【OpenCV（C++）】分水岭算法

分水岭算法概述

在许多实际运用中，我们需要分割图像，但无法从背景图像中获得有用信息。分水岭算法（watershed algorithm）在这方面往往是非常有效的。此算法可以将图像中的边缘转化为“山脉”，将均匀区域转化为“山谷”，这样有助于分割目标。
该算法是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作测地学上的拓扑地貌，图像中每一点像素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区域称为集水盆，而集水盆的边界则形成分水岭。

实现分水岭算法：watershed()函数

在把图像传给函数之前，我们需要大致勾画标记出图像中的期望进行分割的区域，它们被标记为正指数。所以，每一个区域都会被标记为像素值1、2、3等，表示成为一个或者多个连接组件。这些标记值可以使用findContours函数和drawContours函数由二进制的掩码检索出来。

void watershed(InputArray image, InputOutputArray markers)

程序：分水岭算法

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>using namespace cv;
using namespace std;#define WINDOW_NAME1 "【程序窗口1】"        
#define WINDOW_NAME2 "【分水岭算法效果图】" Mat g_maskImage, g_srcImage;
Point prevPt(-1, -1);static void ShowHelpText();
static void on_Mouse(int event, int x, int y, int flags, void*);int main(int argc, char** argv)
{system("color 6F");ShowHelpText();g_srcImage = imread("fg.jpg", 1);imshow(WINDOW_NAME1, 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);setMouseCallback(WINDOW_NAME1, on_Mouse, 0);while (1){int c = waitKey(0);if ((char)c == 27)break;if ((char)c == '2'){g_maskImage = Scalar::all(0);srcImage.copyTo(g_srcImage);imshow("image", g_srcImage);}if ((char)c == '1' || (char)c == ' '){int i, j, compCount = 0;vector<vector<Point> > contours;vector<Vec4i> hierarchy;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);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;vector<Vec3b> colorTab;for (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));}double dTime = (double)getTickCount();watershed(srcImage, maskImage);dTime = (double)getTickCount() - dTime;printf("\t处理时间 = %gms\n", dTime * 1000. / getTickFrequency());Mat watershedImage(maskImage.size(), CV_8UC3);for (i = 0; i < maskImage.rows; i++)for (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);elsewatershedImage.at<Vec3b>(i, j) = colorTab[index - 1];}watershedImage = watershedImage * 0.5 + grayImage * 0.5;imshow(WINDOW_NAME2, watershedImage);}}return 0;
}static void on_Mouse(int event, int x, int y, int flags, void*)
{if (x < 0 || x >= g_srcImage.cols || y < 0 || y >= g_srcImage.rows)return;if (event == CV_EVENT_LBUTTONUP || !(flags & CV_EVENT_FLAG_LBUTTON))prevPt = Point(-1, -1);else if (event == CV_EVENT_LBUTTONDOWN)prevPt = Point(x, y);else if (event == CV_EVENT_MOUSEMOVE && (flags & CV_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_NAME1, g_srcImage);}
}static void ShowHelpText()
{printf("\n\n  ----------------------------------------------------------------------------\n");printf("\t请先用鼠标在图片窗口中标记出大致的区域，\n\n\t然后再按键【1】或者【SPACE】启动算法。""\n\n\t按键操作说明: \n\n""\t\t键盘按键【1】或者【SPACE】- 运行的分水岭分割算法\n""\t\t键盘按键【2】- 恢复原始图片\n""\t\t键盘按键【ESC】- 退出程序\n\n\n");
}

运行效果如下：