若该文为原创文章，未经允许不得转载
原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客导航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/106258388
各位读者，知识无穷而人力有穷，要么改需求，要么找专业人士，要么自己研究
红胖子(红模仿)的博文大全：开发技术集合（包含Qt实用技术、树莓派、三维、OpenCV、OpenGL、ffmpeg、OSG、单片机、软硬结合等等）持续更新中…（点击传送门）

OpenCV开发专栏（点击传送门）

上一篇：《OpenCV开发笔记（五十八）：红胖子8分钟带你深入了解图像的矩（图文并茂+浅显易懂+程序源码）》
下一篇：持续补充中…

前言

  红胖子，来也！
  做识别，有时候需求要识别物体，物体在背景上比较杂，但是其边缘与背景图相差大，这个时候可以使用分水岭算法突出两边的颜色对比度，从而更好的分割。

Demo

分水岭算法

概述

  分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。简单来说就是根据图像相邻的像素差值，分成不同区域，将各区域染成不同颜色，其适合使用者已经可以标记已知对象或背景中的一部分。
 &emp;分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。
  分水岭的计算过程是一个迭代标注过程。

原理

  分水岭比较经典的计算方法是L. Vincent提出的。在该算法中，分水岭计算分两个步骤，一个是排序过程，一个是淹没过程。首先对每个像素的灰度级进行从低到高排序，然后在从低到高实现淹没过程中，对每一个局部极小值在h阶高度的影响域采用先进先出(FIFO)结构进行判断及标注。
  分水岭变换得到的是输入图像的集水盆图像，集水盆之间的边界点，即为分水岭。显然，分水岭表示的是输入图像极大值点。因此，为得到图像的边缘信息，通常把梯度图像作为输入图像，即
g(x,y)=grad(f(x,y))={[f(x,y)-f(x-1,y)]2[f(x,y)-f(x,y-1)]2}0.5
式中，f(x,y)表示原始图像，grad{.}表示梯度运算。
  分水岭算法对微弱边缘具有良好的响应，图像中的噪声、物体表面细微的灰度变化，都会产生过度分割的现象。但同时，分水岭算法对微弱边缘具有良好的响应，是得到封闭连续边缘的保证的。

分水岭函数原型

void watershed(InputArray image, InputOutputArray markers ) 

• 参数一：lnputArray类型的src，输入图像，即源图像，填Mat类的对象即可，且需为8位三通道的彩色图像。
• 参数二：InputOutputArray类型的markers，在执行分水岭函数watershed之前，必须对该参数进行处理，它应该包含不同区域的轮廓，每个轮廓有一个自己唯一的编号，轮廓的定位可以通过Opencv中findContours方法实现，这个是执行分水岭之前的要求。

Demo涉及到的相关知识

  均值滤波：《OpenCV开发笔记（十五）：算法基础之线性滤波-均值滤波》
  canny边缘检测：《OpenCV开发笔记（三十七）：红胖子8分钟带你深入了解边缘检测和Canny算子边缘检测（图文并茂+浅显易懂+程序源码）》
  查找与绘制轮廓：《OpenCV开发笔记（四十九）：红胖子8分钟带你深入了解轮廓识别（图文并茂+浅显易懂+程序源码）》

Demo源码

void OpenCVManager::testWatersheed() {     QString fileName1 =             "E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/5.jpg";     int width = 400;     int height = 300;      cv::Mat srcMat = cv::imread(fileName1.toStdString());     cv::resize(srcMat, srcMat, cv::Size(width, height));      cv::String windowName = _windowTitle.toStdString();     cvui::init(windowName);      cv::Mat windowMat = cv::Mat(cv::Size(srcMat.cols * 2, srcMat.rows * 3),                                 srcMat.type());      int threshold1 = 200;     int threshold2 = 100;     while(true)     {         windowMat = cv::Scalar(0, 0, 0);          cv::Mat mat;          cv::Mat tempMat;         // 原图先copy到左边         mat = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1),                         cv::Range(srcMat.cols * 0, srcMat.cols * 1));         cv::addWeighted(mat, 0.0f, srcMat, 1.0f, 0.0f, mat);          {             // 灰度图             cv::Mat grayMat;             cv::cvtColor(srcMat, grayMat, cv::COLOR_BGR2GRAY);             // copy             mat = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1),                             cv::Range(srcMat.cols * 1, srcMat.cols * 2));             cv::Mat grayMat2;             cv::cvtColor(grayMat, grayMat2, cv::COLOR_GRAY2BGR);             cv::addWeighted(mat, 0.0f, grayMat2, 1.0f, 0.0f, mat);              // 均值滤波             cv::blur(grayMat, tempMat, cv::Size(3, 3));              cvui::printf(windowMat, width * 1 + 20, height * 1 + 20, "threshold1");             cvui::trackbar(windowMat, width * 1 + 20, height * 1 + 40, 200, &threshold1, 0, 255);             cvui::printf(windowMat, width * 1 + 20, height * 1 + 100, "threshold2");             cvui::trackbar(windowMat, width * 1 + 20, height * 1 + 120, 200, &threshold2, 0, 255);              // canny边缘检测             cv::Canny(tempMat, tempMat, threshold1, threshold2);             // copy             mat = windowMat(cv::Range(srcMat.rows * 1, srcMat.rows * 2),                             cv::Range(srcMat.cols * 0, srcMat.cols * 1));             cv::cvtColor(tempMat, grayMat2, cv::COLOR_GRAY2BGR);             cv::addWeighted(mat, 0.0f, grayMat2, 1.0f, 0.0f, mat);              // 查找轮廓             std::vector<std::vector<cv::Point>> contours;             std::vector<cv::Vec4i> hierarchy;             cv::findContours(tempMat, contours, hierarchy, cv::RETR_CCOMP, cv::CHAIN_APPROX_SIMPLE);              // 绘制轮廓             cv::Mat maskers = cv::Mat::zeros(grayMat.size(), CV_32SC1);             maskers = cv::Scalar::all(0);             cv::Mat tMat = srcMat.clone();             tMat = cv::Scalar(0, 0, 0);             for(int index = 0; index < contours.size(); index++)             {                 cv::drawContours(maskers, contours, index, cv::Scalar::all(index+1));                 cv::drawContours(tMat, contours, index, cv::Scalar(0, 0, 255));             }             // copy             mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),                             cv::Range(srcMat.cols * 0, srcMat.cols * 1));             cv::addWeighted(mat, 0.0f, tMat, 1.0f, 0.0f, mat);              // 分水岭             cv::watershed(srcMat, maskers);             cv::Mat watershedImage(maskers.size(), CV_8UC3) ;             for(int i = 0 ; i < maskers.rows ; i++ )             {                 for(int j = 0 ; j < maskers.cols; j++)                 {                     int index = maskers.at<int>(i, j);                     if(index == -1)                     {                         watershedImage.at<cv::Vec3b>(i, j) = cv::Vec3b(255, 255, 255);                     }else if( index <= 0 || index > contours.size() )                     {                         watershedImage.at<cv::Vec3b>(i, j) = cv::Vec3b(0, 0, 0);                     }else                     {                         watershedImage.at<cv::Vec3b>(i, j) = cv::Vec3b((index - 5 > 0 ? 0 : index % 5) * 50,                                                                        (index - 5 > 0 ? index - 5 : 0) % 5 * 50,                                                                        (index - 10 > 0 ? index - 10 : 0) % 5 * 50);                     }                     // 混合灰皮图和 分水岭效果 图 并显 示最终的窗 口                 }             }             // copy             mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),                             cv::Range(srcMat.cols * 1, srcMat.cols * 2));             cv::addWeighted(mat, 0.0f, watershedImage, 1.0f, 0.0f, mat);          }         // 更新         cvui::update();         // 显示         cv::imshow(windowName, windowMat);         // esc键退出         if(cv::waitKey(25) == 27)         {             break;         }     } } 

工程模板：对应版本号v1.53.0

  对应版本号v1.53.0

上一篇：《OpenCV开发笔记（五十八）：红胖子8分钟带你深入了解图像的矩（图文并茂+浅显易懂+程序源码）》
下一篇：持续补充中…

原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客导航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/106258388