您现在的位置是：首页 > 其他

当前栏目

Python+Opencv分水岭算法

算法代码

2023-03-02 11:00:20 时间

### 目录 ###

*   *  一、分水岭算法（Watershed）简介
     *  二、分水岭算法实现步骤
     *  三、阈值和轮廓检测硬币分割代码实现与分析
     *  四、分水岭硬币分割代码实现
     *  五、代码效果展示与分析
     *  参考资料
     *  注意事项

## 一、分水岭算法（Watershed）简介 ##

所有的灰度图像都可视为拓扑平面,我们将灰度值高的区域看成山峰,将灰度值低的区域看成山谷,我们向图像上所有的"山谷"中注入不同颜色的水,不断的注水,水位则会不断上升,注入的水将灌满山谷,并可能淹没山峰,为了防止不同颜色的山谷中的水溢出汇合,我们可在汇合的地方筑起堤坝,故可将堤坝看作是对图像的分割后形成的边界。具体的事例如下图所示。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1daWjE4MTkxMTcxNjYx_size_16_color_FFFFFF_t_70_pic_center]

## 二、分水岭算法实现步骤 ##

**步骤1**\-构建梯度图像。  
**步骤2**\-通过一定规则生成n个最初的注水区域（先验知识或局部梯度最小值）。  
**步骤3**\-往注水区域内加水，当两注水区域即将合并时，记录下此时的边界。  
**步骤4**\-当图像边缘彻底被分割成n个独立区域是算法结束。  
具体的实现过程如下图所示：  
![在这里插入图片描述][2019072021453842.gif_pic_center]

## 三、阈值和轮廓检测硬币分割代码实现与分析 ##

# coding=utf-8
    # 导入python包
    from __future__ import print_function
    from skimage.feature import peak_local_max
    from skimage.morphology import watershed
    from scipy import ndimage
    import argparse
    import imutils
    import cv2
    
    # 设置参数并进行参数解析
    ap = argparse.ArgumentParser()
    ap.add_argument("-i", "--image", required=True, help="path to input image")
    args = vars(ap.parse_args())
    
    # 读取图片
    image = cv2.imread(args["image"])
    # 进行mean—shift滤波
    shifted = cv2.pyrMeanShiftFiltering(image, 21, 51)
    cv2.imshow("Input", image)
    
    # 进行图片灰度化处理
    gray = cv2.cvtColor(shifted, cv2.COLOR_BGR2GRAY)
    # 进行阈值分割
    thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
    cv2.imshow("Thresh", thresh)
    
    # 在阈值图片中寻找轮廓
    cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    cnts = imutils.grab_contours(cnts)
    print("[INFO] {} unique contours found".format(len(cnts)))
    
    # 遍历所有的轮廓并依次显示不同的结果
    for (i, c) in enumerate(cnts):
    	((x, y), _) = cv2.minEnclosingCircle(c)
    	cv2.putText(image, "#{}".format(i + 1), (int(x) - 10, int(y)), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 255), 2)
    	cv2.drawContours(image, [c], -1, (0, 255, 0), 2)
    
    # 显示输出结果
    cv2.imshow("Image", image)
    cv2.waitKey(0)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1daWjE4MTkxMTcxNjYx_size_16_color_FFFFFF_t_70_pic_center 1]  
  上图展示了使用阈值和轮廓的分割结果。通过观察上图我们可以发现，阈值分割并不能很好的将硬币区分开来，轮廓检测算法也不能很好的获取所有的硬币的完整轮廓，即这两种思路都不能很好的解决硬币检测问题。

## 四、分水岭硬币分割代码实现 ##

# coding=utf-8
    # 导入相应的python包
    from skimage.feature import peak_local_max
    from skimage.morphology import watershed
    from scipy import ndimage
    import numpy as np
    import argparse
    import imutils
    import cv2
    
    # 设置并解析参数
    ap = argparse.ArgumentParser()
    ap.add_argument("-i", "--image", required=True, help="path to input image")
    args = vars(ap.parse_args())
    
    # 读取图片
    image = cv2.imread(args["image"])
    # 进行mean shift滤波
    shifted = cv2.pyrMeanShiftFiltering(image, 21, 51)
    cv2.imshow("Input", image)
    
    # 进行灰度化处理
    gray = cv2.cvtColor(shifted, cv2.COLOR_BGR2GRAY)
    # 进行阈值分割
    thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
    cv2.imshow("Thresh", thresh)
    
    # 计算从每个二元像素到最近零像素的精确欧几里得距离，然后在距离图中找到峰值
    D = ndimage.distance_transform_edt(thresh)
    localMax = peak_local_max(D, indices=False, min_distance=20, labels=thresh)
    
    # 利用8连通性对局部峰进行连通分量分析，然后应用分水岭算法
    markers = ndimage.label(localMax, structure=np.ones((3, 3)))[0]
    labels = watershed(-D, markers, mask=thresh)
    print("[INFO] {} unique segments found".format(len(np.unique(labels)) - 1))
    
    # 循环显示标签
    for label in np.unique(labels):
    	# 如果该标签为0，则表示其为背景，直接忽略
    	if label == 0:
    		continue
    
    	# 为标签区域分配内存并将在mask上绘制结果
    	mask = np.zeros(gray.shape, dtype="uint8")
    	mask[labels == label] = 255
    
    	# 在mask上检测轮廓并获得最大的一个轮廓
    	cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    	cnts = imutils.grab_contours(cnts)
    	c = max(cnts, key=cv2.contourArea)
    
    	# 画一个圈把物体围起来
    	((x, y), r) = cv2.minEnclosingCircle(c)
    	cv2.circle(image, (int(x), int(y)), int(r), (0, 255, 0), 2)
    	cv2.putText(image, "#{}".format(label), (int(x) - 10, int(y)), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 255), 2)
    
    # 显示最终结果
    cv2.imshow("Output", image)
    cv2.waitKey(0)

**运行方法：python watershed\_segement.py --image 图片 （这里的图片需要更换为自己的图片）**

## 五、代码效果展示与分析 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1daWjE4MTkxMTcxNjYx_size_16_color_FFFFFF_t_70_pic_center 2]  
  上图展示了分水岭硬币分割代码的运行结果。通过观察这些结果，我们可以获得一些信息，即使用分水岭算法可以很好地将具有重叠的硬币分割开来，并自动的对图片中的硬币个数进行统计。

## 参考资料 ##

\[1\] [参考链接][Link 1]

## 注意事项 ##

\[1\] 该博客是本人原创博客，如果您对该博客感兴趣，想要转载该博客，请与我联系（qq邮箱：1575262785@qq.com）,我会在第一时间回复大家，谢谢大家的关注.  
\[2\] 由于个人能力有限，该博客可能存在很多的问题，希望大家能够提出改进意见。  
\[3\] 如果您在阅读本博客时遇到不理解的地方，希望您可以联系我，我会及时的回复您，和您交流想法和意见，谢谢。  
\[4\] 本文测试的图片可以通过该链接进行下载。[网盘链接][Link 2]\-提取码：w2ss。  
\[5\] **本人业余时间承接各种本科毕设设计和各种小项目，包括图像处理（数据挖掘、机器学习、深度学习等）、matlab仿真、python算法及仿真等，有需要的请加QQ：1575262785详聊，备注“项目”！！！**

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1daWjE4MTkxMTcxNjYx_size_16_color_FFFFFF_t_70_pic_center]: /images/20211201/0e616d3c872a414b922002e3d67fbcd5.png
[2019072021453842.gif_pic_center]: /images/20211201/9dbe50e0c621493b9f9fc04d93361876.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1daWjE4MTkxMTcxNjYx_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20211201/28c0a5618b29462ba2605ec23a7ed5e4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1daWjE4MTkxMTcxNjYx_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20211201/28cbbe09bcc548589443a1dffcc4e05a.png
[Link 1]: https://www.pyimagesearch.com/2015/11/02/watershed-opencv/
[Link 2]: https://pan.baidu.com/s/14XoaQBBp4vgMW0GZSnW7zQ

猜你喜欢

最长无重复子串
写技术博客的一些心得分享
Java 多线程（七）：线程池
Java 多线程（五）：锁（三）
Java 多线程（四）：锁（二）
Java 多线程（三）：锁（一）
Java 多线程（二）：并发编程的三大特性
线性时间非比较类排序
Java 多线程（一）：基础
合并k个已排序的链表
HDFS 高可用分布式环境搭建
合并两个有序数组
连续子数组的最大和
HDFS 分布式环境搭建
容器盛水问题
大数加法
HDFS 伪分布式环境搭建
设计LRU缓存结构
两数之和
使用单调栈来解决的一些问题

zl程序教程

当前栏目

Python+Opencv分水岭算法

相关文章