目标分割算法之分水岭算法

分水岭算法

1.经典算法原理及实现

传统的目标分割算法主要分为两种
1.基于像素相似性：阈值分割、k-means分割
2.基于像素邻域关系：区域生长、分水岭、基于标记+分水岭

分水岭算法原理
如图中展现了凹凸不平的地貌，视觉上明显的位置有盆地及丘陵，用一维曲线讲对应波峰与波谷，向盆地注水，水会顺这地势先注入地势最低的波谷，然后随着水势升高再注入高一级的波谷，为了保证先注满第一个波谷，需要在右侧波峰出修建大坝，随后依次分水岭注满。
在图像中，地貌对应整个图像的背景，地势对应图像像素点大小。
在这里插入图片描述
分水岭算法整个过程：
1.把梯度图像中的所有像素按照灰度值进行分类，并设定一个测地距离阈值。
2.找到灰度值最小的像素点（默认标记为灰度值最低点），让threshold从最小值开始增长，这些点为起始点。
3.水平面在增长的过程中，会碰到周围的邻域像素，测量这些像素到起始点（灰度值最低点）的测地距离，如果小于设定阈值，则将这些像素淹没，否则在这些像素上设置大坝，这样就对这些邻域像素进行了分类。
4.随着水平面越来越高，会设置更多更高的大坝，直到灰度值的最大值，所有区域都在分水岭线上相遇，这些大坝就对整个图像像素的进行了分区。
在这里插入图片描述
用上面的算法对图像进行分水岭运算，由于噪声点或其它因素的干扰，可能会得到密密麻麻的小区域，即图像被分得太细（over-segmented，过度分割），这因为图像中有非常多的局部极小值点，每个点都会自成一个小区域。

其中的解决方法：

对图像进行高斯平滑操作，抹除很多小的最小值，这些小分区就会合并。
不从最小值开始增长，可以将相对较高的灰度值像素作为起始点（需要用户手动标记），从标记处开始进行淹没，则很多小区域都会被合并为一个区域，这被称为基于图像标记(mark)的分水岭算法。

opencv 函数

void watershed( InputArray image, InputOutputArray markers );

分割流程总结：
step1: 图像灰度化、滤波、Canny边缘检测
step2:查找轮廓，并且把轮廓信息按照不同的编号绘制到watershed的第二个入参merkers上，相当于标记注水点。
step3:watershed分水岭运算
step4:绘制分割出来的区域，视觉控还可以使用随机颜色填充，或者跟原始图像融合以下，以得到更好的显示效果。

/**
*定义一个使用分水岭算法的辅助类
*/
class WatershedSegmenter{
{
private:Mat markers;
public:void setMarkers(Mat&markerImage){markerImage.convertTo(markers,CV_32S);}Mat process(Mat&image){watershed(image,markers);markers.convertTo(markers,CV_8U);return markes;;}
};//接受一个参数，显示结果
void watershedSegment (Mat img){Mat gray(img.rows, img.cols,CV_8UC1);cvtColor(img, gray, CV_BGR2GRAY);	//转换为8-bit，3通道的灰度图Mat binary = Mat::zeros(gray.rows, gray.cols, CV_8UC1);adaptiveThreshold(gray, binary, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY_INV, 5, 10);		//将灰度图转换为二值图Mat markers = Mat::zeros(gray.rows, gray.cols, CV_8UC1);//使用findContour()函数找出图像的轮廓vector<vector<Point> > contours;vector<Vec4i> hierarchy;findContours(binary, contours, hierarchy, CV_RETR_LIST, CV_CHAIN_APPROX_NONE);//将contours结果放入到markers中，便于访问int idx = 0;for( ; idx >= 0; idx = hierarchy[idx][0]){Scalar color(rand()&255, rand()&255, rand()&255);drawContours(markers, contours, idx, color, CV_FILLED, 8, hierarchy);}//调用分水岭算法分割图像WatershedSegmenter segmenter;segmenter.setMarkers(markers);cv::Mat result = segmenter.process(img);//显示分割结果namedWindow("segmentation_result", 0);imshow("segmentation_result", result);
}

2.分水岭算法C++实现

实现效果：
opencv结果
在这里插入图片描述
c++实现效果

#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/objdetect/objdetect.hpp>
#include <opencv2/highgui/highgui.hpp>
#include<vector>
#include<iostream>
#include<queue>
#include<fstream>
cv::Mat marker_mask;
cv::Mat g_markers;
cv::Mat img0, img, img_gray,wshed;
cv::Point_<int> prev_pt(-1,-1);
using std::vector;
using std::queue;
static void my_watershed(cv::Mat img,cv::Mat& markers,int comp_count);
static void mouse_event(int event,int x, int y,int flags, void*)
{if(img.rows==0)return;if(event==CV_EVENT_LBUTTONUP||!(flags&CV_EVENT_FLAG_LBUTTON))prev_pt=cv::Point_<int>(-1,-1);else if(event==CV_EVENT_LBUTTONDOWN)prev_pt=cv::Point2i(x,y);else if(event==CV_EVENT_MOUSEMOVE&&(flags&CV_EVENT_FLAG_LBUTTON)){cv::Point2i pt(x,y);if(prev_pt.x<0)prev_pt=pt;cv::line(marker_mask,prev_pt,pt,cv::Scalar(255,255,255),1,8,0);cv::line(img,prev_pt,pt,cv::Scalar(255,255,255),1,8,0);prev_pt=pt;cv::imshow("image",img);}
}
int main()
{img0=cv::imread("Lenna.png",1);img=img0.clone();CvRNG rng = cvRNG(-1); img_gray=img0.clone();wshed=img0.clone();marker_mask=cv::Mat(cv::Size(img0.cols,img0.rows),8,1);g_markers=cv::Mat(cv::Size(img0.cols,img0.rows),CV_32S,1);cv::cvtColor(img,marker_mask,CV_BGR2GRAY);cv::cvtColor(marker_mask,img_gray,CV_GRAY2BGR);for(int i=0;i<marker_mask.rows;i++)for(int j=0;j<marker_mask.cols;j++)marker_mask.at<unsigned char>(i,j)=0;for(int i=0;i<g_markers.rows;i++)for(int j=0;j<g_markers.cols;j++)g_markers.at<int>(i,j)=0;cv::imshow("image",img);cv::imshow("watershed transform",wshed);cv::setMouseCallback("image",mouse_event,0);for(;;){int c=cv::waitKey(0);if((char)c==27)break;if((char)c=='r'){for(int i=0;i<marker_mask.rows;i++)for(int j=0;j<marker_mask.cols;j++)marker_mask.at<unsigned char>(i,j)=0;img0.copyTo(img);cv::imshow("image",img);}if((char)c=='w'||(char)c==' '){vector<vector<cv::Point>> contours;CvMat* color_tab=0;int comp_count=0;cv::findContours(marker_mask,contours,CV_RETR_CCOMP,CV_CHAIN_APPROX_SIMPLE,cv::Point(0,0));for(int i=0;i<g_markers.rows;i++)for(int j=0;j<g_markers.cols;j++)g_markers.at<int>(i,j)=0;vector<vector<cv::Point> >::iterator iter=contours.begin();for(int i=0;i<(int)contours.size();i++){cv::drawContours(g_markers,contours,i,cv::Scalar::all(comp_count+1),1,8,vector<cv::Vec4i>());comp_count++;}if(comp_count==0)continue;color_tab=cvCreateMat(1,comp_count,CV_8UC3);for(int i=0;i<comp_count;i++){uchar* ptr=color_tab->data.ptr+i*3;ptr[0]=(uchar)(cvRandInt(&rng)%180+50);ptr[1]=(uchar)(cvRandInt(&rng)%180+50);ptr[2]=(uchar)(cvRandInt(&rng)%180+50);}cv::Mat temp=g_markers.clone();double t=(double)cvGetTickCount();//my_watershed(img0,g_markers,comp_count);cv::watershed(img0,g_markers);t=(double)cvGetTickCount()-t;std::cout<<"exec time= "<<t/(cvGetTickFrequency()*1000.)<<std::endl;for(int i=0;i<g_markers.rows;i++)for(int j=0;j<g_markers.cols;j++){int idx=g_markers.at<int>(i,j);uchar* dst=&wshed.at<uchar>(i,j*3);if(idx==-1)dst[0]=dst[1]=dst[2]=(uchar)255;else if(idx<=0||idx>comp_count)dst[0]=dst[1]=dst[2]=(uchar)8;else{uchar* ptr=color_tab->data.ptr+(idx-1)*3;dst[0]=ptr[0];dst[1]=ptr[1];dst[2]=ptr[2];}}cv::addWeighted(wshed,0.5,img_gray,0.5,0,wshed);cv::imshow("watershed transform",wshed);cvReleaseMat(&color_tab);}}return 0;
}
static void my_watershed(cv::Mat img0,cv::Mat& markers,int comp_count)
{cv::Mat gray=cv::Mat(cv::Size(img0.rows,img0.cols),8,1);cv::cvtColor(img0,gray,CV_BGR2GRAY);cv::Mat imge=cv::Mat(cv::Size(img0.rows,img0.cols),8,1);cv::Sobel(gray,imge,CV_8U,1,1);vector<queue<cv::Point2i>*>Labeleddata;//图像中各连通区域的点queue<cv::Point2i>* pque;//某连通区域已包含的点queue<cv::Point2i> quetem; //用于提取某连通区域中输入种子点中的初始种子点vector<int*> SeedCounts;int* Array;cv:: Point2i temp;int row=imge.rows,col=imge.cols;cv::Mat marker_saved=markers.clone();bool up,down,right,left,uplef,uprig,downlef,downrig;int m,n;for(int i=0;i<comp_count;i++){Array=new int[256];SeedCounts.push_back(Array);//统计某waterlevel的各个连通区域中种子点的个数pque=new queue<cv::Point2i>[256]; Labeleddata.push_back(pque);//存储该连通区域中种子生长所得的点		}for(int i=0;i<row;i++)for(int j=0;j<col;j++){if(markers.at<int>(i,j)>0){temp.x=i;temp.y=j;quetem.push(temp);int num=markers.at<int>(i,j);markers.at<int>(i,j)=-1;//该点已处理,其他种子点生长时将绕过该点while(!quetem.empty()){up=down=right=left=uplef=uprig=downlef=downrig=false;temp=quetem.front(); //提取出一个点，在该点的八连通区域内寻找可生长点m=temp.x;n=temp.y;quetem.pop();if(m-1>=0)//若上方可生长则添加为新种子{if(markers.at<int>(m-1,n)==num){temp.x=m-1;temp.y=n;quetem.push(temp);markers.at<int>(m-1,n)=-1;}else{up=true;}}if(m-1>=0&&n-1>=0){if(markers.at<int>(m-1,n-1)==num){temp.x=m-1;temp.y=n-1;quetem.push(temp);markers.at<int>(m-1,n-1)=-1;}else{uplef=true;}}if(m+1<=row-1){if(markers.at<int>(m+1,n)==num){temp.x=m+1;temp.y=n;quetem.push(temp);markers.at<int>(m+1,n)=-1;}else{down=true;}}if(m+1<=row-1&&n+1<=col-1){if(markers.at<int>(m+1,n+1)==num){temp.x=m+1;temp.y=n+1;quetem.push(temp);markers.at<int>(m+1,n+1)=-1;}else{downrig=true;}}if(n+1<=col-1){if(markers.at<int>(m,n+1)==num){temp.x=m;temp.y=n+1;quetem.push(temp);markers.at<int>(m,n+1)=-1;}else{right=true;}}if(m-1>=0&&n+1<=col-1){if(markers.at<int>(m-1,n+1)==num){temp.x=m-1;temp.y=n+1;quetem.push(temp);markers.at<int>(m-1,n+1)=-1;}else{uprig=true;}}if(n-1>=0){if(markers.at<int>(m,n-1)==num){temp.x=m;temp.y=n-1;quetem.push(temp);markers.at<int>(m,n-1)=-1;}else{left=true;}}if(m+1<=row-1&&n-1>=0){if(markers.at<int>(m+1,n-1)==num){temp.x=m+1;temp.y=n-1;quetem.push(temp);markers.at<int>(m+1,n-1)=-1;}else{downlef=true;}}//八连通区域中有未标记点，则该点属于初始种子点if(up||down||right||left||uplef||downlef||uprig||downrig){temp.x=m;temp.y=n;Labeleddata[comp_count-1][imge.at<uchar>(m,n)].push(temp);SeedCounts[comp_count-1][imge.at<uchar>(m,n)]++;}}}}bool active;int waterlevel;for(waterlevel=0;waterlevel<180;waterlevel++){active=true;while(active) //当1-count_com个连通区域都无可生长点时结束循环{active=false;for(int i=0;i<comp_count;i++)//将区域i中将waterlevel梯度以下的点用于区域增长{//区域增长，经过多次迭代，直至该区域，该waterlevel无可生长点。if(!Labeleddata[i][waterlevel].empty()){active=true;	//SeedCount中保留了前一轮生长后各区域，各waterlevel的种子点个数，//本轮生长结束后，将根据Labeleddata中的元素个数更新while(SeedCounts[i][waterlevel]>0) {SeedCounts[i][waterlevel]--;temp=Labeleddata[i][waterlevel].front();Labeleddata[i][waterlevel].pop();m=temp.x;n=temp.y;int num=marker_saved.at<int>(m,n);if(m-1>=0){if(!marker_saved.at<int>(m-1,n))//上方点未处理过{temp.x=m-1;temp.y=n;marker_saved.at<int>(m-1,n)=num;if(imge.at<uchar>(m-1,n)<=waterlevel)Labeleddata[i][waterlevel].push(temp);else{//本次生长不处理，可能在waterlevel变化到某值时再用于生长Labeleddata[i][imge.at<uchar>(m-1,n)].push(temp); SeedCounts[i][imge.at<uchar>(m-1,n)]++;}}}if(m+1<=row-1){if(!marker_saved.at<int>(m+1,n)){temp.x=m+1;temp.y=n;marker_saved.at<int>(m+1,n)=num;if(imge.at<uchar>(m+1,n)<=waterlevel)Labeleddata[i][waterlevel].push(temp);else{Labeleddata[i][imge.at<uchar>(m+1,n)].push(temp);SeedCounts[i][imge.at<uchar>(m+1,n)]++;}}}if(n+1<=col-1){if(!marker_saved.at<int>(m,n+1)){temp.x=m;temp.y=n+1;marker_saved.at<int>(m,n+1)=num;if(imge.at<uchar>(m,n+1)<=waterlevel)Labeleddata[i][waterlevel].push(temp);else{Labeleddata[i][imge.at<uchar>(m,n+1)].push(temp);SeedCounts[i][imge.at<uchar>(m,n+1)]++;}}}if(n-1>=0){if(!marker_saved.at<int>(m,n-1)){temp.x=m;temp.y=n-1;marker_saved.at<int>(m,n-1)=num;if(imge.at<uchar>(m,n-1)<=waterlevel)Labeleddata[i][waterlevel].push(temp);else{Labeleddata[i][imge.at<uchar>(m,n-1)].push(temp);SeedCounts[i][imge.at<uchar>(m,n-1)]++;}}}}SeedCounts[i][waterlevel]=Labeleddata[i][waterlevel].size();}}}}markers=marker_saved.clone();
}