谁可以教我做网站,上海贸易公司有哪些,长沙软件培训机构排名前十,3d动画制作软件手机版1. 分水岭分割方法它是依赖于形态学的#xff0c;图像的灰度等级不一样#xff0c;如果图像的灰度等级一样的情况下怎么人为的把它造成不一样#xff1f;可以通过距离变换实现#xff0c;这样它们的灰度值就有了阶梯状的变换。风水岭算法常见的有三种方法#xff1a;…1. 分水岭分割方法它是依赖于形态学的图像的灰度等级不一样如果图像的灰度等级一样的情况下怎么人为的把它造成不一样可以通过距离变换实现这样它们的灰度值就有了阶梯状的变换。风水岭算法常见的有三种方法1基于浸泡理论的分水岭分割方法2基于连通图方法3基于距离变换的方法。OpenCV 中是基于距离变换的分割方法就相当于我们的小山头认为造成的。 基本的步骤 例子1 粘连对象分离和计数。例子代码#includeopencv2/opencv.hpp
#includeiostream
using namespace std;
using namespace cv;
void test()
{Mat srcImg;srcImg imread(pill_002.png);if (srcImg.empty()){cout could not load image...n endl;}namedWindow(Original image, CV_WINDOW_AUTOSIZE);imshow(Original image, srcImg);Mat grayImg, binaryImg, shiftedImg;//做滤波使图像更加平滑保留边缘,类似于双边滤波pyrMeanShiftFiltering(srcImg, shiftedImg, 21, 51); namedWindow(shifted, CV_WINDOW_AUTOSIZE);imshow(shifted, shiftedImg);cvtColor(shiftedImg, grayImg, COLOR_BGR2GRAY); //转为灰度图像//二值化threshold(grayImg, binaryImg, 0, 255, THRESH_BINARY | THRESH_OTSU); namedWindow(binary, CV_WINDOW_AUTOSIZE);imshow(binary, binaryImg);//距离变换Mat distImg;distanceTransform(binaryImg, distImg, DistanceTypes::DIST_L2, 3, CV_32F);//归一化因为距离变换后得出来的值都比较小。normalize(distImg, distImg, 0, 1, NORM_MINMAX); namedWindow(distance, CV_WINDOW_AUTOSIZE);imshow(distance, distImg);//这个二值化的作用是寻找局部最大。threshold(distImg, distImg, 0.4, 1, THRESH_BINARY);namedWindow(distance_binary, CV_WINDOW_AUTOSIZE);imshow(distance_binary, distImg);//生成 markerMat distMaskImg;// distImg 得到的是 0- 1之间的数转化成8位单通道的。distImg.convertTo(distMaskImg, CV_8U); vectorvectorPointcontours;//找到 marker 的轮廓findContours(distMaskImg, contours, RETR_EXTERNAL,CHAIN_APPROX_SIMPLE, Point(0, 0));//create marker 填充 markerMat markersImg Mat::zeros(srcImg.size(), CV_32SC1);for (int i 0; i contours.size(); i){drawContours(markersImg, contours, static_castint(i),Scalar::all(static_castint(i)1), -1); }circle(markersImg, Point(5, 5), 3, Scalar(255), -1);//形态学操作 - 彩色图像目的是去掉干扰让结果更好。Mat kernel getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));morphologyEx(srcImg, srcImg, MORPH_ERODE, kernel);//完成分水岭变换watershed(srcImg, markersImg);Mat mark Mat::zeros(markersImg.size(), CV_8UC1);markersImg.convertTo(mark, CV_8UC1);bitwise_not(mark, mark, Mat());namedWindow(watershed, CV_WINDOW_AUTOSIZE);imshow(watershed, mark);//下面的步骤可以不做最好做出来让结果显示更美观。//生成随机颜色vectorVec3bcolors;for (int i 0; i contours.size(); i){int r theRNG().uniform(0, 255);int g theRNG().uniform(0, 255);int b theRNG().uniform(0, 255);colors.push_back(Vec3b((uchar)b, (uchar)g, (uchar)r));}//颜色填充和最终显示Mat dstImg Mat::zeros(markersImg.size(), CV_8UC3);int index 0;for (int i 0; i markersImg.rows; i){for (int j 0; j markersImg.cols; j){index markersImg.atint(i, j);if (index 0 index contours.size()){dstImg.atVec3b(i, j) colors[index - 1];}else{dstImg.atVec3b(i, j) Vec3b(0, 0, 0);}}}cout number of objects: contours.size() endl;namedWindow(Final Result, CV_WINDOW_AUTOSIZE);imshow(Final Result, dstImg);
}
int main()
{test();waitKey(0);return 0;
}
效果总结有时候会导致碎片化过度分割因为二值化中如果有很多小的黑点或碎片在分割的时候导致很多 mask 即小山头太多了这个时候我们要考虑怎么去合并它可以通过联通区域的直方图或者像素值均值相似程度等。例子2图像分割#includeopencv2/opencv.hpp
#includeiostream
using namespace std;
using namespace cv;
//执行分水岭算法函数
Mat watershedCluster(Mat srcImg, int numSegments);
//结果显示函数
void DisplaySegments(Mat markersImg, int numSegments);
void test()
{Mat srcImg;srcImg imread(toux.jpg);if (srcImg.empty()){cout could not load image...n endl;}namedWindow(Original image, CV_WINDOW_AUTOSIZE);imshow(Original image, srcImg);int numSegments;Mat markers watershedCluster(srcImg, numSegments);DisplaySegments(markers, numSegments);
}Mat watershedCluster(Mat srcImg, int numSegments)
{//二值化Mat grayImg, binaryImg;cvtColor(srcImg, grayImg, COLOR_BGR2GRAY);threshold(grayImg, binaryImg, 0, 255, THRESH_BINARY | THRESH_OTSU);//形态学和距离变换Mat kernel getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));morphologyEx(binaryImg, binaryImg, MORPH_OPEN, kernel, Point(-1, -1));Mat distImg;distanceTransform(binaryImg, distImg, DistanceTypes::DIST_L2, 3, CV_32F);normalize(distImg, distImg, 0.0, 1.0, NORM_MINMAX);//开始生成标记threshold(distImg, distImg, 0.1, 1.0, THRESH_BINARY);normalize(distImg, distImg, 0, 255, NORM_MINMAX);distImg.convertTo(distImg, CV_8UC1); //CV_32F 转成 CV_8UC1//标记开始vectorvectorPointcontours;vectorVec4ihireachy;findContours(distImg, contours, hireachy, RETR_CCOMP, CHAIN_APPROX_SIMPLE);if (contours.empty()){return Mat();}Mat markersImg(distImg.size(), CV_32S);markersImg Scalar::all(0);for (int i 0; i contours.size(); i){drawContours(markersImg, contours, i, Scalar(i 1), -1, 8, hireachy, INT_MAX);}circle(markersImg, Point(5, 5) ,3, Scalar(255), -1);//分水岭变换watershed(srcImg, markersImg);numSegments contours.size();return markersImg;
}void DisplaySegments(Mat markersImg, int numSegments)
{//生成随机颜色vectorVec3bcolors;for (int i 0; i numSegments; i){int r theRNG().uniform(0, 255);int g theRNG().uniform(0, 255);int b theRNG().uniform(0, 255);colors.push_back(Vec3b((uchar)b, (uchar)g, (uchar)r));}//颜色填充和最终显示Mat dstImg Mat::zeros(markersImg.size(), CV_8UC3);int index 0;for (int i 0; i markersImg.rows; i){for (int j 0; j markersImg.cols; j){index markersImg.atint(i, j);if (index 0 index numSegments){dstImg.atVec3b(i, j) colors[index - 1];}else{dstImg.atVec3b(i, j) Vec3b(255, 255, 255);}}}cout number of objects: numSegments endl;namedWindow(Final Result, CV_WINDOW_AUTOSIZE);imshow(Final Result, dstImg);
}
int main()
{test();waitKey(0);return 0;
}
效果图 2. GrabCut 算法分割图像GrabCut 算法的原理前面有介绍过这里就不在介绍了具体可以看下文章末尾往期推荐中阅读。下面例子实现图像中对象的抠图。基本步骤 例子代码#includeopencv2/opencv.hpp
#includeiostream
using namespace std;
using namespace cv;
int numRun 0; //算法迭代次数
bool init false;
Rect rect;
Mat srcImg, MaskImg, bgModel, fgModel;//鼠标回调函数
void onMouse(int event, int x, int y, int flags, void* param);
void showImg(); //显示画的图片
void setRoiMask(); //选择 ROI 的函数
void runGrabCut(); //执行算法函数
static void ShowHelpText(); //提示用户操作函数void test()
{srcImg imread(toux.jpg);if (srcImg.empty()){cout could not load image...n endl;}namedWindow(Original image, CV_WINDOW_AUTOSIZE);imshow(Original image, srcImg);//初始化 mask,单通道 8 位MaskImg.create(srcImg.size(), CV_8UC1); //在不知道它是前景还是背景的情况下把它全部设为背景。MaskImg.setTo(Scalar::all(GC_BGD)); //结果不是 0 就是 1 GC_BGD为0setMouseCallback(Original image, onMouse, 0);while (true){char c (char)waitKey(0);if (c n) // 按下 n 建开始执行算法{runGrabCut();numRun;showImg();cout current iteative times: numRun endl;}if (c 27){break;}}
}void onMouse(int event, int x, int y, int flags, void* param)
{switch (event){case EVENT_LBUTTONDOWN:rect.x x;rect.y y;rect.width 1;rect.height 1;break;case EVENT_MOUSEMOVE:if (flags EVENT_FLAG_LBUTTON){rect Rect(Point(rect.x, rect.y), Point(x, y));showImg();}break;case EVENT_LBUTTONUP:if (rect.width 1 rect.height 1){showImg();}break;default:break;}
}void showImg()
{Mat result, binMask;binMask.create(MaskImg.size(), CV_8UC1);binMask MaskImg 1;if (init){srcImg.copyTo(result,binMask);}else{srcImg.copyTo(result);}rectangle(result, rect, Scalar(0, 0, 255), 2, 8);namedWindow(Original image, CV_WINDOW_AUTOSIZE);imshow(Original image, result);
}void setRoiMask()
{//GC_BGD 0 明确属于背景的像素//GC_FGD 1 明确属于前景的像素//GC_PR_BGD 2 可能属于背景的像素//GC_PR_FGD 3 可能属于前景的像素MaskImg.setTo(GC_BGD); //为了避免选择越界rect.x max(0, rect.x);rect.y max(0, rect.y);rect.width min(rect.width, srcImg.cols - rect.x);rect.height min(rect.height, srcImg.rows - rect.y);//把我们选取的那一块设为前景MaskImg(rect).setTo(Scalar(GC_PR_FGD));
}void runGrabCut()
{if (rect.width 2 || rect.height 2){return;}if (init){grabCut(srcImg, MaskImg, rect, bgModel, fgModel, 1);}else{grabCut(srcImg, MaskImg, rect, bgModel, fgModel, 1, GC_INIT_WITH_RECT);init true;}
}static void ShowHelpText()
{cout 请先用鼠标在图片窗口中标记出属于前景的区域 endl;cout 然后再按按键【n】启动算法 endl;cout 按键【ESC】- 退出程序 endl;
}int main()
{ShowHelpText();test();waitKey(0);return 0;
}
效果图 欢迎关注我的微信公众号“OpenCV图像处理算法”主要是记录自己学习图像处理算法的历程包括特征提取、目标跟踪、定位、机器学习和深度学习每一个例子都会提供源码和例子所用的资料欢迎同行的同学关注我和我一起虚度光阴吧
