分水岭算法

【实例简介】分水岭算法

通过分水岭算法来完成图像分割。

【实例截图】

【核心代码】

import cv2 as cv import matplotlib.pyplot as plt import numpy as np def show(img): if img.ndim == 2:
        plt.imshow(img, cmap="gray") else:
        plt.imshow(cv.cvtColor(img, cv.COLOR_BGR2RGB)) def watershed(img): print(img.shape) # 直接灰度化和二值化后的图片效果不是很好，需要去噪,使用边缘保留滤波去噪声比较有效  blur = cv.pyrMeanShiftFiltering(img, 10, 100) # 灰度化  gray = cv.cvtColor(blur, cv.COLOR_BGR2GRAY) # 二值化  ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU) # 通过形态学操作，填充区域  element = cv.getStructuringElement(cv.MORPH_RECT, (3, 3)) # 进行两次开操作  morpho = cv.morphologyEx(binary, cv.MORPH_OPEN, element, iterations=2) # 进行膨胀操作  img_bg = cv.dilate(morpho, element, iterations=3) # 对两次开操作图像进行距离变换  distance = cv.distanceTransform(morpho, cv.DIST_L2, 3) # 最亮的地方为marker，通过阈值来获取  ret, bright = cv.threshold(distance, distance.max()*0.6, 255, cv.THRESH_BINARY) # float类型转换成8位数的  img_fg = np.uint8(bright)
    unknown = cv.subtract(img_bg, img_fg) # marker,连通区域  ret, markers = cv.connectedComponents(img_fg) # markers可以完成分水岭变换  markers = markers 1  markers[unknown == 255] = 0  markers = cv.watershed(img, markers=markers) # 红色标记  img[markers == -1] = [0, 0, 255] return img

image = cv.imread("D:/img/coins.jpg")
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.figure(figsize=(6, 6))
plt.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=0.2, hspace=0)
plt.subplot(1, 2, 1)
show(image)
plt.title("原图像")
plt.axis("off")
plt.subplot(1, 2, 2)
binary = watershed(image)
show(binary)
plt.title("分水岭法后图像")
plt.axis("off")
plt.show()
cv.waitKey(0)
cv.destroyAllWindows()