Matlab watershed函数学习(2)

%   2. Compute the distance transform of thecomplement of the binary

%      image.

%

%       D = bwdist(~bw);

%       figure,imshow(D,[],'InitialMagnification','fit')

%       title('Distance transform of ~bw')

2. 计算上述二值图像的补的距离变换

%   3. Complement the distance transform, andforce pixels that don't

%      belong to the objects to be at -Inf.

%

%       D = -D;

%       D(~bw) = -Inf;

3. 计算距离变换的补, 并令不属于两个对象的像素为负无穷.

%   4. Compute the watershed transform, anddisplay the resulting label

%      matrix as an RGB image.

%

%       L = watershed(D);

%       rgb = label2rgb(L,'jet',[.5 .5 .5]);

%       figure,imshow(rgb,'InitialMagnification','fit')

%       title('Watershed transform of D')

4. 计算分水岭变换, 并将标签矩阵显示为RGB图像

如果直接对bw做分水岭变换, 结果如下: 

 

观察watershed函数的代码:

cc =bwconncomp(imregionalmin(A, conn), conn);

L =watershed_meyer(A,conn,cc);

imregionalmin是计算极小值区域, 所谓极小值区域指的是具有相同像素值t的连通区域, 且区域外边界的像素值均大于t.imregionalmin的结果是二值图像, 属于极小值区域的像素值为1, 其它像素值为0.

bwconncomp是寻找二值图像中的连通区域, 并加以区分(标识).

 

因此, 如果直接对bw计算分水岭变换, 初始的最小值区域只有1个(即连通的黑色背景部分), 随着水位的增长必将形成1个区域.

 

以下贴出有更多对比的代码及结果图(注意距离变换的极小值区域两个圆心位置的亮点).

center1 = -10;

center2 = -center1;

dist =sqrt(2*(2*center1)^2);

radius = dist/2 *1.4;

lims =[floor(center1-1.2*radius) ceil(center2+1.2*radius)];

[x,y] =meshgrid(lims(1):lims(2));

bw1 =sqrt((x-center1).^2 + (y-center1).^2) <= radius;

bw2 =sqrt((x-center2).^2 + (y-center2).^2) <= radius;

bw = bw1 | bw2;

figure;

subplot(4, 2, 1);

imshow(bw,'InitialMagnification','fit');

title('原始图像');

 

D = bwdist(~bw);

subplot(4, 2, 2);

imshow(D,[],'InitialMagnification','fit');

title('原始图像的反的距离变换');

 

D =-D; %将会使得两圆圆心像素分别成为极小值区域

D(~bw)= -Inf;%使得背景称为极小值区域

subplot(4, 2, 3);

imshow(D,[],'InitialMagnification','fit');

title('处理后的距离变换');

 

temp_cc =bwconncomp(imregionalmin(bw));

temp_bw = zeros(69,69);

temp_bw =int32(temp_bw);

for obj_no =1:temp_cc.NumObjects;

    temp_bw(temp_cc.PixelIdxList{obj_no}) =obj_no;%为原始二值图像的每个极小值区域赋予相应标签

end

rgb =label2rgb(temp_bw, 'jet', [.5 .5 .5]);

subplot(4, 2, 4);

imshow(rgb,'InitialMagnification','fit');

title('原始图像的所有极小值区域');

 

temp_cc =bwconncomp(imregionalmin(D));

temp_D = zeros(69,69);

temp_D =int32(temp_D);

for obj_no =1:temp_cc.NumObjects;

    temp_D(temp_cc.PixelIdxList{obj_no}) =obj_no;%为处理后的距离变换的每个极小值区域赋予相应标签

end

rgb =label2rgb(temp_D, 'jet', [.5 .5 .5]);

subplot(4, 2, 5);

imshow(rgb,'InitialMagnification','fit');

title('处理后的距离变换的所有极小值区域');

 

L = watershed(bw);

rgb =label2rgb(L,'jet',[.5 .5 .5]);

subplot(4, 2, 6);

imshow(rgb,'InitialMagnification','fit')

title('原始图像的分水岭变换');

 

L = watershed(D);

rgb =label2rgb(L,'jet',[.5 .5 .5]);

subplot(4, 2, 7);

imshow(rgb,'InitialMagnification','fit')

title('处理后的距离变换的的分水岭变换')