网站开发要多钱,门户网站推广渠道,seo运营推广,wordpress绿色两栏响应式主题目标
在本章中#xff0c;
我们将学习使用分水岭算法实现基于标记的图像分割
我们将看到#xff1a;cv.watershed()
理论
任何灰度图像都可以看作是一个地形表面#xff0c;其中高强度表示山峰#xff0c;低强度表示山谷。你开始用不同颜色的水(标签)填充每个孤立的山谷(局…目标
在本章中
我们将学习使用分水岭算法实现基于标记的图像分割
我们将看到cv.watershed()
理论
任何灰度图像都可以看作是一个地形表面其中高强度表示山峰低强度表示山谷。你开始用不同颜色的水(标签)填充每个孤立的山谷(局部最小值)。随着水位的上升根据附近的山峰(坡度)来自不同山谷的水明显会开始合并颜色也不同。为了避免这种情况你要在水融合的地方建造屏障。你继续填满水建造障碍直到所有的山峰都在水下。然后你创建的屏障将返回你的分割结果。这就是Watershed背后的“思想”。你可以访问Watershed的CMM网页了解它与一些动画的帮助。
但是这种方法会由于图像中的噪声或其他不规则性而产生过度分割的结果。因此OpenCV实现了一个基于标记的分水岭算法你可以指定哪些是要合并的山谷点哪些不是。这是一个交互式的图像分割。我们所做的是给我们知道的对象赋予不同的标签。用一种颜色(或强度)标记我们确定为前景或对象的区域用另一种颜色标记我们确定为背景或非对象的区域最后用0标记我们不确定的区域。这是我们的标记。然后应用分水岭算法。然后我们的标记将使用我们给出的标签进行更新对象的边界值将为-1。
代码
下面我们将看到一个有关如何使用距离变换和分水岭来分割相互接触的对象的示例。
考虑下面的硬币图像硬币彼此接触。即使你设置阈值它也会彼此接触。我们先从寻找硬币的近似估计开始。因此我们可以使用Otsu的二值化。
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img cv.imread(coins.png)
gray cv.cvtColor(img,cv.COLOR_BGR2GRAY)
ret, thresh cv.threshold(gray,0,255,cv.THRESH_BINARY_INV cv.THRESH_OTSU)现在我们需要去除图像中的任何白点噪声。为此我们可以使用形态学扩张。要去除对象中的任何小孔我们可以使用形态学侵蚀。因此现在我们可以确定靠近对象中心的区域是前景而离对象中心很远的区域是背景。我们不确定的唯一区域是硬币的边界区域。
因此我们需要提取我们可确定为硬币的区域。侵蚀会去除边界像素。因此无论剩余多少我们都可以肯定它是硬币。如果物体彼此不接触那将起作用。但是由于它们彼此接触因此另一个好选择是找到距离变换并应用适当的阈值。接下来我们需要找到我们确定它们不是硬币的区域。为此我们扩张了结果。膨胀将对象边界增加到背景。这样由于边界区域已删除因此我们可以确保结果中背景中的任何区域实际上都是背景。参见下图。剩下的区域是我们不知道的区域无论是硬币还是背景。分水岭算法应该找到它。这些区域通常位于前景和背景相遇甚至两个不同的硬币相遇的硬币边界附近。我们称之为边界。可以通过从sure_bg区域中减去sure_fg区域来获得。
# 噪声去除
kernel np.ones((3,3),np.uint8)
opening cv.morphologyEx(thresh,cv.MORPH_OPEN,kernel, iterations 2)
# 确定背景区域
sure_bg cv.dilate(opening,kernel,iterations3)
# 寻找前景区域
dist_transform cv.distanceTransform(opening,cv.DIST_L2,5)
ret, sure_fg cv.threshold(dist_transform,0.7*dist_transform.max(),255,0)
# 找到未知区域
sure_fg np.uint8(sure_fg)
unknown cv.subtract(sure_bg,sure_fg)
查看结果。在阈值图像中我们得到了一些硬币区域我们确定它们是硬币并且现在已分离它们。在某些情况下你可能只对前景分割感兴趣而不对分离相互接触的对象感兴趣。在那种情况下你无需使用距离变换只需侵蚀就足够了。侵蚀只是提取确定前景区域的另一种方法。现在我们可以确定哪些是硬币的区域哪些是背景。因此我们创建了标记它的大小与原始图像的大小相同但具有int32数据类型并标记其中的区域。我们肯定知道的区域无论是前景还是背景都标有任何正整数但是带有不同的整数而我们不确定的区域则保留为零。为此我们使用cv.connectedComponents()。它用0标记图像的背景然后其他对象用从1开始的整数标记。
但是我们知道如果背景标记为0则分水岭会将其视为未知区域。所以我们想用不同的整数来标记它。相反我们将未知定义的未知区域标记为0。
# 类别标记
ret, markers cv.connectedComponents(sure_fg)
# 为所有的标记加1保证背景是0而不是1
markers markers 1
# 现在让所有的未知区域为0
markers[unknown255] 0
参见JET colormap中显示的结果。深蓝色区域显示未知区域。当然,硬币的颜色不同。剩下,肯定为背景的区域显示在较浅的蓝色跟未知区域相比。现在我们的标记已准备就绪。现在是最后一步的时候了使用分水岭算法。然后标记图像将被修改。边界区域将标记为-1。
markers cv.watershed(img,markers)
img[markers -1] [255,0,0]
请参阅下面的结果。对某些硬币它们接触的区域被正确地分割而对于某些硬币却不是。附加资源
练习
OpenCV samples has an interactive sample on watershed segmentation, watershed.py. Run it, Enjoy it, then learn it.
