学习opencv ,图像分割中分水岭算法的感性认识及cvWatershed例子

cvWatershed例子：

[cpp] view
plaincopy

#include<cv.h>

#include<highgui.h>

#include<iostream>



using namespace std;



IplImage* marker_mask = 0;

IplImage* markers = 0;

IplImage* img0 = 0, *img = 0, *img_gray = 0, *wshed = 0;

CvPoint prev_pt = {-1,-1};

void on_mouse( int event, int x, int y, int flags, void* param )//opencv 会自动给函数传入合适的值

{

if( !img )

return;

if( event == CV_EVENT_LBUTTONUP || !(flags & CV_EVENT_FLAG_LBUTTON) )

prev_pt = cvPoint(-1,-1);

else if( event == CV_EVENT_LBUTTONDOWN )

prev_pt = cvPoint(x,y);

else if( event == CV_EVENT_MOUSEMOVE && (flags & CV_EVENT_FLAG_LBUTTON) )

{

CvPoint pt = cvPoint(x,y);

if( prev_pt.x < 0 )

prev_pt = pt;

cvLine( marker_mask, prev_pt, pt, cvScalarAll(255), 5, 8, 0 );//CvScalar 成员：double val[4] RGBA值A=alpha

cvLine( img, prev_pt, pt, cvScalarAll(255), 5, 8, 0 );

prev_pt = pt;

cvShowImage( "image", img);

}

}



int main( int argc, char** argv )

{

char* filename = argc >= 2 ? argv[1] : (char*)"fruits.jpg";

CvMemStorage* storage = cvCreateMemStorage(0);

CvRNG rng = cvRNG(-1);

if( (img0 = cvLoadImage(filename,1)) == 0 )

return 0;

printf( "Hot keys: \n"

"\tESC - quit the program\n"

"\tr - restore the original image\n"

"\tw or SPACE - run watershed algorithm\n"

"\t\t(before running it, roughly mark the areas on the image)\n"

"\t (before that, roughly outline several markers on the image)\n" );

cvNamedWindow( "image", 1 );

cvNamedWindow( "watershed transform", 1 );

img = cvCloneImage( img0 );

img_gray = cvCloneImage( img0 );

wshed = cvCloneImage( img0 );

marker_mask = cvCreateImage( cvGetSize(img), 8, 1 );

markers = cvCreateImage( cvGetSize(img), IPL_DEPTH_32S, 1 );

cvCvtColor( img, marker_mask, CV_BGR2GRAY );

cvCvtColor( marker_mask, img_gray, CV_GRAY2BGR );//这两句只用将RGB转成3通道的灰度图即R=G=B,用来显示用

cvZero( marker_mask );

cvZero( wshed );

cvShowImage( "image", img );

cvShowImage( "watershed transform", wshed );

cvSetMouseCallback( "image", on_mouse, 0 );

for(;;)

{

int c = cvWaitKey(0);

if( (char)c == 27 )

break;

if( (char)c == 'r' )

{

cvZero( marker_mask );

cvCopy( img0, img );//cvCopy（）也可以这样用，不影响原img0图像，也随时更新

cvShowImage( "image", img );

}

if( (char)c == 'w' || (char)c == ' ' )

{

CvSeq* contours = 0;

CvMat* color_tab = 0;

int i, j, comp_count = 0;



//下面选将标记的图像取得其轮廓, 将每种轮廓用不同的整数表示

//不同的整数使用分水岭算法时，就成为不同的种子点

//算法本来就是以各个不同的种子点为中心扩张

cvClearMemStorage(storage);

cvFindContours( marker_mask, storage, &contours, sizeof(CvContour),

CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE );

cvZero( markers );

for( ; contours != 0; contours = contours->h_next, comp_count++ )

{

cvDrawContours(markers, contours, cvScalarAll(comp_count+1),

cvScalarAll(comp_count+1), -1, -1, 8, cvPoint(0,0) );

}

//cvShowImage("image",markers);

if( comp_count == 0 )

continue;

color_tab = cvCreateMat( 1, comp_count, CV_8UC3 );//创建随机颜色列表

for( i = 0; i < comp_count; i++ )　//不同的整数标记

{

uchar* ptr = color_tab->data.ptr + i*3;

ptr[0] = (uchar)(cvRandInt(&rng)%180 + 50);

ptr[1] = (uchar)(cvRandInt(&rng)%180 + 50);

ptr[2] = (uchar)(cvRandInt(&rng)%180 + 50);

}

{

double t = (double)cvGetTickCount();

cvWatershed( img0, markers );

cvSave("img0.xml",markers);

t = (double)cvGetTickCount() - t;

printf( "exec time = %gms\n", t/(cvGetTickFrequency()*1000.) );

}

// paint the watershed image

for( i = 0; i < markers->height; i++ )

for( j = 0; j < markers->width; j++ )

{

int idx = CV_IMAGE_ELEM( markers, int, i, j );//markers的数据类型为IPL_DEPTH_32S

uchar* dst = &CV_IMAGE_ELEM( wshed, uchar, i, j*3 );//BGR三个通道的数是一起的,故要j*3

if( idx == -1 ) //输出时若为-1，表示各个部分的边界

dst[0] = dst[1] = dst[2] = (uchar)255;

else if( idx <= 0 || idx > comp_count ) //异常情况

dst[0] = dst[1] = dst[2] = (uchar)0; // should not get here

else //正常情况

{

uchar* ptr = color_tab->data.ptr + (idx-1)*3;

dst[0] = ptr[0]; dst[1] = ptr[1]; dst[2] = ptr[2];

}

}

cvAddWeighted( wshed, 0.5, img_gray, 0.5, 0, wshed );//wshed.x.y=0.5*wshed.x.y+0.5*img_gray+0加权融合图像

cvShowImage( "watershed transform", wshed );

cvReleaseMat( &color_tab );

}

}

return 1;

}

运行情况：





同上面分析可看出，因为不相连的标记后，程序在masker中的数值不同

经过分水岭算法后，

不同的标记肯定会在不同的区域中，

例如头发部分，我画了一条线标记　，，　处理后就把头发部分分割了出来　

还比如胳膊那一块，正好也分割出来了

我对算法的感性认识：

opencv中的算法是先把输入图像转化成梯度图（标量）

如果把梯度图看成是一个地形的话，就会发现，梯度高的地方就成了山脉，梯度低的地方就是山谷

我们经过标记为不同的区域后，

就从各个标记的地方注水进去，注入的水越来越多的时候，就会出现把流过低些的山脉，从而流到别的山谷中，那么他们就连一了一片区域。

区域分割的要求是把不同的标记分割成不同的地方。所以如果一直注水，可能就会覆盖别的区域了。这时算法就采取某种方法，修大坝使标记的不同区域不会因为注水而相连

他们会互不相干的扩张领地，直到把整个领地都扩张完为止。

函数输出时，自己的标记扩张出来的区域都用之前标记的值表示，代表一个区域。　不同的值代表不同的区域

区域与区域之间的边界由由值-1表示.

转自http://blog.csdn.net/fdl19881/article/details/6749976