Opencv 分水岭算法C++

OpenCV 中的分水岭算法可以用于图像分割，将图像分成不同的区域。下面是一个基本的 C++ 代码示例：

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

using namespace cv;
using namespace std;

int main()
{
    Mat img = imread("input.png", IMREAD_GRAYSCALE);
    if (img.empty())
    {
        cerr << "Error: Unable to load image!" << endl;
        return -1;
    }

    // 对图像进行二值化处理
    Mat binary;
    threshold(img, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);

    // 进行形态学操作
    Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
    morphologyEx(binary, binary, MORPH_OPEN, kernel);

    // 计算距离变换
    Mat distTransform;
    distanceTransform(binary, distTransform, DIST_L2, 5);

    // 构建标签图像
    Mat labels;
    connectedComponents(distTransform > 3, labels, 8);

    // 将背景标签设为0
    labels = labels + 1;

    // 执行分水岭算法
    watershed(img, labels);

    // 将分割结果可视化
    Mat output = Mat::zeros(img.size(), CV_8UC3);
    for (int i = 0; i < labels.rows; i++)
    {
        for (int j = 0; j < labels.cols; j++)
        {
            int label = labels.at<int>(i, j);
            if (label == -1)
            {
                output.at<Vec3b>(i, j) = Vec3b(0, 0, 255); // 红色
            }
            else if (label > 0 && label <= 2)
            {
                output.at<Vec3b>(i, j) = Vec3b(255, 0, 0); // 蓝色
            }
            else if (label > 2 && label <= 4)
            {
                output.at<Vec3b>(i, j) = Vec3b(0, 255, 0); // 绿色
            }
            else if (label > 4 && label <= 6)
            {
                output.at<Vec3b>(i, j) = Vec3b(255, 255, 0); // 青色
            }
            else if (label > 6 && label <= 8)
            {
                output.at<Vec3b>(i, j) = Vec3b(255, 0, 255); // 洋红色
            }
            else if (label > 8 && label <= 10)
            {
                output.at<Vec3b>(i, j) = Vec3b(0, 255, 255); // 黄色
            }
            else
            {
                output.at<Vec3b>(i, j) = Vec3b(255, 255, 255); // 白色
            }
        }
    }

    imshow("Input", img);
    imshow("Output", output);
    waitKey(0);

    return 0;
}

在这个示例中，我们首先加载图像并对其进行二值化处理。然后进行形态学操作和距离变换，以便在后续的分水岭算法中使用。我们使用 `connectedComponents` 函数计算标签图像，然后将背景标签设为0。最后，我们执行分水岭算法，将分割结果可视化。