本文共 2102 字，大约阅读时间需要 7 分钟。

1，概念简介

分水岭算法是在分割的过程中，它会把跟临近像素间的相似性作为重要的参考依据，从而将在空间位置上相近并且灰度值相近（求梯度）的像素点互相连接起来构成一个封闭的轮廓。

分水岭算法常用的操作步骤：彩色图像灰度化，然后再求梯度图，最后在梯度图的基础上进行分水岭算法，求得分段图像的边缘线。

如果图像中的目标物体是连接在一起的，则分割起来会更困难，分水岭分割算法经常用于处理这类问题，通常会取得比较好的效果。分水岭分割算法把图像看成一幅“地形图”，其中亮度比较强的区域像素值较大，而比较暗的区域像素值较小，通过寻找“汇水盆地”和“分水岭界限”，对图像进行分割。

import cv2 as cvimport numpy as npdef watershed_demo():   # print(src.shape)    blurred = cv.pyrMeanShiftFiltering(src, 10, 100) #边缘保留滤波去噪    # gray\binary image    gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY) #转化为灰度图    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU) #二值化    cv.imshow("binary-image", binary)    # morphology operation形态学操作    kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3)) #构造结构    mb = cv.morphologyEx(binary, cv.MORPH_OPEN, kernel, iterations=2) #连续两次开操作（去除图像中的任何小的白噪声）；闭运算（为了去除物体上的小洞）    sure_bg = cv.dilate(mb, kernel, iterations=3)  #连续三次膨胀操作    cv.imshow("mor-opt", sure_bg)    # distance transform    dist = cv.distanceTransform(mb, cv.DIST_L2, 3)#距离变化（提取出我们确信它们是硬币的区域）    dist_output = cv.normalize(dist, 0, 1.0, cv.NORM_MINMAX)#归一化    dist_output1 = np.uint8(dist_output)    ret, surface = cv.threshold(dist, dist.max()*0.6, 255, cv.THRESH_BINARY)    surface_fg = np.uint8(surface)#将float类型转化为uint    cv.imshow("surface-bin", surface_fg)    unknown = cv.subtract(sure_bg, surface_fg)#除种子以外的区域（剩下的区域是我们不知道的区域，无论是硬币还是背景.分水岭算法应该找到它）    ret, markers = cv.connectedComponents(surface_fg)     #求连通区域（创建标记：它是一个与原始图像相同大小的数组，但使用int32数据类型，并对其内部的区域进行标记.）    # watershed transform 分水岭变换    markers = markers + 1 # Add one to all labels so that sure background is not 0, but 1    markers[unknown==255] = 0 #  mark the region of unknown with zero    markers = cv.watershed(src, markers=markers)    src[markers==-1] = [0, 0, 255]#标记    cv.imshow("result", src)src = cv.imread("F:/images/coins.jpg")cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)cv.imshow("input image", src)watershed_demo()cv.waitKey(0)cv.destroyAllWindows()

转载地址：http://jahwi.baihongyu.com/