20180917【图像分水岭算法原理和代码】

原理的理解上：

       灰度图像类比成三维地势图：我们向每个山谷中灌入不同颜色的水，随着水位的升高，不同山谷的水就会相遇并且汇合，为了防止不同山谷的水汇合，我们需要在水即将汇合的部分建起堤坝。不停地灌水，就要不停的构筑堤坝，直到所有的山峰都被水淹没。这个时候，我们构筑的堤坝就是对图像的分割！

代码分析：

                                                 

先从找到硬币的近似估计开始。使用Otsy‘s二值化：

# -*- coding: utf-8 -*-
"""
Created on Sun Jan 19 12:10:49 2014
@author: duan
"""
import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread('water_coins.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  将图像从彩色变换为灰度图像

ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

cv2.THRESH_BINARY_INV：低于该阈值的像素值，转换为255

（图像阈值在P66）使用的方法是阈值处理，将灰度图变换为二值图

cv2.threshold(灰度图像，阈值，参数3，使用的不同观点阈值确定方法)

其中参数3是：当像素值高于（有时候是低于）阈值时候，应该被赋予的新的像素值

那么在断码段中，使用阈值确定方法为otsu方法（多阈值），因此要将初始的阈值设置为0。

函数的返回值里，第一个ret是最优阈值，明显在其他方法中并不需要使用这个值，thresh是结果图像。

结果图像如下：

              

现在要去掉图像中的白噪声：开运算=腐蚀+膨胀

所以我们现在知道靠近对象中心的区域肯定是前景，而远离对象中心的区域肯定是背景。如图：

              

# 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
# 距离变换的基本含义是计算一个图像中非零像素点到最近的零像素点的距离，也就是到零像素点的最短距离
# 个最常见的距离变换算法就是通过连续的腐蚀操作来实现，腐蚀操作的停止条件是所有前景像素都被完全
# 腐蚀。这样根据腐蚀的先后顺序，我们就得到各个前景像素点到前景中心􅑗􂅥像素点的
# 距离。根据各个像素点的距离值，设置为不同的灰度值。这样就完成了二值图像的距离变换
#cv2.distanceTransform(src, distanceType, maskSize)
# 第二个参数0,1,2 分别表示CV_DIST_L1, CV_DIST_L2 , CV_DIST_C
dist_transform = cv2.distanceTransform(opening,1,5)
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)

有关距离变换的讲解，参考：https://blog.csdn.net/qq_18234121/article/details/82754187

得到下面经过距离变换以后的图：

                       

现在知道了那些是背景那些是硬币了。那我们就可以创建标签（一个与原图像大小相同，数据类型为in32 的数组），并标记其中的区域了。对我们已经确定分类的区域（无论是前景还是背景）使用不同的正整数标记，对我们不确定的区域使用0 标记。我们可以使用函数cv2.connectedComponents()来做这件事。它会把将背景标记为0，其他的对象使用从1 开始的正整数标记。但是，我们知道如果背景标记为0，那分水岭算法就会把它当成未知区域了。所以我们想使用不同的整数标记它们。而对不确定的区域（函数cv2.connectedComponents 输出的结果中使用unknown 定义未知区域）标记为0。

# Marker labelling
ret, markers1 = cv2.connectedComponents(sure_fg)
# Add one to all labels so that sure background is not 0, but 1
markers = markers1+1
# Now, mark the region of unknown with zero
markers[unknown==255] = 0

结果使用JET 颜色地图表示。深蓝色区域为未知区域。肯定是硬币的区域使用不同的颜色标记。其余区域就是用浅蓝色标记的背景了。现在标签准备好了。到最后一步：实施分水岭算法了。标签图像将会被修改，边界区域的标记将变为-1.

markers3 = cv2.watershed(img,markers)
img[markers3 == -1] = [255,0,0]

结果如下。有些硬币的边界被分割的很好，也有一些硬币之间的边界分割的不好。