OpenCV | 分水岭算法进行图像分割

分水岭算法进行图像分割

        分水岭分割方法，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是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。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。

  

   

    

     

    
    

     

      import numpy as np
     
    
   

    

     

    
    

     

      import cv2
     
    
   

    

     

    
    

     

      from matplotlib import pyplot as plt
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      img = cv2.imread('molecule.png')
     
    
   

    

     

    
    

     

      gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
     
    
   

    

     

    
    

     

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

    

     

    
    

     
 
     
    
   

    

     

    
    

     

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

    

     

    
    

     

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

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      # sure background area
     
    
   

    

     

    
    

     

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

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      # Finding sure foreground area
     
    
   

    

     

    
    

     

      dist_transform = cv2.distanceTransform(opening,cv2.DIST_L2,5)
     
    
   

    

     

    
    

     

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

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      # Finding unknown region
     
    
   

    

     

    
    

     

      sure_fg = np.uint8(sure_fg)
     
    
   

    

     

    
    

     

      unknown = cv2.subtract(sure_bg,sure_fg)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      # Marker labelling
     
    
   

    

     

    
    

     

      ret, markers = cv2.connectedComponents(sure_fg)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

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

    

     

    
    

     

      markers = markers+1
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      markers[unknown==255] = 0
     
    
   

    

     

    
    

     

      markers = cv2.watershed(img,markers)
     
    
   

    

     

    
    

     

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

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      plt.imshow(img)
     
    
   

    

     

    
    

     

      plt.show()
     
    
  
 

原图

输出图

文章来源: drugai.blog.csdn.net，作者：DrugAI，版权归原作者所有，如需转载，请联系作者。

原文链接：drugai.blog.csdn.net/article/details/103118510