看作是测地学上的拓扑地貌,图像中的每一个点像素值的灰度值表示该点的海拔高度,每一个局部极小值及其影响的区域称为“集水盆”,集水盆的边界可以看成分水岭。在每一个局部极小值表面刺穿一个小孔,然后把整个模型慢慢浸入水中,随着浸入的加深,每一个局部极小值的影响域慢慢的向外扩展,在两个集水盆汇合处构建大坝,形成分水岭。
迭代标注过程:
1. 排序过程:对每个像素的灰度级进行从低到高的排序
2. 淹没过程:对每一个局部最小值在h阶高度的影响域采用先进先出结构判断及标注。
2.实现算法:watershed()函数
这些标记的值可以使用findContours()函数和drawContours()函数由二进制的掩模检索出来
函数原型
void watershed(InputArray image,InputOutputArray markers)
3. 示例程序
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>
using namespace cv;
using namespace std;
//定义窗口标题定义的宏
#define WINDOW_NAME "【程序窗口】"
//全局变量
Mat g_maskImage, g_srcImage;
Point prevPt(-1, -1);
//全局函数
static void on_Mouse(int event, int x, int y, int flags, void *);
//main()函数
int main()
{
//载入原图并显示,初始化掩模和灰度图
g_srcImage = imread("1.jpg", 1);
imshow(WINDOW_NAME, g_srcImage);
Mat srcImage, grayImage;
g_srcImage.copyTo(srcImage);
cvtColor(g_srcImage, g_maskImage, COLOR_BGR2GRAY);
cvtColor(g_maskImage, grayImage, COLOR_GRAY2BGR);
g_maskImage = Scalar::all(0);
//设置鼠标回调函数
setMouseCallback(WINDOW_NAME, on_Mouse, 0);
//轮询按键,进行处理
while (1)
{
//获取按键
int c = waitKey(0);
//若按键为ESC,退出
if ((char)c == 27) break;
//回复原图
if ((char)c == '2')
{
g_maskImage = Scalar::all(0);
srcImage.copyTo(g_srcImage);
imshow("image", g_srcImage);
}
//检测的值为1或者空格,则进行处理
if ((char)c == '1' || (char)c == ' ')
{
//定义参数
int i, j, compCount = 0;
vector<vector<Point> > contours;
vector<Vec4i>hierarchy;
//寻找轮廓
findContours(g_maskImage, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);
if (contours.empty())
continue;
Mat maskImage(g_maskImage.size(), CV_32S);
maskImage = Scalar::all(0);
//循环绘制出轮廓
for (int index = 0; index >= 0; index = hierarchy[index][0], compCount++)
{
drawContours(maskImage, contours, index, Scalar::all(compCount + 1), -1, 8, hierarchy, INT_MAX);
}
if (compCount == 0)
continue;
//生成随机颜色
vector<Vec3b>colorTab;
for (int i = 0; i < compCount; i++)
{
int b = theRNG().uniform(0, 255);
int g = theRNG().uniform(0, 255);
int r = theRNG().uniform(0, 255);
colorTab.push_back(Vec3b((uchar)b, (uchar)g, (uchar)r));
}
//计算处理时间并输出到窗口中
double dTime = (double)cvGetTickCount();
watershed(srcImage, maskImage);
dTime = (double)getTickCount() - dTime;
printf("\t 处理时间 = %gms\n", dTime * 1000. / getTickFrequency());
//双层循环,将分水岭图像遍历存入watershedImage中
Mat watershedImage(maskImage.size(), CV_8UC3);
for (int i = 0; i < maskImage.rows; i++)
{
for (int j = 0; j < maskImage.cols; j++)
{
int index = maskImage.at<int>(i, j);
if (index == -1)
{
watershedImage.at<Vec3b>(i, j) = Vec3b(255, 255, 255);
}
else if (index <= 0 || index > compCount)
{
watershedImage.at<Vec3b>(i, j) = Vec3b(0, 0, 0);
}
else
{
watershedImage.at<Vec3b>(i, j) = colorTab[index - 1];
}
}
}
//混合灰度图和分水岭效果图并显示最终的窗口
watershedImage = watershedImage*0.5 + grayImage*0.5;
imshow("watershed transform", watershedImage);
}
}
return 0;
}
//鼠标消息回调函数
static void on_Mouse(int event, int x, int y, int flags, void *)
{
//处理鼠标不在窗口中的情况
if (x < 0 || x > g_srcImage.cols || y < 0 || y >= g_srcImage.rows)
return;
//处理鼠标左键相关的消息
if (event == EVENT_LBUTTONUP || !(flags & EVENT_FLAG_LBUTTON))
prevPt = Point(-1, -1);
else if (event == EVENT_LBUTTONDOWN)
{
prevPt = Point(x, y);
}
//鼠标左键按下并移动,绘制白色的线条
else if (event == EVENT_MOUSEMOVE && (flags & EVENT_FLAG_LBUTTON))
{
Point pt(x, y);
if (prevPt.x < 0) prevPt = pt;
line(g_maskImage, prevPt, pt, Scalar::all(255), 5, 8, 0);
line(g_srcImage, prevPt, pt, Scalar::all(255), 5, 8, 0);
prevPt = pt;
imshow(WINDOW_NAME, g_srcImage);
}
}