创建项目 | 文件与显示 | 像素操作 | 图像彩色类型转换 | 模糊、平滑、去噪 | 锐化、边缘检测 | 二值化 | 形态学 | 位置变换 | 直方图 | 霍夫变换 | 图像优化 | 图像分割
图像分割是根据图像中各部分的特征，分割出不同的区域，这些区域可能代表了不同的物体。最简单的图像分割是区分出背景和前景。图像分割目前有一些比较成熟的技术，但想不通过一些辅助手段而达到比较好的分割效果，还是有一定难度的。
一、漫水填充
如果用过Photoshop的读者，应该对这项功能很熟悉。先设定一个阈值，然后在图像中的某个区域点一下鼠标，类似这个区域的像素都会被填充为某一颜色。这项功能需要我们指出ROI大概在哪里，还要指出阈值使用多少。示例代码如下：
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：目标点在键盘的Space键里。
二、分水岭算法
分水岭算法要求我们指出图像中的哪些区域是连通的。给定一个跟图像相同大小的矩阵，连通区域使用同一数字表示，例如上图，笔记本区域标记为1，键盘区域标记为2等。这些区域只需要模糊标记（如果我们能准确标记，那就不需要这个算法做什么事了）。
示例代码如下：
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算法利用标记区域的直方图特征，寻找相似的区域。标记区域需要为矩形。
示例代码如下：
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：灰色区域是标记的，白色区域是找出来的线球。
四、Mean-Shift算法
Mean-Shift算法是本文唯一一个不需要事先标记区域的算法。它根据图像颜色空间分布的特征进行分割。
示例代码如下：
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，笔记本和按键能够被分割出来。