先看效果
说明
使用分水岭算法对图像进行切割,设置一个标记图像能达到比較好的效果,还能防止过度切割。
1、这里首先对阈值化的二值图像进行腐蚀,去掉小的白色区域,得到图像的前景区域。并对前景区域用255白色标记
2、相同对阈值化后的图像进行膨胀,然后再阈值化并取反。得到背景区域。
并用128灰度表示
3、将前景和背景叠加在一起在同一幅图像中显示。
4、用标记图和原图,利用opencv的watershed对图像进行切割。
并用128灰度表示
class WatershedSegment{ private: cv::Mat markers; public: void setMarkers(const cv::Mat &image){ image.convertTo(markers,CV_32S); } cv::Mat process(const cv::Mat &image) { // Apply watershed cv::watershed(image,markers); markers.convertTo(markers,CV_8U); return markers; } }; int _tmain(int argc, _TCHAR* argv[]) { cv::Mat image = cv::imread("group.jpg"); cv::Mat binary = cv::imread("binary.bmp",0); //没加0害得我找好久错误的原因。即使"binary.bmp"为二值图像不加0读进来还是3通道 //cv::threshold(image,binary,60,255,CV_THRESH_BINARY); //阈值化操作 //binary = 255 - binary; //让前景变为白色区域 cv::namedWindow("binary",CV_WINDOW_AUTOSIZE); cv::imshow("binary",binary); cv::Mat fImage; cv::erode(binary,fImage,cv::Mat(),cv::Point(-1,-1),6); //binary = 255 - binary; //让前景变为白色区域//腐蚀去掉小的干扰物体得到前景图像 cv::namedWindow("eroded",CV_WINDOW_AUTOSIZE); cv::imshow("eroded",fImage); cv::Mat bImage; cv::dilate(binary,bImage,cv::Mat(),cv::Point(-1,-1),6); cv::threshold(bImage,bImage,1,128,cv::THRESH_BINARY_INV);//对原始二值图像阈值化并取反,得到背景图像 cv::namedWindow("bImage",CV_WINDOW_AUTOSIZE); cv::imshow("bImage",bImage); cv::Mat marker(binary.size(),CV_8U,cv::Scalar(0)); marker = fImage + bImage; //创建标记图像 cv::namedWindow("marker",CV_WINDOW_AUTOSIZE); cv::imshow("marker",marker); WatershedSegment segmenter; segmenter.setMarkers(marker); cv::Mat segment = segmenter.process(image); cv::namedWindow("segmenter",CV_WINDOW_AUTOSIZE); cv::imshow("segmenter",segment); cv::waitKey(0); return 0; }