Opencv分水岭算法——watershed自动图像分割用法

Opencv中的分水岭算法（watershed algorithm）是一种自动图像分割算法，常用于分离图像中的前景和背景。下面是使用Opencv中的分水岭算法进行图像分割的步骤：

1. 读入图像并进行预处理，如去噪、灰度化等。

2. 对图像进行二值化处理，得到前景和背景的二值图像。

3. 对二值图像进行距离变换（distance transform），得到每个像素离最近的背景像素的距离。

4. 对距离变换后的图像进行阈值处理，得到图像的分水岭标记（watershed markers）。

5. 对分水岭标记进行修正，确保标记不会重叠或出现空洞。

6. 对分水岭标记应用分水岭算法，得到分割后的图像。

下面是使用Opencv实现分水岭算法的示例代码：

import cv2
import numpy as np

# 读取图像并进行预处理
img = cv2.imread('input.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

# 进行距离变换
dist_transform = cv2.distanceTransform(thresh,cv2.DIST_L2,5)
ret, sure_fg = cv2.threshold(dist_transform,0.7*dist_transform.max(),255,0)

# 获取分水岭标记
sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(thresh,sure_fg)
ret, markers = cv2.connectedComponents(sure_fg)
markers = markers+1
markers[unknown==255] = 0

# 修正分水岭标记
markers = cv2.watershed(img,markers)
img[markers == -1] = [255,0,0]

# 显示分割结果
cv2.imshow('result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码中，我们首先读入一张图像并进行预处理，然后进行距离变换，得到每个像素到最近的背景像素的距离。接着使用阈值处理得到分水岭标记，修正分水岭标记并应用分水岭算法，最后显示分割结果。