我正在使用OpenCV為Android編寫。我正在使用標(biāo)記控制的分水嶺來分割類似于下面的圖像，而無需用戶手動(dòng)標(biāo)記圖像。我打算使用區(qū)域最大值作為標(biāo)記。minMaxLoc()會(huì)給我?guī)韮r(jià)值，但是如何將其限制在我感興趣的斑點(diǎn)上？我可以利用來自findContours()或cvBlob Blob 的結(jié)果來限制ROI并將最大值應(yīng)用于每個(gè)Blob嗎？
3 回答
婷婷同學(xué)_
TA貢獻(xiàn)1844條經(jīng)驗(yàn) 獲得超8個(gè)贊
首先：該函數(shù)minMaxLoc僅查找給定輸入的全局最小值和全局最大值，因此對(duì)于確定區(qū)域最小值和/或區(qū)域最大值而言，它幾乎沒有用。但是您的想法是正確的，完全基于區(qū)域最小值/最大值提取標(biāo)記以執(zhí)行基于標(biāo)記的分水嶺變換。讓我嘗試闡明什么是分水嶺變換，以及如何正確使用OpenCV中存在的實(shí)現(xiàn)。
一些處理分水嶺的論文對(duì)其描述與隨后的描述類似（如果不確定，我可能會(huì)漏掉一些細(xì)節(jié)：詢問）?？紤]一下您所知道的某個(gè)區(qū)域的表面，其中包含山谷和山峰（在這里，與我們無關(guān)的其他細(xì)節(jié)）。假設(shè)在此表面之下僅是水，有色水。現(xiàn)在，在表面的每個(gè)谷上打孔，然后水開始充滿整個(gè)區(qū)域。在某個(gè)時(shí)候，會(huì)遇到不同顏色的水，當(dāng)這種情況發(fā)生時(shí)，您要建造一個(gè)大壩，使它們彼此不接觸。最后，您將獲得水壩的集合，這是分隔所有不同顏色的水的分水嶺。
現(xiàn)在，如果您在該表面上鉆孔太多，則最終會(huì)出現(xiàn)太多區(qū)域：過度分割。如果您做得太少，您將獲得細(xì)分市場。因此，幾乎所有建議使用分水嶺的論文實(shí)際上都提出了避免這些問題的技術(shù)，以解決論文正在處理的應(yīng)用程序。
我寫了所有這些內(nèi)容（對(duì)于任何了解分水嶺變換的人來說都太幼稚了），因?yàn)樗苯臃从沉四鷳?yīng)該如何使用分水嶺實(shí)現(xiàn)（當(dāng)前公認(rèn)的答案是完全錯(cuò)誤的方式）。現(xiàn)在讓我們使用Python綁定從OpenCV示例開始。
問題中顯示的圖像由許多物體組成，這些物體太近且在某些情況下重疊。分水嶺在這里的用途是正確地將這些對(duì)象分開，而不是將它們分組為單個(gè)組件。因此，每個(gè)對(duì)象至少需要一個(gè)標(biāo)記，背景至少需要一個(gè)良好的標(biāo)記。例如，首先通過Otsu對(duì)輸入圖像進(jìn)行二值化，然后執(zhí)行形態(tài)學(xué)打開操作以去除小物體。該步驟的結(jié)果如下左圖所示?，F(xiàn)在，對(duì)于二進(jìn)制圖像，請(qǐng)考慮對(duì)其應(yīng)用距離變換，結(jié)果如右圖所示。
根據(jù)距離變換結(jié)果，我們可以考慮一些閾值，以便僅考慮距背景最遠(yuǎn)的區(qū)域（下圖為左圖）。這樣做，通過在較早的閾值之后標(biāo)記不同的區(qū)域，我們可以獲得每個(gè)對(duì)象的標(biāo)記。現(xiàn)在，我們還可以考慮將左側(cè)圖片的放大版本的邊框組成標(biāo)記。完整的標(biāo)記顯示在右側(cè)的下方（某些標(biāo)記太暗而看不見，但左側(cè)圖像中的每個(gè)白色區(qū)域均在右側(cè)圖像中表示）。
我們?cè)谶@里使用的這個(gè)標(biāo)記很有意義。每個(gè)colored water == one marker將開始填充該區(qū)域，并且分水嶺轉(zhuǎn)換將建造水壩，以阻止不同的“顏色”合并。如果進(jìn)行變換，則圖像在左側(cè)。通過將水壩與原始圖像進(jìn)行組合而僅考慮水壩，我們得到的結(jié)果是正確的。
import sys
import cv2
import numpy
from scipy.ndimage import label
def segment_on_dt(a, img):
border = cv2.dilate(img, None, iterations=5)
border = border - cv2.erode(border, None)
dt = cv2.distanceTransform(img, 2, 3)
dt = ((dt - dt.min()) / (dt.max() - dt.min()) * 255).astype(numpy.uint8)
_, dt = cv2.threshold(dt, 180, 255, cv2.THRESH_BINARY)
lbl, ncc = label(dt)
lbl = lbl * (255 / (ncc + 1))
# Completing the markers now.
lbl[border == 255] = 255
lbl = lbl.astype(numpy.int32)
cv2.watershed(a, lbl)
lbl[lbl == -1] = 0
lbl = lbl.astype(numpy.uint8)
return 255 - lbl
img = cv2.imread(sys.argv[1])
# Pre-processing.
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, img_bin = cv2.threshold(img_gray, 0, 255,
cv2.THRESH_OTSU)
img_bin = cv2.morphologyEx(img_bin, cv2.MORPH_OPEN,
numpy.ones((3, 3), dtype=int))
result = segment_on_dt(img, img_bin)
cv2.imwrite(sys.argv[2], result)
result[result != 255] = 0
result = cv2.dilate(result, None)
img[result == 255] = (0, 0, 255)
cv2.imwrite(sys.argv[3], img)
添加回答
舉報(bào)
0/150
提交
取消