如何用OpenCV实现图像分割中的分水岭算法？

本文共计1847个文字，预计阅读时间需要8分钟。

目标+使用分水岭算法基于仿射变换的图像分割+学习函数：cv2.watershed() + 原理+任何一幅一阶灰度图像都可以被看作是折叠成平面，灰度值高的区域看作是山峰，灰度值低的区域看作是山谷。

目标

• 使用分水岭算法基于掩模的图像分割
• 学习函数： cv2.watershed()

原理

  任何一幅灰度图像都可以被看成拓扑平面，灰度值高的区域可以被看成是山峰，灰度值低的区域可以被看成是山谷。我们向每一个山谷中灌不同颜色的水，随着水的位的升高，不同山谷的水就会相遇汇合，为了防止不同山谷的水汇合，我们需要在水汇合的地方构建起堤坝。不停的灌水，不停的构建堤坝直到所有的山峰都被水淹没。我们构建好的堤坝就是对图像的分割。这就是分水岭算法的背后哲理。
  但是这种方法通常都会得到过度分割的结果，这是由噪声或者图像中其他不规律的因素造成的。为了减少这种影响， OpenCV 采用了基于掩模的分水岭算法，在这种算法中我们要设置哪些山谷点会汇合，哪些不会，这是一种交互式的图像分割。我们要做的就是给我们已知的对象打上不同的标签。如果某个
区域肯定是前景或对象，就使用某个颜色（或灰度值）标签标记它。如果某个区域肯定不是对象而是背景就使用另外一个颜色标签标记。而剩下的不能确定是前景还是背景的区域就用 0 标记。这就是我们的标签。然后实施分水岭算法。每一次灌水，我们的标签就会被更新，当两个不同颜色的标签相遇时就构建堤
坝，直到将所有山峰淹没，最后我们得到的边界对象（堤坝）的值为 -1。