若該文為原創文章,未經允許不得轉載原博主博客地址:https://blog.csdn.net/qq21497936原博主博客導航:https://blog.csdn.net/qq21497936/article/details/102478062本文章博客地址:https://blog.csdn.n ...
若該文為原創文章,未經允許不得轉載
原博主博客地址:https://blog.csdn.net/qq21497936
原博主博客導航:https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址:https://blog.csdn.net/qq21497936/article/details/106258388
各位讀者,知識無窮而人力有窮,要麼改需求,要麼找專業人士,要麼自己研究
紅胖子(紅模仿)的博文大全:開發技術集合(包含Qt實用技術、樹莓派、三維、OpenCV、OpenGL、ffmpeg、OSG、單片機、軟硬結合等等)持續更新中…(點擊傳送門)
OpenCV開發專欄(點擊傳送門)
上一篇:《OpenCV開發筆記(五十八):紅胖子8分鐘帶你深入瞭解圖像的矩(圖文並茂+淺顯易懂+程式源碼)》
下一篇:持續補充中…
前言
紅胖子,來也!
做識別,有時候需求要識別物體,物體在背景上比較雜,但是其邊緣與背景圖相差大,這個時候可以使用分水嶺演算法突出兩邊的顏色對比度,從而更好的分割。
Demo
分水嶺演算法
概述
分水嶺分割方法,是一種基於拓撲理論的數學形態學的分割方法,其基本思想是把圖像看作是測地學上的拓撲地貌,圖像中每一點像素的灰度值表示該點的海拔高度,每一個局部極小值及其影響區域稱為集水盆,而集水盆的邊界則形成分水嶺。簡單來說就是根據圖像相鄰的像素差值,分成不同區域,將各區域染成不同顏色,其適合使用者已經可以標記已知對象或背景中的一部分。
&emp;分水嶺的概念和形成可以通過模擬浸入過程來說明。在每一個局部極小值錶面,刺穿一個小孔,然後把整個模型慢慢浸入水中,隨著浸入的加深,每一個局部極小值的影響域慢慢向外擴展,在兩個集水盆匯合處構築大壩,即形成分水嶺。
分水嶺的計算過程是一個迭代標註過程。
原理
分水嶺比較經典的計算方法是L. Vincent提出的。在該演算法中,分水嶺計算分兩個步驟,一個是排序過程,一個是淹沒過程。首先對每個像素的灰度級進行從低到高排序,然後在從低到高實現淹沒過程中,對每一個局部極小值在h階高度的影響域採用先進先出(FIFO)結構進行判斷及標註。
分水嶺變換得到的是輸入圖像的集水盆圖像,集水盆之間的邊界點,即為分水嶺。顯然,分水嶺表示的是輸入圖像極大值點。因此,為得到圖像的邊緣信息,通常把梯度圖像作為輸入圖像,即
g(x,y)=grad(f(x,y))={[f(x,y)-f(x-1,y)]2[f(x,y)-f(x,y-1)]2}0.5
式中,f(x,y)表示原始圖像,grad{.}表示梯度運算。
分水嶺演算法對微弱邊緣具有良好的響應,圖像中的雜訊、物體錶面細微的灰度變化,都會產生過度分割的現象。但同時,分水嶺演算法對微弱邊緣具有良好的響應,是得到封閉連續邊緣的保證的。
分水嶺函數原型
void watershed(InputArray image, InputOutputArray markers )
- 參數一:lnputArray類型的src,輸入圖像,即源圖像,填Mat類的對象即可,且需為8位三通道的彩色圖像。
- 參數二:InputOutputArray類型的markers,在執行分水嶺函數watershed之前,必須對該參數進行處理,它應該包含不同區域的輪廓,每個輪廓有一個自己唯一的編號,輪廓的定位可以通過Opencv中findContours方法實現,這個是執行分水嶺之前的要求。
Demo涉及到的相關知識
均值濾波:《OpenCV開發筆記(十五):演算法基礎之線性濾波-均值濾波》
canny邊緣檢測:《OpenCV開發筆記(三十七):紅胖子8分鐘帶你深入瞭解邊緣檢測和Canny運算元邊緣檢測(圖文並茂+淺顯易懂+程式源碼)》
查找與繪製輪廓:《OpenCV開發筆記(四十九):紅胖子8分鐘帶你深入瞭解輪廓識別(圖文並茂+淺顯易懂+程式源碼)》
Demo源碼
void OpenCVManager::testWatersheed()
{
QString fileName1 =
"E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/5.jpg";
int width = 400;
int height = 300;
cv::Mat srcMat = cv::imread(fileName1.toStdString());
cv::resize(srcMat, srcMat, cv::Size(width, height));
cv::String windowName = _windowTitle.toStdString();
cvui::init(windowName);
cv::Mat windowMat = cv::Mat(cv::Size(srcMat.cols * 2, srcMat.rows * 3),
srcMat.type());
int threshold1 = 200;
int threshold2 = 100;
while(true)
{
windowMat = cv::Scalar(0, 0, 0);
cv::Mat mat;
cv::Mat tempMat;
// 原圖先copy到左邊
mat = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1),
cv::Range(srcMat.cols * 0, srcMat.cols * 1));
cv::addWeighted(mat, 0.0f, srcMat, 1.0f, 0.0f, mat);
{
// 灰度圖
cv::Mat grayMat;
cv::cvtColor(srcMat, grayMat, cv::COLOR_BGR2GRAY);
// copy
mat = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1),
cv::Range(srcMat.cols * 1, srcMat.cols * 2));
cv::Mat grayMat2;
cv::cvtColor(grayMat, grayMat2, cv::COLOR_GRAY2BGR);
cv::addWeighted(mat, 0.0f, grayMat2, 1.0f, 0.0f, mat);
// 均值濾波
cv::blur(grayMat, tempMat, cv::Size(3, 3));
cvui::printf(windowMat, width * 1 + 20, height * 1 + 20, "threshold1");
cvui::trackbar(windowMat, width * 1 + 20, height * 1 + 40, 200, &threshold1, 0, 255);
cvui::printf(windowMat, width * 1 + 20, height * 1 + 100, "threshold2");
cvui::trackbar(windowMat, width * 1 + 20, height * 1 + 120, 200, &threshold2, 0, 255);
// canny邊緣檢測
cv::Canny(tempMat, tempMat, threshold1, threshold2);
// copy
mat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
cv::Range(srcMat.cols * 0, srcMat.cols * 1));
cv::cvtColor(tempMat, grayMat2, cv::COLOR_GRAY2BGR);
cv::addWeighted(mat, 0.0f, grayMat2, 1.0f, 0.0f, mat);
// 查找輪廓
std::vector<std::vector<cv::Point>> contours;
std::vector<cv::Vec4i> hierarchy;
cv::findContours(tempMat, contours, hierarchy, cv::RETR_CCOMP, cv::CHAIN_APPROX_SIMPLE);
// 繪製輪廓
cv::Mat maskers = cv::Mat::zeros(grayMat.size(), CV_32SC1);
maskers = cv::Scalar::all(0);
cv::Mat tMat = srcMat.clone();
tMat = cv::Scalar(0, 0, 0);
for(int index = 0; index < contours.size(); index++)
{
cv::drawContours(maskers, contours, index, cv::Scalar::all(index+1));
cv::drawContours(tMat, contours, index, cv::Scalar(0, 0, 255));
}
// copy
mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
cv::Range(srcMat.cols * 0, srcMat.cols * 1));
cv::addWeighted(mat, 0.0f, tMat, 1.0f, 0.0f, mat);
// 分水嶺
cv::watershed(srcMat, maskers);
cv::Mat watershedImage(maskers.size(), CV_8UC3) ;
for(int i = 0 ; i < maskers.rows ; i++ )
{
for(int j = 0 ; j < maskers.cols; j++)
{
int index = maskers.at<int>(i, j);
if(index == -1)
{
watershedImage.at<cv::Vec3b>(i, j) = cv::Vec3b(255, 255, 255);
}else if( index <= 0 || index > contours.size() )
{
watershedImage.at<cv::Vec3b>(i, j) = cv::Vec3b(0, 0, 0);
}else
{
watershedImage.at<cv::Vec3b>(i, j) = cv::Vec3b((index - 5 > 0 ? 0 : index % 5) * 50,
(index - 5 > 0 ? index - 5 : 0) % 5 * 50,
(index - 10 > 0 ? index - 10 : 0) % 5 * 50);
}
// 混合灰皮圖和 分水嶺效果 圖 並顯 示最終的窗 口
}
}
// copy
mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
cv::Range(srcMat.cols * 1, srcMat.cols * 2));
cv::addWeighted(mat, 0.0f, watershedImage, 1.0f, 0.0f, mat);
}
// 更新
cvui::update();
// 顯示
cv::imshow(windowName, windowMat);
// esc鍵退出
if(cv::waitKey(25) == 27)
{
break;
}
}
}
工程模板:對應版本號v1.53.0
對應版本號v1.53.0
上一篇:《OpenCV開發筆記(五十八):紅胖子8分鐘帶你深入瞭解圖像的矩(圖文並茂+淺顯易懂+程式源碼)》
下一篇:持續補充中…
原博主博客地址:https://blog.csdn.net/qq21497936
原博主博客導航:https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址:https://blog.csdn.net/qq21497936/article/details/106258388