若該文爲原創文章，未經允許不得轉載
原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客導航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/106258388
各位讀者，知識無窮而人力有窮，要麼改需求，要麼找專業人士，要麼自己研究
紅胖子(紅模仿)的博文大全：開發技術集合（包含Qt實用技術、樹莓派、三維、OpenCV、OpenGL、ffmpeg、OSG、單片機、軟硬結合等等）持續更新中…（點擊傳送門）
OpenCV開發專欄（點擊傳送門）
上一篇：《OpenCV開發筆記（五十八）：紅胖子8分鐘帶你深入瞭解圖像的矩（圖文並茂+淺顯易懂+程序源碼）》
下一篇：持續補充中…
前言
紅胖子，來也！
做識別，有時候需求要識別物體，物體在背景上比較雜，但是其邊緣與背景圖相差大，這個時候可以使用分水嶺算法突出兩邊的顏色對比度，從而更好的分割。
Demo
分水嶺算法
概述
分水嶺分割方法，是一種基於拓撲理論的數學形態學的分割方法，其基本思想是把圖像看作是測地學上的拓撲地貌，圖像中每一點像素的灰度值表示該點的海拔高度，每一個局部極小值及其影響區域稱爲集水盆，而集水盆的邊界則形成分水嶺。簡單來說就是根據圖像相鄰的像素差值，分成不同區域，將各區域染成不同顏色，其適合使用者已經可以標記已知對象或背景中的一部分。
&emp;分水嶺的概念和形成可以通過模擬浸入過程來說明。在每一個局部極小值表面，刺穿一個小孔，然後把整個模型慢慢浸入水中，隨着浸入的加深，每一個局部極小值的影響域慢慢向外擴展，在兩個集水盆匯合處構築大壩，即形成分水嶺。
分水嶺的計算過程是一個迭代標註過程。
原理
分水嶺比較經典的計算方法是L. Vincent提出的。在該算法中，分水嶺計算分兩個步驟，一個是排序過程，一個是淹沒過程。首先對每個像素的灰度級進行從低到高排序，然後在從低到高實現淹沒過程中，對每一個局部極小值在h階高度的影響域採用先進先出(FIFO)結構進行判斷及標註。
分水嶺變換得到的是輸入圖像的集水盆圖像，集水盆之間的邊界點，即爲分水嶺。顯然，分水嶺表示的是輸入圖像極大值點。因此，爲得到圖像的邊緣信息，通常把梯度圖像作爲輸入圖像，即
g(x,y)=grad(f(x,y))={[f(x,y)-f(x-1,y)]2[f(x,y)-f(x,y-1)]2}0.5
式中，f(x,y)表示原始圖像，grad{.}表示梯度運算。
分水嶺算法對微弱邊緣具有良好的響應，圖像中的噪聲、物體表面細微的灰度變化，都會產生過度分割的現象。但同時，分水嶺算法對微弱邊緣具有良好的響應，是得到封閉連續邊緣的保證的。
分水嶺函數原型
void watershed(InputArray image, InputOutputArray markers )
- 參數一：lnputArray類型的src，輸入圖像，即源圖像，填Mat類的對象即可，且需爲8位三通道的彩色圖像。
- 參數二：InputOutputArray類型的markers，在執行分水嶺函數watershed之前，必須對該參數進行處理，它應該包含不同區域的輪廓，每個輪廓有一個自己唯一的編號，輪廓的定位可以通過Opencv中findContours方法實現，這個是執行分水嶺之前的要求。
Demo涉及到的相關知識
均值濾波：《OpenCV開發筆記（十五）：算法基礎之線性濾波-均值濾波》
canny邊緣檢測：《OpenCV開發筆記（三十七）：紅胖子8分鐘帶你深入瞭解邊緣檢測和Canny算子邊緣檢測（圖文並茂+淺顯易懂+程序源碼）》
查找與繪製輪廓：《OpenCV開發筆記（四十九）：紅胖子8分鐘帶你深入瞭解輪廓識別（圖文並茂+淺顯易懂+程序源碼）》
Demo源碼
void OpenCVManager::testWatersheed()
{
QString fileName1 =
"E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/5.jpg";
int width = 400;
int height = 300;
cv::Mat srcMat = cv::imread(fileName1.toStdString());
cv::resize(srcMat, srcMat, cv::Size(width, height));
cv::String windowName = _windowTitle.toStdString();
cvui::init(windowName);
cv::Mat windowMat = cv::Mat(cv::Size(srcMat.cols * 2, srcMat.rows * 3),
srcMat.type());
int threshold1 = 200;
int threshold2 = 100;
while(true)
{
windowMat = cv::Scalar(0, 0, 0);
cv::Mat mat;
cv::Mat tempMat;
// 原圖先copy到左邊
mat = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1),
cv::Range(srcMat.cols * 0, srcMat.cols * 1));
cv::addWeighted(mat, 0.0f, srcMat, 1.0f, 0.0f, mat);
{
// 灰度圖
cv::Mat grayMat;
cv::cvtColor(srcMat, grayMat, cv::COLOR_BGR2GRAY);
// copy
mat = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1),
cv::Range(srcMat.cols * 1, srcMat.cols * 2));
cv::Mat grayMat2;
cv::cvtColor(grayMat, grayMat2, cv::COLOR_GRAY2BGR);
cv::addWeighted(mat, 0.0f, grayMat2, 1.0f, 0.0f, mat);
// 均值濾波
cv::blur(grayMat, tempMat, cv::Size(3, 3));
cvui::printf(windowMat, width * 1 + 20, height * 1 + 20, "threshold1");
cvui::trackbar(windowMat, width * 1 + 20, height * 1 + 40, 200, &threshold1, 0, 255);
cvui::printf(windowMat, width * 1 + 20, height * 1 + 100, "threshold2");
cvui::trackbar(windowMat, width * 1 + 20, height * 1 + 120, 200, &threshold2, 0, 255);
// canny邊緣檢測
cv::Canny(tempMat, tempMat, threshold1, threshold2);
// copy
mat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),
cv::Range(srcMat.cols * 0, srcMat.cols * 1));
cv::cvtColor(tempMat, grayMat2, cv::COLOR_GRAY2BGR);
cv::addWeighted(mat, 0.0f, grayMat2, 1.0f, 0.0f, mat);
// 查找輪廓
std::vector<std::vector<cv::Point>> contours;
std::vector<cv::Vec4i> hierarchy;
cv::findContours(tempMat, contours, hierarchy, cv::RETR_CCOMP, cv::CHAIN_APPROX_SIMPLE);
// 繪製輪廓
cv::Mat maskers = cv::Mat::zeros(grayMat.size(), CV_32SC1);
maskers = cv::Scalar::all(0);
cv::Mat tMat = srcMat.clone();
tMat = cv::Scalar(0, 0, 0);
for(int index = 0; index < contours.size(); index++)
{
cv::drawContours(maskers, contours, index, cv::Scalar::all(index+1));
cv::drawContours(tMat, contours, index, cv::Scalar(0, 0, 255));
}
// copy
mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
cv::Range(srcMat.cols * 0, srcMat.cols * 1));
cv::addWeighted(mat, 0.0f, tMat, 1.0f, 0.0f, mat);
// 分水嶺
cv::watershed(srcMat, maskers);
cv::Mat watershedImage(maskers.size(), CV_8UC3) ;
for(int i = 0 ; i < maskers.rows ; i++ )
{
for(int j = 0 ; j < maskers.cols; j++)
{
int index = maskers.at<int>(i, j);
if(index == -1)
{
watershedImage.at<cv::Vec3b>(i, j) = cv::Vec3b(255, 255, 255);
}else if( index <= 0 || index > contours.size() )
{
watershedImage.at<cv::Vec3b>(i, j) = cv::Vec3b(0, 0, 0);
}else
{
watershedImage.at<cv::Vec3b>(i, j) = cv::Vec3b((index - 5 > 0 ? 0 : index % 5) * 50,
(index - 5 > 0 ? index - 5 : 0) % 5 * 50,
(index - 10 > 0 ? index - 10 : 0) % 5 * 50);
}
// 混合灰皮圖和 分水嶺效果 圖 並顯 示最終的窗 口
}
}
// copy
mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
cv::Range(srcMat.cols * 1, srcMat.cols * 2));
cv::addWeighted(mat, 0.0f, watershedImage, 1.0f, 0.0f, mat);
}
// 更新
cvui::update();
// 顯示
cv::imshow(windowName, windowMat);
// esc鍵退出
if(cv::waitKey(25) == 27)
{
break;
}
}
}
工程模板：對應版本號v1.53.0
對應版本號v1.53.0
上一篇：《OpenCV開發筆記（五十八）：紅胖子8分鐘帶你深入瞭解圖像的矩（圖文並茂+淺顯易懂+程序源碼）》
下一篇：持續補充中…
原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客導航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/106258388