分水岭算法简介

分水岭算法是一种经典的图像分割技术，广泛应用于图像处理领域。它的名称源自地理学中的“分水岭”概念，即在地形中，水从高处流向低处，最终汇聚成河流的过程。在图像分割中，分水岭算法将灰度图像视为地形，将像素值看作海拔高度。该算法模拟水从各个局部最小值（即山谷）向外扩展，最终在山峰相遇处形成分割边界。

分水岭算法的步骤

1. 图像预处理：

   • 首先，对输入图像进行灰度化处理，然后通过高斯模糊等方法进行平滑，减少噪声的影响。

2. 图像二值化：

   • 通过阈值分割，将图像二值化。通常，采用 Otsu 方法自动确定最佳阈值，以确保前景和背景的有效分离。

3. 形态学操作：

   • 使用形态学开运算去除噪点，并通过膨胀操作填补前景中的空洞，以获得较为平滑的背景区域。

4. 确定前景和背景：

   • 应用距离变换技术，确定前景区域。通过对开运算结果进行距离变换，可以计算前景物体到边缘的距离。然后，通过设定阈值分割，得到前景区域。
   • 背景区域通过膨胀操作从前景区域推导出来。

5. 找到未知区域：

   • 通过将背景区域和前景区域相减，得到未知区域。这些区域通常位于前景和背景之间，是分割的关键部分。

6. 标记连通区域：

   • 对确定的前景区域进行连通区域标记，以标识不同的物体。为了避免背景标记为零，通常将所有标记值加 1，然后将未知区域标记为 0。

7. 应用分水岭算法：

   • 最后，应用分水岭算法，通过不断扩展标记区域，最终在不同物体之间形成分割边界。

     

代码实现

以下是使用分水岭算法进行图像分割的完整代码示例：

import cv2
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties

# 设置字体为黑体，避免中文显示乱码
font = FontProperties(fname="C:/Windows/Fonts/simhei.ttf", size=12)

# 读取图像
image = cv2.imread('yibgbi.png')  # 将路径替换为你的图像路径
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)  # 转换为灰度图像
blurred = cv2.GaussianBlur(gray, (5, 5), 0)  # 应用高斯模糊，平滑图像

# 二值化图像（使用Otsu方法进行阈值分割）
_, binary = cv2.threshold(blurred, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

# 形态学操作去噪点和填补空洞
kernel = np.ones((3, 3), np.uint8)  # 定义3x3的卷积核
opening = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel, iterations=3)  # 开运算去除噪点

# 确定背景区域（膨胀操作）
sure_bg = cv2.dilate(opening, kernel, iterations=3)  # 膨胀操作填补空洞，得到确定的背景

# 确定前景区域（距离变换和阈值分割）
dist_transform = cv2.distanceTransform(opening, cv2.DIST_L2, 5)  # 距离变换
_, sure_fg = cv2.threshold(dist_transform, 0.1 * dist_transform.max(), 255, 0)  # 阈值分割得到确定的前景区域
sure_fg = np.uint8(sure_fg)  # 转换为8位整型

# 找到未知区域
unknown = cv2.subtract(sure_bg, sure_fg)  # 背景减去前景得到未知区域

# 标记连通区域
_, markers = cv2.connectedComponents(sure_fg)  # 连通组件标记

# 所有标记加一，确保背景不是0
markers = markers + 1

# 将未知区域标记为0
markers[unknown == 255] = 0

# 应用分水岭算法
markers = cv2.watershed(image, markers)
image[markers == -1] = [255, 0, 0]  # 用红色标记分割边界

# 绘制结果
plt.figure(figsize=(14, 12))

plt.subplot(2, 4, 1)
plt.title("原始图像", fontproperties=font)
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))

plt.subplot(2, 4, 2)
plt.title("二值化图像", fontproperties=font)
plt.imshow(binary, cmap='gray')

plt.subplot(2, 4, 3)
plt.title("开运算去噪点", fontproperties=font)
plt.imshow(opening, cmap='gray')

plt.subplot(2, 4, 4)
plt.title("确定的背景", fontproperties=font)
plt.imshow(sure_bg, cmap='gray')

plt.subplot(2, 4, 5)
plt.title("确定的前景", fontproperties=font)
plt.imshow(sure_fg, cmap='gray')

plt.subplot(2, 4, 6)
plt.title("未知区域", fontproperties=font)
plt.imshow(unknown, cmap='gray')

plt.subplot(2, 4, 7)
plt.title("距离变换", fontproperties=font)
plt.imshow(dist_transform, cmap='gray')

plt.subplot(2, 4, 8)
plt.title("分水岭分割结果", fontproperties=font)
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))

plt.show()