基於OpenCvSharp的數字圖像處理 - 圖像分割

創建項目  |  文件與顯示  |  像素操作  |  圖像彩色類型轉換  |  模糊、平滑、去噪  |  銳化、邊緣檢測  |  二值化  |  形態學  |  位置變換  |  直方圖  |  霍夫變換  |  圖像優化  |  圖像分割

完整示例項目

 

圖像分割是根據圖像中各部分的特徵，分割出不同的區域，這些區域可能代表了不同的物體。最簡單的圖像分割是區分出背景和前景。圖像分割目前有一些比較成熟的技術，但想不通過一些輔助手段而達到比較好的分割效果，還是有一定難度的。

一、漫水填充

如果用過Photoshop的讀者，應該對這項功能很熟悉。先設定一個閾值，然後在圖像中的某個區域點一下鼠標，類似這個區域的像素都會被填充爲某一顏色。這項功能需要我們指出ROI大概在哪裏，還要指出閾值使用多少。示例代碼如下：

Mat src = new Mat(img_desk);

Cv2.FloodFill(src, new OpenCvSharp.Point(233, 102), new Scalar(0, 0, 255), out OpenCvSharp.Rect rect, new Scalar(30, 30, 30), new Scalar(30, 30, 30));

src.SaveImage(img_result);

效果如下：

注：目標點在鍵盤的Space鍵裏。

二、分水嶺算法

分水嶺算法要求我們指出圖像中的哪些區域是連通的。給定一個跟圖像相同大小的矩陣，連通區域使用同一數字表示，例如上圖，筆記本區域標記爲1，鍵盤區域標記爲2等。這些區域只需要模糊標記（如果我們能準確標記，那就不需要這個算法做什麼事了）。

示例代碼如下：

Mat src = new Mat(img_desk);

Mat marker = new Mat(src.Rows, src.Cols, MatType.CV_32SC1);
for (int i = 0; i < 154; i++)
{
    for (int j = 0; j < 91; j++)
    {
        marker.Set<int>(40 + j, 45 + i, 1);
    }
}
for (int i = 0; i < 110; i++)
{
    for (int j = 0; j < 234; j++)
    {
        marker.Set<int>(176 + j, 369 + i, 2);
    }
}
for (int i = 0; i < 30; i++)
{
    for (int j = 0; j < 30; j++)
    {
        marker.Set<int>(194 + j, 191 + i, 3);
    }
}

Cv2.Watershed(src, marker);

Mat result = new Mat(marker.Rows, marker.Cols, MatType.CV_8UC3);
for (int i = 0; i < marker.Width; i++)
{
    for (int j = 0; j < marker.Height; j++)
    {
        byte v = marker.Get<byte>(j, i);
        switch (v)
        {
            case 1:
                result.Set<Vec3b>(j, i, new Vec3b(255, 0, 0));
                break;
            case 2:
                result.Set<Vec3b>(j, i, new Vec3b(0, 255, 0));
                break;
            case 3:
                result.Set<Vec3b>(j, i, new Vec3b(0, 0, 255));
                break;
        }
    }
}
result.SaveImage(img_result);

效果如下：

三、Grabcuts算法

Grabcuts算法利用標記區域的直方圖特徵，尋找相似的區域。標記區域需要爲矩形。

示例代碼如下：

Mat src = new Mat(img_desk);

Mat mask = new Mat();
Mat bgdModel = new Mat();
Mat fgdModel = new Mat();
Cv2.GrabCut(src, mask, new OpenCvSharp.Rect(90, 290, 180, 187), bgdModel, fgdModel, 12, GrabCutModes.InitWithRect);

Mat result = new Mat(mask.Rows, mask.Cols, MatType.CV_8UC1);
for (int i = 0; i < mask.Width; i++)
{
    for (int j = 0; j < mask.Height; j++)
    {
        byte v = mask.Get<byte>(j, i);
        switch (v)
        {
            case 0:
                result.Set<byte>(j, i, 0);
                break;
            case 1:
                result.Set<byte>(j, i, 255);
                break;
            case 2:
                result.Set<byte>(j, i, 50);
                break;
            case 3:
                result.Set<byte>(j, i, 200);
                break;
        }
    }
}
result.SaveImage(img_result);

效果如下：

注：灰色區域是標記的，白色區域是找出來的線球。

四、Mean-Shift算法

Mean-Shift算法是本文唯一一個不需要事先標記區域的算法。它根據圖像顏色空間分佈的特徵進行分割。

示例代碼如下：

Mat src = new Mat(img_desk);

Mat result = new Mat();
Cv2.PyrMeanShiftFiltering(src, result, 5, 50);

result.SaveImage(img_result);

效果如下：

注：可以看到，筆記本和按鍵能夠被分割出來。