改进的分水岭分割算法python代码

以下是改进的分水岭分割算法的Python代码：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('input.jpg')

# 灰度处理
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化处理
ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

# 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)

# 背景区域
sure_bg = cv2.dilate(thresh, np.ones((3, 3), np.uint8), iterations=3)

# 不确定区域
sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg, sure_fg)

# 标记连通区域
ret, markers = cv2.connectedComponents(sure_fg)

# 将背景设置为0
markers = markers + 1

# 将不确定区域设置为0
markers[unknown == 255] = 0

# 分水岭算法
markers = cv2.watershed(img, markers)
img[markers == -1] = [0, 0, 255]  # 标记边界

# 显示结果
cv2.imshow('result', img)
cv2.waitKey()
cv2.destroyAllWindows()

这个改进的分水岭分割算法的主要区别在于使用距离变换来获取前景区域，同时将不确定区域标记出来。这样可以更准确地分离出前景和背景，得到更好的分割效果。