數(shù)字圖像的分水嶺分割算法(Python版)

最近學(xué)習(xí)了數(shù)字圖像的分水嶺分割算法,來總結(jié)一下。分水嶺分割算法的詳解這篇文章寫的不錯(cuò)鹏氧。

網(wǎng)址如下:https://zhuanlan.zhihu.com/p/67741538

接下來對(duì)圖1進(jìn)行分水嶺分割

圖1? ?原始圖像

第一步:讀取圖片并使用大津法對(duì)圖像進(jìn)行二值化分割,得到的圖向如下圖所示。

input_image = cv2.imread('E:\\ImageData\\coins.png')?

gray = cv2.cvtColor(input_image,cv2.COLOR_BGR2GRAY)

?ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY|cv2.THRESH_OTSU)?


第二步:使用形態(tài)學(xué)操作延窜,確定前景區(qū)域和背景區(qū)域

# noise removal

kernel = np.ones((3,3),np.uint8)

opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel, iterations = 2) # 形態(tài)開運(yùn)算

# sure background area

sure_bg = cv2.dilate(opening,kernel,iterations=3) #背景

# Finding sure foreground area

dist_transform = cv2.distanceTransform(opening,cv2.DIST_L2,5) #距離變換

ret, sure_fg = cv2.threshold(dist_transform,0.7*dist_transform.max(),255,0)


第三步:使用形態(tài)學(xué)操作,確定未知區(qū)域抹锄。

# 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


第四步:使用分水嶺分割方法逆瑞,其中,watershed的輸入圖像中伙单,0代表未知區(qū)域获高,其它為非零整數(shù),如1吻育,2念秧,3...

放回邊界為-1.

markers = cv2.watershed(input_image,markers)

input_image[markers == -1] = [255,0,0]


完整代碼如下:

import numpy as np

import cv2

from matplotlib import pyplot as plt

input_image = cv2.imread('E:\\ImageData\\coins.png')

gray = cv2.cvtColor(input_image,cv2.COLOR_BGR2GRAY)

ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY|cv2.THRESH_OTSU)

# noise removal

kernel = np.ones((3,3),np.uint8)

opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel, iterations = 2) # 形態(tài)開運(yùn)算

# 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(input_image,markers)

input_image[markers == -1] = [255,0,0]

plt.subplot(241), plt.imshow(gray),

plt.title('Original'), plt.axis('off')

plt.subplot(242), plt.imshow(thresh, cmap='gray'),

plt.title('Threshold'), plt.axis('off')

plt.subplot(243), plt.imshow(sure_bg, cmap='gray'),

plt.title('sure_bg'), plt.axis('off')

plt.subplot(244), plt.imshow(dist_transform, cmap='gray'),

plt.title('Dist Transform'), plt.axis('off')

plt.subplot(245), plt.imshow(sure_fg, cmap='gray'),

plt.title('sure_fg'), plt.axis('off')

plt.subplot(246), plt.imshow(unknown, cmap='gray'),

plt.title('Unknow'), plt.axis('off')

plt.subplot(247), plt.imshow(np.abs(markers), cmap='jet'),

plt.title('Markers'), plt.axis('off')

plt.show()

cv2.imshow('img',input_image)

cv2.waitKey(0)

cv2.destroyAllWindows()


結(jié)果如下所示:



最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市布疼,隨后出現(xiàn)的幾起案子摊趾,更是在濱河造成了極大的恐慌,老刑警劉巖游两,帶你破解...
    沈念sama閱讀 218,451評(píng)論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件砾层,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡贱案,警方通過查閱死者的電腦和手機(jī)肛炮,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,172評(píng)論 3 394
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來宝踪,“玉大人侨糟,你說我怎么就攤上這事〈裨铮” “怎么了秕重?”我有些...
    開封第一講書人閱讀 164,782評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)厉膀。 經(jīng)常有香客問我悲幅,道長(zhǎng),這世上最難降的妖魔是什么站蝠? 我笑而不...
    開封第一講書人閱讀 58,709評(píng)論 1 294
  • 正文 為了忘掉前任汰具,我火速辦了婚禮,結(jié)果婚禮上菱魔,老公的妹妹穿的比我還像新娘留荔。我一直安慰自己,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,733評(píng)論 6 392
  • 文/花漫 我一把揭開白布聚蝶。 她就那樣靜靜地躺著杰妓,像睡著了一般。 火紅的嫁衣襯著肌膚如雪碘勉。 梳的紋絲不亂的頭發(fā)上巷挥,一...
    開封第一講書人閱讀 51,578評(píng)論 1 305
  • 那天,我揣著相機(jī)與錄音验靡,去河邊找鬼倍宾。 笑死,一個(gè)胖子當(dāng)著我的面吹牛胜嗓,可吹牛的內(nèi)容都是我干的高职。 我是一名探鬼主播,決...
    沈念sama閱讀 40,320評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼辞州,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼怔锌!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起变过,我...
    開封第一講書人閱讀 39,241評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤埃元,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后媚狰,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體岛杀,經(jīng)...
    沈念sama閱讀 45,686評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,878評(píng)論 3 336
  • 正文 我和宋清朗相戀三年哈雏,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了楞件。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片衫生。...
    茶點(diǎn)故事閱讀 39,992評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡裳瘪,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出罪针,到底是詐尸還是另有隱情彭羹,我是刑警寧澤,帶...
    沈念sama閱讀 35,715評(píng)論 5 346
  • 正文 年R本政府宣布泪酱,位于F島的核電站派殷,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏墓阀。R本人自食惡果不足惜毡惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,336評(píng)論 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望斯撮。 院中可真熱鬧经伙,春花似錦、人聲如沸勿锅。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,912評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至垮刹,卻和暖如春达吞,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背荒典。 一陣腳步聲響...
    開封第一講書人閱讀 33,040評(píng)論 1 270
  • 我被黑心中介騙來泰國打工酪劫, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人种蝶。 一個(gè)月前我還...
    沈念sama閱讀 48,173評(píng)論 3 370
  • 正文 我出身青樓契耿,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國和親螃征。 傳聞我的和親對(duì)象是個(gè)殘疾皇子搪桂,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,947評(píng)論 2 355