本文内容是对Opencv官方文档的学习笔记

原理

我们可以将任何一幅灰度图都看作是拓扑平面，灰度图中灰度值高的看作是山峰，灰度值地的看作是山谷，我们向每一个山谷中灌入不同颜色的水，随着水位的升高，不同山谷的水就会相遇汇合，而为了防止不同山谷的水汇合，我们需要在水汇合的地方建起堤坝，随着不停地灌水，不停地构建堤坝，直到所有的山峰都被水淹没。我们构建好的堤坝就是对图像的分割。

但是由于噪声或者图像中其他不规律的因素，这种方法可能会得到过度分割的效果。为减少这种影响，OpenCV采用基于掩模的分水岭算法，在这种算法中我们要设置哪些山谷点会汇合，哪些不会。这是一种交互式的图像分割。我们要做的就是给我们已知的对象打上不同的标签。如果某个区域肯定是前景或对象，就使用某个颜色(或灰度值)标签标记它。如果某个区域肯定不是对象而是背景就使用另外一个颜色标签标记。而剩下的不能确定是前景还是背景的区域就用 0 标记。这就是我们的标签。然后实施分水岭算法。每一次灌水，我们的标签就会被更新，当两个不同颜色的标签相遇时就构建堤坝，直到将所有山峰淹没，最后我们得到的边界对象(堤坝)的值为 -1。

代码示例

在下面的例子中，我们将距离变换和分水岭算法紧挨在一起的对象进行分割。

看一下原图：

original

先从硬币的近似估值开始，我们先使用二值化cv2.threshold函数对图像进行处理

import numpy as np

import cv2

from matplotlib import pyplot as plt

img = cv2.imread('water_coins.jpg')

gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转化成灰度图

ret,thresh=cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

#二值化

#看一下图像

cv2.imshow('orig',img)

cv2.imshow('thresh',thresh)

cv2.waitKey(0)

cv2.destroyAllWindows()

１

现在我们开运算去除图像中的所有白噪声。靠近对象中心的区域肯定是前景，而远离对象中心的区域肯定是背景，不能确定的部分为硬币之间的边界。

我们要提取肯定是硬币的区域，距离变换+合适的阈值。接下来我们要找肯定不是硬币的区域，用膨胀操作，膨胀操作将对象的边界延伸到了背景中，所以由于边界区域被处理，我们就能知道哪些区域是前景，哪些区域是背景。剩下的区域就是我们不知道该如何区分了，而这就是分水岭算法要做的，前景与背景的交界处就是边界，从肯定是不是背景的区域中减去肯定是前景的区域就是边界区域。

#去除噪音

kernel=np.ones((3,3),np.uint8)

opening=cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel,iterations=2)

#确定背景区域

sure_bg=cv2.dilate(opening,kernel,iterations=3)

#确定前景区域

dist_transform=cv2.distanceTransform(opening,1,5)

ret,sure_fg=cv2.threshold(dist_transform,0.7*dist_transform.max(),255,0)

#寻找未知的区域

sure_fg=np.uint8(sure_fg)

unknown=cv2.subtract(sure_bg,sure_fg)

cv2.imshow('sure_bg',sure_bg)

cv2.imshow('sure_fg',sure_fg)

cv2.imshow('unknow',unknow)

cv2.waitKey(0)

cv2.destroyAllWindows()

2

在上面的代码中，阈值化以后得到的就是硬币的区域。

现在知道了哪些是背景，哪些是硬币，我们就可以创建标签了(一个与原图像大小相同，数据类型为int32的数组)并标记其中的区域，用函数 cv2.connectedComponents()来操作，将背景标记为0，其他对象使用从１开始的正整数标记。对不确定的区域(函数cv2.connectedComponents()输出的结果使用unknown定义未知区域)标记为０。

# Marker labelling

ret,markers1=cv2.connectedComponents(sure_fg)

# Add one to all labels so that sure background is not 0, but 1

markers = markers1+1

# Now, mark the region of unknown with zero

markers[unknown==255] = 0

深蓝色区域为未知区域。肯定是硬币的区域

使用不同的颜色标记。其余区域就是用浅蓝色标记的背景了。

现在标签准备好了。到最后一步：实施分水岭算法了。标签图像将会被修改，边界区域的标记将变为 -1.

markers3 = cv2.watershed(img,markers)

img[markers3 == -1] = [255,0,0]

cv2.imshow('img',img)

cv2.waitKey(0)

cv2.destroyAllWindows()

结果如下。有些硬币的边界被分割的很好，也有一些硬币之间的边界分割的不好。

3