分水岭算法可以将图像中的边缘转化成“山脉”，将均匀区域转化为“山谷”，这样有助于分割目标。
分水岭算法是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中的每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明：在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响区域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。
分水岭的计算过程是一个迭代标注过程。分水岭计算分成两个步骤：一个是排序过程，一个是淹没过程。首先对每个像素的灰度级进行从低到高的排序，然后在从低到高实现淹没的过程中，对每一个局部极小值在h阶高度的影响域采用先进先出（FIFO）结构进行判断及标注。分水岭变换得到的是输入图像的集水盆图像，集水盆之间的边界点即为分水岭。显然，分水岭表示的是输入图像的极大值点。
简而言之，分水岭算法首先计算灰度图的梯度，这对图像中的“山谷”或没有纹理的“盆地”（亮度值低的点）的形成是很有效的，也对“山头”或图像中有主导线段的“山脉”（山脊对应的边缘）的形成有效。然后开始从用户指定点（或者算法得到点）开始持续“灌注”盆地直到这些区域连成一片。基于这样产生的标记就可以把区域合并到0一起，合并后的区域又通过聚集的方式进行分割，好像图像被“填充”起来一样。
实现分水岭算法–watershed函数
函数watershed实现的分水岭算法是基于标记的分割算法中的一种。在把图像传给函数之前，需要大致勾画标记出图像中的期望进行分割的区域，它们被标记为正指数，所以，每一个区域都会被标记为像素值1、2、3等，表示成为一个或者多个连接组件，这些标记的值可以使用findContours函数和drawContours函数由二进制的掩码检索出来。这些标记就是即将绘制出来的分割区域的“种子”，而没有标记清楚的区域，被置为0，在函数的输出中，每一个标记中的像素被设置为“种子”的值，而区域间的值被设置为-1。
void watershed(inputArray,intputOutputArray markers)
*第一个参数，输入图像，需为8位三通道的彩色图像。
*第二个参数，函数调用后的运算结果存在这里，输入／输入32位单通道图像的标记结果。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
|
#include<opencv2/imgproc/imgproc.hpp>#include<opencv2/highgui/highgui.hpp>#include<iostream>using namespace cv;using namespace std;//宏定义#define WINDOW_NAME "image[procedure window]"//全局变量声明Mat g_srcImage,g_maskImage;Point prevPt(-1,-1);//全局函数声明static void on_Mouse(int event,int x,int y,int flags,void*);//主函数int main(){ //载入源图像 g_srcImage=imread("/Users/new/Desktop/1.jpg"); if(!g_srcImage.data){printf("读取源图像srcImage错误～！\n");return false;} //显示源图像 imshow(WINDOW_NAME,g_srcImage); Mat srcImage,grayImage; g_srcImage.copyTo(srcImage); //灰度化 cvtColor(srcImage, g_maskImage, COLOR_BGR2GRAY); //imshow("image[mask]",g_maskImage); cvtColor(g_maskImage, grayImage, COLOR_GRAY2BGR); //imshow("image[gray]",grayImage); //掩膜图像初始化为0 g_maskImage=Scalar::all(0); //设置鼠标回调函数 setMouseCallback(WINDOW_NAME, on_Mouse,0); //轮询按键处理 while(1) { //获取键值 int c=waitKey(0); //若按键为ESC时，退出 if((char)c == 27) break; //若按键为2时，恢复原图 if((char)c=='2') { g_maskImage=Scalar::all(0); srcImage.copyTo(g_srcImage); imshow("image",g_srcImage); } //若按键为1,则进行处理 if((char)c=='1') { //定义一些参数 int i,j,compCount=0; vector<vector<Point>>contours; vector<Vec4i> hierarchy; //寻找轮廓 findContours(g_maskImage, contours, hierarchy, CV_RETR_CCOMP, CHAIN_APPROX_SIMPLE); //轮廓为空时的处理 if(contours.empty()) continue; //复制掩膜 Mat maskImage(g_maskImage.size(),CV_32S); maskImage=Scalar::all(0); //循环绘制轮廓 for(int index=0;index>=0;index=hierarchy[index][0],++compCount) drawContours(maskImage, contours, index, Scalar::all(compCount+1),-1,8,hierarchy,INT_MAX); //compCount为零时的处理 if(compCount==0) continue; //生成随机颜色 vector<Vec3b>colorTab; for(int i=0;i<compCount;++i) { int b=theRNG().uniform(0, 255); int g=theRNG().uniform(0, 255); int r=theRNG().uniform(0, 255); colorTab.push_back(Vec3b((uchar)b,(uchar)g,(uchar)r)); } //计算处理时间并输出到窗口中 double dTime=(double)getTickCount(); //进行分水岭算法 watershed(srcImage, maskImage); dTime=(double)getTickCount()-dTime; printf("\t 处理时间=%gms\n",dTime*1000./getTickFrequency()); //双层循环，将分水岭图像遍历存入watershedImage中 Mat watershedImage(maskImage.size(),CV_8UC3); for(i=0;i<maskImage.rows;++i) for(j=0;j<maskImage.cols;++j) { int index=maskImage.at<int>(i,j); if(index==-1) watershedImage.at<Vec3b>(i,j)=Vec3b(255,255,255);//图像变白色 else if(index<=0||index>compCount) watershedImage.at<Vec3b>(i,j)=Vec3b(0,0,0);//图像变黑色 else watershedImage.at<Vec3b>(i,j)=colorTab[index-1]; } //混合灰度图和分水岭效果图并显示最终的窗口 watershedImage=watershedImage*0.5+grayImage*0.5; imshow("image[watershed]",watershedImage); } } return 0;}//回调函数定义void on_Mouse(int event,int x,int y,int flags,void*){ //处理鼠标不在窗口中的情况 if(x<0||x>=g_srcImage.cols||y<0||y>=g_srcImage.rows) return; //处理鼠标左键相关消息 if(event==EVENT_LBUTTONUP||!(flags & EVENT_FLAG_LBUTTON))//按下左键 prevPt=Point(-1,-1); else if(event==EVENT_LBUTTONDOWN)//松开左键 prevPt=Point(x,y);//鼠标所指的位置 //鼠标左键按下并移动，绘制出白色线条 else if(event==EVENT_MOUSEMOVE && (flags & EVENT_FLAG_LBUTTON)) { Point pt(x,y); if(prevPt.x<0)//如果指出去了，返回 prevPt=pt; line(g_maskImage, prevPt, pt, Scalar::all(255),2,8,0);//画白线 line(g_srcImage,prevPt,pt,Scalar::all(255),2,8,0);//画白线 prevPt=pt; imshow(WINDOW_NAME, g_srcImage); }} |
Opencv技巧
（1）计算算法运行时间：
|
1
2
3
4
5
6
|
//计算处理时间并输出到窗口中 double dTime=(double)getTickCount(); //进行分水岭算法 watershed(srcImage, maskImage); dTime=(double)getTickCount()-dTime; printf("\t 处理时间=%gms\n",dTime*1000./getTickFrequency()); |
（2）改变图像某点像素值：Mat类中的at方法对于获取图像矩阵某点的RGB值或者改变某点的值很方便，
|
1
2
3
4
|
对于单通道的图像：image.at<uchar>(i, j)对于RGB通道的图像：image.at<Vec3b>(i, j)[0] image.at<Vec3b>(i, j)[1] image.at<Vec3b>(i, j)[2] |
（3）Point(-1,-1)解析：由于卷积过程，图像矩阵要进行填充，Point(-1,-1)即代表卷积开始的位置，这决定了不填充时的结果A处于填充后结果B的位置的那个部分，从（-1，-1）开始卷积的结果是A处于B的正中间那块位置。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：http://blog.csdn.net/qq_31531635/article/details/73699734
