opencv::基于距离变换与分水岭的图像分割
作者:互联网
什么是图像分割 图像分割(Image Segmentation)是图像处理最重要的处理手段之一 图像分割的目标是将图像中像素根据一定的规则分为若干(N)个cluster集合,每个集合包含一类像素。 根据算法分为监督学习方法和无监督学习方法,图像分割的算法多数都是无监督学习方法 - KMeans 距离变换常见算法有两种 - 不断膨胀/腐蚀得到 - 基于倒角距离 分水岭变换常见的算法 - 基于浸泡理论实现
cv::distanceTransform( InputArray src, OutputArray dst, OutputArray labels, //离散维诺图输出 int distanceType, // DIST_L1/DIST_L2, int maskSize, // 3x3,最新的支持5x5,推荐3x3、 int labelType=DIST_LABEL_CCOMP //dst输出8位或者32位的浮点数,单一通道,大小与输入图像一致 ) cv::watershed( InputArray image, InputOutputArray markers )
处理流程 1. 将白色背景变成黑色-目的是为后面的变换做准备 2. 使用filter2D与拉普拉斯算子实现图像对比度提高,sharp 3. 转为二值图像通过threshold 4. 距离变换 5. 对距离变换结果进行归一化到[0~1]之间 6. 使用阈值,再次二值化,得到标记 7. 腐蚀得到每个Peak - erode 8. 发现轮廓 – findContours 9. 绘制轮廓- drawContours 10. 分水岭变换 watershed 11. 对每个分割区域着色输出结果
标签:分割,DIST,变换,算法,opencv,int,图像,分水岭 来源: https://www.cnblogs.com/osbreak/p/11505002.html