opencv-分水岭算法分割

原理
任何一副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，不停的构建堤坝知道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。
分水岭算法是一种图像分割算法，常用于分割具有重叠目标的图像。它基于数学形态学的理念，将图像看作地形图，水流在图像的低谷（目标边界）聚集，形成分割线。OpenCV 提供了 cv2.watershed() 函数来执行分水岭算法。

基本的语法如下：

cv2.watershed(image, markers)

参数说明：

image: 输入的图像，通常是一个三通道彩色图像。
markers: 标记图像，用于指定分水岭算法的初始标记。标记图像应该是单通道灰度图像，其中不同的标记值表示不同的区域。

cv2.watershed 函数会修改输入图像，将标记图像中的区域分割开，并用不同的颜色标记不同的分割区域。分水岭算法通常用于从预先标记的图像中分割出目标区域。

以下是一个简单的示例，演示如何使用分水岭算法进行图像分割：

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图像
img = cv2.imread(r"C:\Users\mzd\Desktop\opencv\4.jpg")
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 使用阈值分割获取前景区域掩码
_, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
#cv2.threshold 是 OpenCV 中用于图像阈值化的函数。阈值化是一种将图像分割成两个区域的方法，通常用于目标检测、边缘检测等应用。
# 对前景区域进行形态学操作，消除小的噪点
kernel = np.ones((3, 3), np.uint8)
#np.ones 是 NumPy 中的一个函数，用于创建一个指定形状（shape）的数组，并将数组的所有元素初始化为 1
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=2)

# 通过距离变换获取图像的距离变换结果
dist_transform = cv2.distanceTransform(opening, cv2.DIST_L2, 5)
_, sure_fg = cv2.threshold(dist_transform, 0.7 * dist_transform.max(), 255, 0)

# 获取背景区域掩码
sure_bg = cv2.dilate(opening, kernel, iterations=3)

# 标记不确定的区域
sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg, sure_fg)

# 使用连通组件标记不确定区域
_, markers = cv2.connectedComponents(sure_fg)

# 将标记+1作为不确定区域的标记，以避免与已知区域的标记冲突
markers = markers + 1
markers[unknown == 255] = 0  # 不确定区域的标记设为0

# 应用分水岭算法
cv2.watershed(img, markers)

# 将分水岭算法的标记区域设为红色
img[markers == -1] = [255, 0, 0]

# 显示原始图像、阈值分割结果和分水岭算法结果
plt.figure(figsize=(12, 6))

plt.subplot(131), plt.imshow(img_rgb)
plt.title('Original Image'), plt.axis('off')

plt.subplot(132), plt.imshow(thresh, cmap='gray')
plt.title('Thresholded Image'), plt.axis('off')

plt.subplot(133), plt.imshow(img)
plt.title('Watershed Result'), plt.axis('off')

plt.show()