C++ OpenCV如何實現基于距離變換與分水嶺的圖像分割

C++ OpenCV如何實現基于距離變換與分水嶺的圖像分割

圖像分割是計算機視覺領域中的一個重要任務，它的目標是將圖像劃分為多個具有相似特征的區域?；诰嚯x變換與分水嶺的圖像分割方法是一種常用的圖像分割技術，它結合了距離變換和分水嶺算法的優點，能夠有效地處理復雜的圖像分割問題。本文將詳細介紹如何使用C++和OpenCV實現基于距離變換與分水嶺的圖像分割。

1. 概述

1.1 距離變換

距離變換（Distance Transform）是一種將二值圖像轉換為灰度圖像的技術，其中每個像素的值表示該像素到最近背景像素的距離。距離變換常用于圖像分割、形狀分析和目標識別等任務。

1.2 分水嶺算法

分水嶺算法（Watershed Algorithm）是一種基于拓撲學的圖像分割方法，它將圖像視為地形圖，通過模擬水從高處流向低處的過程來分割圖像。分水嶺算法能夠有效地處理圖像中的重疊區域和復雜邊界。

1.3 基于距離變換與分水嶺的圖像分割

基于距離變換與分水嶺的圖像分割方法首先對圖像進行距離變換，然后利用分水嶺算法對距離變換后的圖像進行分割。這種方法能夠有效地處理圖像中的復雜邊界和重疊區域，具有較高的分割精度。

2. 實現步驟

2.1 環境準備

在開始實現之前，確保你已經安裝了OpenCV庫，并且配置好了C++開發環境。你可以通過以下命令安裝OpenCV：

sudo apt-get install libopencv-dev

2.2 讀取圖像

首先，我們需要讀取待分割的圖像?？梢允褂肙penCV的imread函數來讀取圖像：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main() {
    // 讀取圖像
    Mat image = imread("input_image.jpg");
    if (image.empty()) {
        cout << "Could not open or find the image" << endl;
        return -1;
    }

    // 顯示原始圖像
    imshow("Original Image", image);
    waitKey(0);

    return 0;
}

2.3 圖像預處理

在進行距離變換之前，通常需要對圖像進行一些預處理操作，例如灰度化、二值化和去噪等。以下是一個簡單的預處理步驟：

// 轉換為灰度圖像
Mat gray;
cvtColor(image, gray, COLOR_BGR2GRAY);

// 二值化
Mat binary;
threshold(gray, binary, 0, 255, THRESH_BINARY_INV + THRESH_OTSU);

// 去噪
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
morphologyEx(binary, binary, MORPH_OPEN, kernel, Point(-1, -1), 2);

// 顯示二值化圖像
imshow("Binary Image", binary);
waitKey(0);

2.4 距離變換

接下來，我們對二值化后的圖像進行距離變換?？梢允褂肙penCV的distanceTransform函數來實現：

// 距離變換
Mat dist;
distanceTransform(binary, dist, DIST_L2, 5);

// 歸一化距離變換圖像
normalize(dist, dist, 0, 1.0, NORM_MINMAX);

// 顯示距離變換圖像
imshow("Distance Transform", dist);
waitKey(0);

2.5 標記生成

在進行分水嶺分割之前，需要生成標記圖像。標記圖像中的每個區域都有一個唯一的標簽，背景區域的標簽為0。我們可以通過以下步驟生成標記圖像：

// 二值化距離變換圖像
Mat dist_8u;
dist.convertTo(dist_8u, CV_8U);
threshold(dist_8u, dist_8u, 0.5, 255, THRESH_BINARY);

// 查找輪廓
vector<vector<Point>> contours;
findContours(dist_8u, contours, RETR_EXTERNAL, CHN_APPROX_SIMPLE);

// 創建標記圖像
Mat markers = Mat::zeros(dist.size(), CV_32S);
for (size_t i = 0; i < contours.size(); i++) {
    drawContours(markers, contours, static_cast<int>(i), Scalar(static_cast<int>(i) + 1), -1);
}

// 顯示標記圖像
imshow("Markers", markers * 10000);
waitKey(0);

2.6 分水嶺分割

最后，我們使用分水嶺算法對圖像進行分割?？梢允褂肙penCV的watershed函數來實現：

// 應用分水嶺算法
watershed(image, markers);

// 顯示分割結果
Mat result = image.clone();
for (int i = 0; i < markers.rows; i++) {
    for (int j = 0; j < markers.cols; j++) {
        if (markers.at<int>(i, j) == -1) {
            result.at<Vec3b>(i, j) = Vec3b(0, 0, 255); // 邊界標記為紅色
        }
    }
}

// 顯示分割結果
imshow("Segmentation Result", result);
waitKey(0);

2.7 保存結果

最后，我們可以將分割結果保存到文件中：

// 保存分割結果
imwrite("output_image.jpg", result);

3. 完整代碼

以下是完整的C++代碼實現：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main() {
    // 讀取圖像
    Mat image = imread("input_image.jpg");
    if (image.empty()) {
        cout << "Could not open or find the image" << endl;
        return -1;
    }

    // 顯示原始圖像
    imshow("Original Image", image);
    waitKey(0);

    // 轉換為灰度圖像
    Mat gray;
    cvtColor(image, gray, COLOR_BGR2GRAY);

    // 二值化
    Mat binary;
    threshold(gray, binary, 0, 255, THRESH_BINARY_INV + THRESH_OTSU);

    // 去噪
    Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
    morphologyEx(binary, binary, MORPH_OPEN, kernel, Point(-1, -1), 2);

    // 顯示二值化圖像
    imshow("Binary Image", binary);
    waitKey(0);

    // 距離變換
    Mat dist;
    distanceTransform(binary, dist, DIST_L2, 5);

    // 歸一化距離變換圖像
    normalize(dist, dist, 0, 1.0, NORM_MINMAX);

    // 顯示距離變換圖像
    imshow("Distance Transform", dist);
    waitKey(0);

    // 二值化距離變換圖像
    Mat dist_8u;
    dist.convertTo(dist_8u, CV_8U);
    threshold(dist_8u, dist_8u, 0.5, 255, THRESH_BINARY);

    // 查找輪廓
    vector<vector<Point>> contours;
    findContours(dist_8u, contours, RETR_EXTERNAL, CHN_APPROX_SIMPLE);

    // 創建標記圖像
    Mat markers = Mat::zeros(dist.size(), CV_32S);
    for (size_t i = 0; i < contours.size(); i++) {
        drawContours(markers, contours, static_cast<int>(i), Scalar(static_cast<int>(i) + 1), -1);
    }

    // 顯示標記圖像
    imshow("Markers", markers * 10000);
    waitKey(0);

    // 應用分水嶺算法
    watershed(image, markers);

    // 顯示分割結果
    Mat result = image.clone();
    for (int i = 0; i < markers.rows; i++) {
        for (int j = 0; j < markers.cols; j++) {
            if (markers.at<int>(i, j) == -1) {
                result.at<Vec3b>(i, j) = Vec3b(0, 0, 255); // 邊界標記為紅色
            }
        }
    }

    // 顯示分割結果
    imshow("Segmentation Result", result);
    waitKey(0);

    // 保存分割結果
    imwrite("output_image.jpg", result);

    return 0;
}

4. 總結

本文詳細介紹了如何使用C++和OpenCV實現基于距離變換與分水嶺的圖像分割方法。通過距離變換和分水嶺算法的結合，我們能夠有效地處理復雜的圖像分割問題。希望本文能夠幫助你理解和掌握這一技術，并在實際項目中應用它。