OpenCV——使用分水岭算法进行图像分割

下面的示例代码主要有这几步：

1. 加载图像并转为灰度，设置一个阈值，将图像分为黑色部分和白色部分。
2. 通过morphologyEx()变换来去除噪声数据。
3. 使用dilate()函数得到大部分都是背景的区域。
4. 使用distanceTransform()函数的到最可能是前景的区域，并应用一个阈值来判断最可能为前景的区域。
5. 前景与背景区域相减得到边界区域。

示例代码如下：

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

img = cv2.imread('basil.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
# noise removal
kernel = np.ones((3, 3), np.uint8)
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=2)

# sure background area
sure_bg = cv2.dilate(opening, kernel, iterations=3)

# Finding sure foreground area
dist_transform = cv2.distanceTransform(opening, cv2.DIST_L2, 5)
ret, sure_fg = cv2.threshold(dist_transform, 0.7 * dist_transform.max(), 255, 0)

# Finding unknown region
sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg, sure_fg)

# Marker labelling
ret, markers = cv2.connectedComponents(sure_fg)

# Add one to all labels so that sure background is not 0, but 1
markers = markers + 1

# Now, mark the region of unknown with zero
markers[unknown == 255] = 0
markers = cv2.watershed(img, markers)
img[markers == -1] = [255, 0, 0]

plt.imshow(img)
plt.show()

原图像basil.jpg为：

运行结果为：

想了解更多关于数字图像处理：数字图像处理专栏