opencv的分水岭算法图像分水岭算法

转载

桃太郎 2024-05-10 16:14:01

文章标签 opencv的分水岭算法 #include 分水岭算法 i++ 文章分类 计算机视觉人工智能

cvWatershed例子：

1. #include<cv.h>  
2. #include<highgui.h>  
3. #include<iostream>  
4.   
5. using namespace  std;  
6.   
7. IplImage* marker_mask = 0;  
8. IplImage* markers = 0;  
9. IplImage* img0 = 0, *img = 0, *img_gray = 0, *wshed = 0;  
10. CvPoint prev_pt = {-1,-1};  
11. void on_mouse( int event, int x, int y, int flags, void* param )//opencv 会自动给函数传入合适的值  
12. {  
13. if( !img )  
14. return;  
15. if( event == CV_EVENT_LBUTTONUP || !(flags & CV_EVENT_FLAG_LBUTTON) )  
16.         prev_pt = cvPoint(-1,-1);  
17. else if( event == CV_EVENT_LBUTTONDOWN )  
18.         prev_pt = cvPoint(x,y);  
19. else if( event == CV_EVENT_MOUSEMOVE && (flags & CV_EVENT_FLAG_LBUTTON) )  
20.     {  
21.         CvPoint pt = cvPoint(x,y);  
22. if( prev_pt.x < 0 )  
23.             prev_pt = pt;  
24. //CvScalar 成员：double val[4] RGBA值A=alpha  
25.         cvLine( img, prev_pt, pt, cvScalarAll(255), 5, 8, 0 );  
26.         prev_pt = pt;  
27. "image", img);  
28.     }  
29. }  
30.   
31. int main( int argc, char** argv )  
32. {  
33. char* filename = argc >= 2 ? argv[1] : (char*)"fruits.jpg";  
34.     CvMemStorage* storage = cvCreateMemStorage(0);  
35.     CvRNG rng = cvRNG(-1);  
36. if( (img0 = cvLoadImage(filename,1)) == 0 )  
37. return 0;  
38. "Hot keys: \n"  
39. "\tESC - quit the program\n"  
40. "\tr - restore the original image\n"  
41. "\tw or SPACE - run watershed algorithm\n"  
42. "\t\t(before running it, roughly mark the areas on the image)\n"  
43. "\t  (before that, roughly outline several markers on the image)\n" );  
44. "image", 1 );  
45. "watershed transform", 1 );  
46.     img = cvCloneImage( img0 );  
47.     img_gray = cvCloneImage( img0 );  
48.     wshed = cvCloneImage( img0 );  
49.     marker_mask = cvCreateImage( cvGetSize(img), 8, 1 );  
50.     markers = cvCreateImage( cvGetSize(img), IPL_DEPTH_32S, 1 );  
51.     cvCvtColor( img, marker_mask, CV_BGR2GRAY );  
52. //这两句只用将RGB转成3通道的灰度图即R=G=B,用来显示用  
53.     cvZero( marker_mask );  
54.     cvZero( wshed );  
55. "image", img );  
56. "watershed transform", wshed );  
57. "image", on_mouse, 0 );  
58. for(;;)  
59.     {  
60. int c = cvWaitKey(0);  
61. if( (char)c == 27 )  
62. break;  
63. if( (char)c == 'r' )  
64.         {  
65.             cvZero( marker_mask );  
66. //cvCopy（）也可以这样用，不影响原img0图像，也随时更新  
67. "image", img );  
68.         }  
69. if( (char)c == 'w' || (char)c == ' ' )  
70.         {  
71.             CvSeq* contours = 0;  
72.             CvMat* color_tab = 0;  
73. int i, j, comp_count = 0;  
74.   
75. //下面选将标记的图像取得其轮廓, 将每种轮廓用不同的整数表示  
76. //不同的整数使用分水岭算法时，就成为不同的种子点  
77. //算法本来就是以各个不同的种子点为中心扩张  
78.             cvClearMemStorage(storage);  
79. sizeof(CvContour),  
80.                 CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE );  
81.             cvZero( markers );  
82. for( ; contours != 0; contours = contours->h_next, comp_count++ )  
83.             {  
84.                 cvDrawContours(markers, contours, cvScalarAll(comp_count+1),  
85.                     cvScalarAll(comp_count+1), -1, -1, 8, cvPoint(0,0) );  
86.             }  
87. //cvShowImage("image",markers);  
88. if( comp_count == 0 )  
89. continue;  
90. //创建随机颜色列表  
91. for( i = 0; i < comp_count; i++ )　//不同的整数标记  
92.             {  
93.                 uchar* ptr = color_tab->data.ptr + i*3;  
94.                 ptr[0] = (uchar)(cvRandInt(&rng)%180 + 50);  
95.                 ptr[1] = (uchar)(cvRandInt(&rng)%180 + 50);  
96.                 ptr[2] = (uchar)(cvRandInt(&rng)%180 + 50);  
97.             }  
98.             {  
99. double t = (double)cvGetTickCount();  
100.                 cvWatershed( img0, markers );  
101. "img0.xml",markers);  
102. double)cvGetTickCount() - t;  
103. "exec time = %gms\n", t/(cvGetTickFrequency()*1000.) );  
104.             }  
105. // paint the watershed image  
106. for( i = 0; i < markers->height; i++ )  
107. for( j = 0; j < markers->width; j++ )  
108.                 {  
109. int idx = CV_IMAGE_ELEM( markers, int, i, j );//markers的数据类型为IPL_DEPTH_32S  
110. //BGR三个通道的数是一起的,故要j*3  
111. if( idx == -1 ) //输出时若为-1，表示各个部分的边界  
112.                         dst[0] = dst[1] = dst[2] = (uchar)255;  
113. else if( idx <= 0 || idx > comp_count )  //异常情况  
114. // should not get here  
115. else //正常情况  
116.                     {  
117.                         uchar* ptr = color_tab->data.ptr + (idx-1)*3;  
118.                         dst[0] = ptr[0]; dst[1] = ptr[1]; dst[2] = ptr[2];  
119.                     }  
120.                 }  
121. //wshed.x.y=0.5*wshed.x.y+0.5*img_gray+0加权融合图像  
122. "watershed transform", wshed );  
123.                 cvReleaseMat( &color_tab );  
124.         }  
125.     }  
126. return 1;  
127. }

运行情况：

同上面分析可看出，因为不相连的标记后，程序在masker中的数值不同

经过分水岭算法后，

不同的标记肯定会在不同的区域中，

例如头发部分，我画了一条线标记　，，　处理后就把头发部分分割了出来　

还比如胳膊那一块，正好也分割出来了

我对算法的感性认识：

opencv中的算法是先把输入图像转化成梯度图（标量）

如果把梯度图看成是一个地形的话，就会发现，梯度高的地方就成了山脉，梯度低的地方就是山谷

我们经过标记为不同的区域后，

就从各个标记的地方注水进去，注入的水越来越多的时候，就会出现把流过低些的山脉，从而流到别的山谷中，那么他们就连一了一片区域。

区域分割的要求是把不同的标记分割成不同的地方。所以如果一直注水，可能就会覆盖别的区域了。这时算法就采取某种方法，修大坝使标记的不同区域不会因为注水而相连