摘要：理論任何灰度圖像都可以看作是地形表面，其中高強(qiáng)度表示山峰和丘陵，而低強(qiáng)度表示山谷用不同顏色的水標(biāo)簽填充每個孤立的山谷局部最小值，隨著水的上升，明顯具有不同的顏色的水將開始融合為避免這種情況，需要在水合并的位置建立障礙，在所有的山峰都被水淹沒

Image Segmentation with Watershed Algorithm

任何灰度圖像都可以看作是地形表面，其中高強(qiáng)度表示山峰和丘陵，而低強(qiáng)度表示山谷.用不同顏色的水（標(biāo)簽）填充每個孤立的山谷（局部最小值），隨著水的上升，明顯具有不同的顏色的水將開始融合.為避免這種情況，需要在水合并的位置建立障礙，在所有的山峰都被水淹沒之前，要繼續(xù)填滿水和建造柵欄的工作然后你創(chuàng)建的障礙會給你分割的結(jié)果，這就是分水嶺背后的“哲學(xué)”.

可以訪問我了解更多相關(guān)內(nèi)容.

這種方法會導(dǎo)致由于噪聲或圖像中任何其他不正常的情況而導(dǎo)致的結(jié)果過于分散, 因此，OpenCV實(shí)現(xiàn)了一個基于標(biāo)記的分水嶺算法，可以在其中指定要合并的和不合并的谷點(diǎn).這是一個交互式的圖像分割,我們所做的就是給我們所知道的對象提供不同的標(biāo)簽,用一種顏色（或強(qiáng)度）標(biāo)記我們確定為前景或?qū)ο蟮膮^(qū)域，用另一種顏色標(biāo)記我們確定為背景或非對象的區(qū)域，最后標(biāo)記我們不確定的區(qū)域?yàn)?，然后應(yīng)用分水嶺算法，我們的標(biāo)記將會隨著我們所給出的標(biāo)簽進(jìn)行更新，對象的邊界將值為-1.

我們將看到一個關(guān)于如何使用距離變換和分水嶺來分割相互觸摸的物體的例子.
考慮下面的硬幣圖像，硬幣相互接觸.即使把它閾值，它也會互相接觸.

我們使用Otsu的二值化找到硬幣的近似估計值.

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("img4.jpg")
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

cv2.imshow("show",thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()

現(xiàn)在我們需要去除圖像中的任何小的白噪聲,因此我們要使用形態(tài)學(xué)開運(yùn)算,為了去除物體上的小洞，我們要使用形態(tài)學(xué)閉運(yùn)算,所以，現(xiàn)在我們可以確定，靠近物體中心的區(qū)域是前景,遠(yuǎn)離物體的區(qū)域是背景,只有硬幣的邊界區(qū)域是我們不確定的區(qū)域.

我們需要提取出我們確信它們是硬幣的區(qū)域,腐蝕邊界像素，不管剩下的是什么，我們都可以確定它是硬幣.如果它們不相互接觸還可以繼續(xù)，如果它們相互接觸，另一個好的選擇是找到距離變換并應(yīng)用一個合適的閾值.

為此，我們對結(jié)果進(jìn)行了擴(kuò)張，擴(kuò)張將對象邊界增加為背景，通過這種方法，我們可以確保背景中的任何區(qū)域都是真正的背景，因?yàn)檫吔鐓^(qū)域被移除.

剩下的區(qū)域是我們不知道的區(qū)域，無論是硬幣還是背景.分水嶺算法應(yīng)該找到它， 這些區(qū)域通常圍繞著前景和背景相遇的硬幣邊界（甚至兩個不同的硬幣相遇），它可以從sure_bg區(qū)域中減去sure_fg區(qū)域獲得.

# noise removal
kernel = np.ones((3,3),np.uint8)
opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel, iterations = 2)

# sure background area
sure_bg = cv2.dilate(opening,kernel,iterations=3)

# Finding sure foreground area
dist_transform = cv2.distanceTransform(opening,cv.DIST_L2,5)
ret, sure_fg = cv2.threshold(dist_transform, 0.7*dist_transform.max(),255,0)

# Finding unknown region
sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg,sure_fg)

現(xiàn)在我們可以確定哪些是硬幣的區(qū)域，哪些是背景，哪些是背景.因此，我們創(chuàng)建標(biāo)記(它是一個與原始圖像相同大小的數(shù)組，但使用int32數(shù)據(jù)類型)并對其內(nèi)部的區(qū)域進(jìn)行標(biāo)記.

cv2.connectedComponents()
將圖像的背景標(biāo)記為0，然后其他對象從1開始標(biāo)記為整數(shù).

我們知道，如果背景是0，那么分水嶺將會被認(rèn)為是未知的區(qū)域, 所以我們用不同的整數(shù)來標(biāo)記它,用0表示由未知定義的未知區(qū)域.

# Marker labelling
ret, markers = cv2.connectedComponents(sure_fg)

# Add one to all labels so that sure background is not 0, but 1
markers = markers+1

# Now, mark the region of unknown with zero
markers[unknown==255] = 0

深藍(lán)色區(qū)域顯示未知區(qū)域，硬幣的顏色是不同的,與未知區(qū)域相比，確定背景的剩余區(qū)域以較淺的藍(lán)色顯示.

標(biāo)記已經(jīng)準(zhǔn)備好了,現(xiàn)在是最后一步的時候了，應(yīng)用分水嶺.

markers = cv2.watershed(img,markers)
img[markers == -1] = [255,0,0]

代碼：

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread("img4.jpg")
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)


# noise removal
kernel = np.ones((3,3),np.uint8)
opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel, iterations = 2) # 形態(tài)開運(yùn)算

# sure background area
sure_bg = cv2.dilate(opening,kernel,iterations=3)

# Finding sure foreground area
dist_transform = cv2.distanceTransform(opening,cv2.DIST_L2,5)
ret, sure_fg = cv2.threshold(dist_transform,0.7*dist_transform.max(),255,0)

# Finding unknown region
sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg,sure_fg)


# Marker labelling
ret, markers = cv2.connectedComponents(sure_fg)

# Add one to all labels so that sure background is not 0, but 1
markers = markers+1

# Now, mark the region of unknown with zero
markers[unknown==255] = 0

markers = cv2.watershed(img,markers)
img[markers == -1] = [255,0,0]


cv2.imshow("img",img)
cv2.waitKey(0)
cv2.destroyAllWindows()